SQream技术为GPU加速数据库筹集了3940万美元

数据集分析初创公司SQream Technologies今天宣布已筹集3940万美元。一位发言人说，大部分新资金将用于人才招聘，产品研发和改善公司的客户服务平台。SQream旨在通过提供更好的性能，减少占用空间并比竞争对手节省成本来降低大数据优化的障碍。

福布斯》发现，2017年仅有超过50%的公司采用大数据分析，其中95%的公司表示需要管理非结构化数据。这种增长也可能归因于投资回报率(ROI)采用者报告。企业家指出，使用大数据的企业的利润平均增长8%至10%。但是仍然存在障碍，Statista调查的40.3%的受访者表示，缺乏组织敏捷性阻碍了大数据的使用。

SQream的面向列的数据库产品SQream DB是GPU加速的数据仓库，能够处理具有从关系数据库系统精选而来的功能的复杂查询。SQream声称，通过内部部署和云加速，客户可以分析数以万亿计的记录，并且每个现成的GPU每小时可加载高达3 TB的数据。

SQream DB使存储与计算脱钩，从而在团队成长时无需复制，重新分配或重新分区数据。它通过多种驱动程序和连接器与商业智能工具集成，包括ODBC，JDBC，Python，Node.JS，Spark，R，Java和C ++。SQream DB的接口层充当控制数据仓库的服务的集合，而计算层是运行实际数据处理任务的地方。最后一层-存储层-分为一个元数据模块，在其中存储所有常规数据库对象，以及一个持久的批量数据组件，该组件针对原始表扫描性能进行了优化。

SQream DB可以使用外部表语法直接从外部源读取数据，并且其列式存储系统在水平和垂直方向上进行分区，以进行连接，聚集，汇总和排序之类的分析操作。列引擎允许选择性地访问所需的列子集，与标准存储相比，减少了磁盘扫描和内存I / O。同时，超分区将存储水平地分成可管理的块，补充了AI辅助压缩，该压缩将压缩方案与给定语料库相匹配。

管理员可以使用SQream DB基于角色的权限系统来控制访问，并且该平台可以通过添加存储和计算节点来自动扩展。它旨在与任何支持Linux和Nvidia CUDA的服务器一起使用。该公司表示，向任一方向发展SQream DB都不会影响数据可用性或完整性。

尽管像SQream这样的GPU加速数据库非常适合某些工作负载，但尚不清楚它们是否会很快进入主流。这是因为它们在无法并行化或不涉及浮点数和其他数字处理的数据库操作上往往表现不佳。此外，他们很难脱颖而出-SQream与BlazingDB，Kinetica和OmniSci(以前称为MapD)等供应商竞争。

这家位于特拉维夫的公司表示，它专门针对需要高数据库吞吐量的AI和数据分析应用程序。SQream声称，一位客户-泰国最大的手机运营商之一AIS-部署了SQream DB，以将数百万个原始数据记录的查询时间从一小时减少到不到50秒。据报道，另一位客户Sheba Cancer Research Institution使用该平台分析了多达1 PB的基因组序列。

Mangrove Capital Partners和Schusterman Family Investments共同领导了这次最新的融资，现有投资者Hanaco Venture Capital，Sistema.vc，世界贸易中心风险投资公司，Blumberg Capital，Silvertech Ventures和阿里巴巴集团参与了此次融资。(SQream在2018年与阿里巴巴合作，为阿里云客户提供前者的GPU加速数据库服务。)B +系列使SQream的总融资额超过5,000万美元。作为本轮融资的一部分，Silvertech Ventures的Charlie Federman和Mangrove的Roy Saar将加入SQream的董事会。