返回资讯中心
外部精选
云计算
#容器平台#AI Agents#Data#Databases#sponsor-enterprisedb

EnterpriseDB 收购 Altinity,统一 Postgres 与 ClickHouse 数据管理规则

来源标题:Postgres and ClickHouse can share tables. EnterpriseDB wants one set of rules to govern them.

EnterpriseDB 宣布收购 ClickHouse 服务商 Altinity,将 Postgres 与 ClickHouse 的开发路线合并,目标是解决两套系统间的数据同步与治理难题。Altinity 是 Altinity Stable Builds、Kubernetes Operator 和 Altinity.Cloud 的背后的公司,其团队已近十年在生产环境运行 ClickHouse。

The New StackMax Romanenko2026/11/5 · 12 天前19 分钟阅读

以下正文由 AI 翻译自 The New Stack(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

如果你做的东西既需要记录系统又需要快速分析,你就知道这个问题的形态。Postgres® 保存订单、账户,以及应用程序绝不能出错的状态。ClickHouse 软件负责回答那些问题。

行式存储为事务而调优,从来就不是为了快速回答:过去一小时内十亿个事件中发生了什么、哪个用户群正在流失、智能体下一步该做什么。两个引擎在各自的工作上都表现出色。痛苦完全存在于它们之间的缝隙里。

“两个引擎在各自的工作上都表现出色。痛苦完全存在于它们之间的缝隙里。”

EnterpriseDB(EDB)已收购 Altinity——这家独立公司是 Altinity Stable Builds、Altinity Kubernetes Operator 和 Altinity.Cloud 背后的团队。

头条是公司层面的。开发者应该关心的理由则更具体:Postgres 的头号贡献者,与在生产环境中运行 ClickHouse 软件近十年的人,如今走在同一张路线图上,而这张路线图瞄准的是你每周都要忍受的三个痛点。

痛点 1:CDC 作业是没人要的产品

数一数,从一个已提交的 Postgres 事务,到同一行数据在 ClickHouse 软件中可查询,中间有多少个活动部件。一个复制槽。一个自带故障模式的连接器。一个你需要规划容量、保障安全并打补丁的消息代理。一个必须挺过 schema 变更、且不能悄悄丢列的下游接收端。一套去重策略,因为至少一次投递意味着重复。

每一跳都要监控,因为任何一跳的延迟都会让“实时”仪表盘变成谎言。这些代码没有一行是你的产品。它们全都排在你的值班表上,也正是凌晨三点告警响起的原因。

痛点 2:你的智能体在拿昨晚的数据做推理

智能体工作负载改变了数据陈旧的经济账。仪表盘落后 20 分钟只是烦人。而一个智能体基于 20 分钟前的聚合数据去批准退款、调整库存价格或标记交易,它就是错的——并且以机器速度错上几千次,才有人注意到。

“一个智能体基于 20 分钟前的聚合数据去批准退款、调整库存价格或标记交易,它就是错的——并且以机器速度错……”

于是构建智能体的开发者写下了同样别扭的代码:查 Postgres 拿当前状态,查 ClickHouse 软件拿趋势,在应用里把两者拼起来,然后祈祷两边的时钟一致。你变成了集成层,而集成层正是 bug 的藏身之处。

痛点 3:你把整套技术栈跑了两遍

每一条行级规则、每一个脱敏列、每一条“分析师只看聚合、不看客户 ID”的策略,在 Postgres 里存在一次,在 ClickHouse 软件里又存在一次;一旦有人改了其中一个却忘了另一个,两者就开始漂移。在 Kubernetes 上运维 ClickHouse 软件本身就是一份工作:Keeper、存储类、副本放置、备份、升级,以及一两位不知不觉间成了“ClickHouse 专家”的工程师。

而如果你走了托管分析服务这条捷径,你的数据就住在供应商指定的地方,你的账单随他们的定价模型伸缩,而不是随你的基础设施。两个引擎、两套权限模型、两套运维、两份支持合同,还有一份并非你自愿选择的锁定。

对照这三个痛点来读,这笔交易就开始说得通了:每一个痛点都对应 EDB 和 Altinity 如今计划共同构建的一根支柱。

支柱 1:一个共享层,而不是一条管道

如今,Postgres、WarehousePG(EDB 的 MPP 仓库)和 ClickHouse 软件可以读取相同的 Apache Iceberg 表,并互相查询。Postgres 写入记录,ClickHouse 软件通过相同的开放表格式读取它,两者之间的数据移动和集成工作量都更少。计划中的是跨全部三个引擎的一个共享 catalog 和一个治理模型,以及一个面向 Postgres 和 ClickHouse 软件的主权控制平面。

组织架构上,今天以 Iceberg 作为共享层,随后以 EDB 的控制平面作为共享运维层。请把共享 catalog 理解为正在构建的东西,而不是你今天就能下载的东西。但设计目标正是你自己也会设定的那个:更少的跳数、一个 catalog、没有定制的对账代码。CDC 作业的本意,就是不再成为你需要拥有的东西。

支柱 2:为智能体提供实时数据,并在数据所在处治理

EDB Postgres AI 将一个主权多模型数据层与一个智能体运行时相结合,并在 Postgres 中的数据层——在行动发生之处、且带有审计追踪——强制执行治理。对智能体而言,目标是它请求业务上下文时,从同一个系统拿到记录和分析,而不是由你的代码去编排两个数据库和一个队列。

在权限方面,跨全部三个引擎的一个治理模型是计划的一部分。今天,Postgres 为智能体强制执行目的绑定的访问控制,ClickHouse 软件则执行自己的基于角色的访问控制。计划是在数据所在之处一次性定义策略,让每个引擎各自执行,而不是在应用代码或第二套权限模型中重新实现它。这样,你的智能体就能基于当下为真的事实进行推理,而安全审查不会阻塞你的发布。

支柱 3:运维者、专家,以及运行位置的选择

Altinity 对在生产中运行 ClickHouse 软件的答案是 Kubernetes Operator(拉取量超过 1 亿次),以及维护三年、带安全与缺陷修复回移的 Altinity Stable Builds。这些知识如今进入了 Postgres 的头号贡献者内部——这家公司还创建了 CloudNativePG 并将其捐赠给开源社区,它现在是 CNCF 项目,也是许多团队已经在用的 Postgres operator。一家供应商同时理解两个 operator。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →