Logo
Decide better.Live better.
Logo
Decide better.Live better.

Databricks unifica o armazenamento de dados. Veja como isso simplifica seus agentes de IA. Novas tecnologias eliminam a complexidade das pipelines de dados para empresas

The seamless unification of complex data streams into a singular, fluid architectural flow for enterprise intelligence.

A Databricks anunciou o Lakehouse//RT e o LTAP para unificar dados operacionais e analíticos. Para líderes de dados, isso significa reduzir a carga operacional e os riscos de inconsistência, permitindo que agentes de IA mais confiáveis sejam implantados com muito mais velocidade e menos dívida técnica.

18 June 2026

News

banner

A Databricks acaba de anunciar duas novas tecnologias que prometem simplificar drasticamente a infraestrutura de dados para empresas: o Lakehouse//RT e o LTAP. O objetivo é eliminar a necessidade de manter sistemas separados para dados em tempo real e dados analíticos, um problema estrutural que tem dificultado a criação de agentes de IA eficientes.

A mudança central está na unificação da camada de armazenamento. Por décadas, profissionais de dados tiveram que gerenciar bancos de dados operacionais e analíticos de forma separada, criando pipelines complexos entre eles. Com o novo modelo, o sistema de inteligência pode raciocinar e agir sobre dados vivos sem o atraso causado por essas integrações intermediárias.

O Lakehouse//RT entrega respostas em milissegundos. Esta solução permite consultas diretas em tabelas Delta e Iceberg governadas, eliminando a camada de servir em tempo real que as empresas mantinham paralelamente. A tecnologia oferece latência inferior a 100ms com um rendimento de 12.000 consultas por segundo, apresentando um desempenho até 16x superior às pilhas de servir dedicadas atuais.

O LTAP simplifica a escrita de dados. A sigla significa Lake Transactional/Analytical Processing. Ele armazena dados transacionais nativos de Postgres diretamente nos formatos Delta e Iceberg no momento da escrita. Isso remove as pipelines de ETL que conectavam sistemas operacionais e analíticos há décadas, mantendo o Postgres como motor transacional e o Spark como motor analítico. Leia também: O provedor de banco de dados ClickHouse triplicou sua receita anualizada para US$ 250 milhões e espera alcançar o patamar mais....

Feed