Snowflake推出客户端连接器,可在其云数据仓库中直接运行Apache Spark代码,无需集群设置。
这一设计旨在避免配置和维护运行热门开源分析引擎的集群。Apache Spark于2014年首次推出,用于解决Hadoop分布式文件系统上的大数据问题,但由于在分析和数据准备方面的广泛应用,它在云时代继续发展壮大。
而Snowflake则始于RDBMS数据仓库,属于为云端分离存储和计算的新一代产品。
Snowflake产品管理副总裁Chris Child表示,客户长期使用Spark处理数据并为分析或AI应用做准备。虽然一些客户指出在具有两种不同计算引擎、基础设施类型和治理层的独立系统中运行存在负担,但重写Spark代码(通常使用Java、Python或Scala,而非通用数据库语言SQL)的工作量太大,难以考虑迁移Spark工作负载。
"我们收到的反馈是,重写用户构建的转换类型往往非常困难,"Child告诉我们。
随后,Apache Spark社区推出了Spark Connect,采用客户端-服务器架构,允许任何客户端应用程序连接到远程Spark集群。
通过新的Snowpark Connector,Snowflake承诺为Spark用户提供在Spark客户端中运行Spark代码的相同能力,但连接到Snowflake分析引擎作为服务器,而不是独立的Spark集群。该公司也继续为开源Spark项目做出贡献。
"在我们预发布预览中运行此功能的客户,看到了平均5.6倍的性能提升——在相同数据上运行完全相同的代码——与传统spark相比,他们还看到了约40%的成本节约,"Child声称。
Snowflake声称这允许客户为其Spark代码使用其向量化引擎,同时避免维护或调优独立Spark环境的复杂性——包括管理依赖关系、版本兼容性和升级。"现在可以使用Snowflake运行所有现代Spark DataFrame、Spark SQL和用户定义函数代码,"该公司表示。
二合一的趋势
此举是跨越两个原本不同市场的更广泛整合的一部分:用于机器学习和临时分析的数据湖;用于可重复、查询优化的高并发BI和分析的数据仓库。
Databricks在创立时就围绕Spark构建以提供数据湖,但在过去五年中一直在扩展,通过"湖仓"概念将数据湖和数据仓库结合起来。与此同时,Snowflake已扩展到在其数据平台上提供数据湖。
两种方法都受到了批评。2021年,Gartner指出数据湖在支持"传统"数据仓库处理的并发用户数量方面可能存在困难。Databricks随后表示,通过其SQL Serverless改善了并发性,旨在为用户的BI和SQL工作负载提供即时计算。
Snowflake也因意外成本让用户感到惊讶而受到批评,因为计算资源会灵活扩展以支持更多用户。近年来,该公司一直试图通过优化策略解决这个问题,帮助客户减少账单,以至于一个重要用户——杂货配送服务公司InstaCart——出人意料地表示将在三年内从Snowflake账单中削减数千万美元,这让市场观察者感到惊讶。
与此同时,Snowflake一直试图执行一项旨在让客户使用其计算引擎处理数据的策略,无论数据存储在何处。Child告诉我们,客户希望存储比他们想要放入Snowflake的数据更多的数据。
"我们在Apache Iceberg上进行了巨大投资,使人们更容易做到这一点。我们从许多客户那里听到,他们希望处理数据,不仅仅是SQL,还有其他方式。因此,我们在Snowpark Connect上进行了大量投资,确保他们可以按照自己想要的方式带来代码,"他说。
Q&A
Q1:什么是Snowpark Connector?它有什么作用?
A:Snowpark Connector是Snowflake推出的客户端连接器,允许用户在Snowflake云数据仓库中直接运行Apache Spark代码,无需设置独立的Spark集群。它连接到Snowflake分析引擎作为服务器,避免了配置和维护单独Spark环境的复杂性。
Q2:使用Snowpark Connector相比传统Spark有什么优势?
A:根据Snowflake的数据,在预发布预览中使用该连接器的客户看到了平均5.6倍的性能提升,同时相比传统Spark节约了约40%的成本。用户可以运行相同的代码处理相同的数据,但获得更好的性能和成本效益。
Q3:为什么客户不直接将Spark代码重写为SQL?
A:重写Spark代码的工作量太大。Spark代码通常使用Java、Python或Scala编写,包含复杂的数据转换逻辑。客户反馈表明,重写这些已构建的转换类型往往非常困难,因此迁移Spark工作负载的成本过高。
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。