Databricks استارتاپ Electric را خرید؛ تیم آن به Neon پیوست

Databricks خرید Electric، سازندهٔ PGlite و موتور همگام‌سازی متن‌باز، را اعلام کرد. تیم Electric به Neon می‌پیوندد؛ همان Neon که گذشته بخشی از پایهٔ سرویس Lakebase را تشکیل داد و پیش‌تر مورد سرمایه‌گذاری Databricks قرار گرفت. جزئیات مالی معامله منتشر نشده است.

PGlite چیست و اهمیت آن

PGlite پیاده‌سازی کاملی از Postgres است که به WebAssembly کامپایل شده و می‌تواند در مرورگر، فرایندهای Node.js یا سندباکس‌های اختصاصی عوامل (agents) اجرا شود. PGlite امکان بارگذاری افزونه‌های دینامیک را دارد، از جمله pgvector، افزونهٔ برداری محبوب برای Postgres. شرکت‌ها گزارش داده‌اند که دانلود هفتگی PGlite طی یک سال از 1,000,000 به 13,000,000 افزایش یافته است.

مفهوم همگام‌سازی پایگاه‌داده و اعلان خرید Electric توسط Databricks

موتور همگام‌سازی؛ محور معامله

وجه اصلی معامله، موتور همگام‌سازی Electric است. این موتور یک پایگاه‌دادهٔ مرکزی Postgres را نگه می‌دارد و آن را تقریباً بلادرنگ با تب‌های مرورگر، اپلیکیشن‌های موبایل یا نمونه‌های محلی مورد استفادهٔ عامل‌ها همگام می‌کند؛ مدلی شبیه به همکاری همزمان در Figma یا Google Docs اما برای Postgres. Neon به چالش‌هایی مثل حل تعارض، تکثیر جزئی و منطق اتصال مجدد اشاره کرده که توسعهٔ چنین سیستمی را از صفر دشوار می‌سازد؛ همین پیچیدگی‌ها احتمالاً دلیل اصلی جذب Electric از سوی Databricks بوده‌اند.

موارد متن‌باز و توقف سرویس

بنیان‌گذاران Electric، James Arthur و Valter Balegas، اعلام کرده‌اند که همهٔ اجزایی که قبلاً متن‌باز شده‌اند — شامل موتور همگام‌سازی، PGlite، Durable Streams و TanStack DB — همچنان متن‌باز باقی خواهند ماند. در مقابل، سرویس میزبانی Electric Cloud متوقف می‌شود و کاربران ابری باید خودمیزبانی کنند یا به ارائه‌دهندهٔ دیگری مهاجرت نمایند.

اهمیت برای آیندهٔ اپلیکیشن‌های عامل‌محور

Databricks و Neon می‌گویند مدل سنتیِ چند مشتری روی یک پایگاه‌داده مشترک با ظهور عامل‌ها در حال دگرگونی است. آمارهای Lakebase نشان می‌دهد عامل‌ها حدود چهار برابر بیشتر از کاربران انسانی بار نوشتن روی پایگاه‌داده ایجاد می‌کنند. در عمل هر پروژه به‌طور میانگین چندین شاخهٔ پایگاه‌داده ایجاد می‌کند؛ برخی پروژه‌ها بیش از 500 شاخه تکراری تولید می‌کنند. در برخی موارد، میانگین زمان اجرای محاسبات پایگاه‌داده به زیر 10 ثانیه رسیده است؛ یعنی پایگاه‌داده‌هایی با عمر بسیار کوتاه که سریع ایجاد و حذف می‌شوند.

فرآیند معمول کار عامل‌ها به این صورت است: یک سندباکس راه‌اندازی می‌شود، PGlite در آن اجرا می‌شود، تغییرات آزمایش می‌شوند و سپس یا کل محیط کنار گذاشته می‌شود یا تغییرات با یک شاخهٔ Lakebase همگام می‌گردد. از آن‌جا که Lakebase ذخیره‌سازی را از محاسبه جدا می‌کند و داده‌ها را به‌صورت صفحات Postgres روی ذخیرهٔ شیء نگه می‌دارد، ایجاد شاخه‌ها کم‌هزینه و بر پایهٔ copy-on-write انجام می‌شود.

پیامدها برای طراحان سیستم و کسب‌وکارها

  • ظهور میلیون‌ها پایگاه‌دادهٔ کوتاه‌مدت نیاز به مکانیزم‌های سبک برای اجرا و همگام‌سازی را افزایش می‌دهد.
  • مدل «پایگاه‌دادهٔ مرکزی که با نمونه‌های محلی همگام می‌شود» می‌تواند هزینهٔ راه‌اندازی را کاهش دهد و امکان رشد سریع اپلیکیشن‌های کوچک و آزمایشی را فراهم کند.
  • سرویس‌های میزبانی کوچک که وابسته به Electric Cloud بوده‌اند باید برنامهٔ مهاجرت یا خودمیزبانی را در دستورکار قرار دهند.

این خرید مرحلهٔ دیگری در توسعهٔ مجموعهٔ مالکیت‌های Databricks در حوزهٔ پایگاه‌داده است؛ مجموعه‌ای که قبلاً شامل Neon و اخیراً استارتاپ تراکنشی Mooncake شده است. ترکیب PGlite با موتور همگام‌سازی و Neon، قابلیت اجرای محلی Postgres همراه با همگام‌سازی بلادرنگ را تقویت می‌کند و نشان می‌دهد Databricks روی معماری‌های مناسب برای عصر عامل‌ها سرمایه‌گذاری می‌کند.

نگاه رو به جلو

متن‌باز بودن اجزا به توسعه‌دهندگان امکان می‌دهد از PGlite و موتور همگام‌سازی در محیط‌های متنوع بهره ببرند، اما توقف Electric Cloud هشداری برای تیم‌ها است تا از هم‌اکنون استراتژی میزبانی و شیوهٔ همگام‌سازی داده‌ها را بازتعریف کنند. ترکیب اجرای محلی Postgres با همگام‌سازی بلادرنگ می‌تواند زیربنای نسل جدیدی از اپلیکیشن‌های عامل‌محور باشد؛ اپلیکیشن‌هایی که هر یک نسخهٔ خود از پایگاه‌داده را دارند و با سرعت بالا در یک مجموعهٔ مشترک هماهنگ می‌مانند.