瓦拉达获得美元投资以使数据湖更容易访问

以色列初创公司Varada在种子轮融资中筹集了750万美元，该轮融资计划用于使企业更容易访问大数据。

该公司正在吹捧一个大数据内联索引工具，该工具可以对存储在基于云的数据湖中的信息进行分析，而无需先对其进行准备或建模。

数据湖是存储库，以其本机格式保存大量原始数据，直到需要时为止。分层数据仓库将数据存储在文件或文件夹中时，数据湖使用平面架构来存储数据。给湖泊中的每个数据元素分配一个唯一的标识符，并用一组扩展的元数据标签进行标记。当出现业务问题时，可以迅速向数据湖查询相关数据，然后可以分析较小的数据集以帮助回答问题。

事实证明，数据湖在企业中很受欢迎，因为它们比传统数据库具有更大的灵活性和速度。通过允许信息保留其原始格式，可以提供更多，更及时的数据流进行分析。

从表面上看，数据湖似乎是最容易存储数据的最有效方法，因为它们不需要首先执行昂贵且费时的 提取，转换和加载或ETL操作。但Varada联合创始人兼首席技术官David Krakov告诉SiliconANGLE，由于数据湖的结构意味着不再根据特定的分析需求对数据湖进行建模，因此数据湖仍然不能像某些用户所希望的那样高效。

“因此，数据湖上的分析采用'暴力'方法，并扫描所有数据以进行查询，” Krakov说。“例如，这是Amazon Web Services的Athena或EMR Presto之类的方法，具有高成本和低性能。”

数据团队可以采取一些技巧，以减少获取洞察的时间，例如通过复制数据，对其进行分区，对其进行预聚合等。但是数据量仍然更大，架构更复杂，并且数据源的数量庞大，这意味着很难在该数据的各个副本之间保持一致性和一致性。

他说：“结果是，大多数数据湖都是一个副本，并由几个'大维度'(例如日期和地理位置)划分。” “分析仍然大多是蛮力的，需要定制且耗时的开发以及针对该任务的ETL流程的昂贵维护。”

克拉科夫说，瓦拉达对此做出了妥协。有了它，用户可以选择他们的高价值数据集，并使用结构化查询语言命令来定义它们。然后，Varada实现了这个高价值的数据集，使其与数据湖保持同步，并使分析速度更快。

“通过我们的内联索引和分布式体系结构，我们可以对任何物化数据提供比暴力分析快100倍的性能，并且使该物化可以很容易地临时使用，” Krakov说。

Varada的种子轮融资由Lightspeed Venture Partners牵头，StageOne Ventures和F2 Capital参与。