今天，我們非常高興地宣布，MapD Core數(shù)據(jù)庫及其可視化庫開源了。

　　項目的代碼托管在Github上，基于Apache 2.0協(xié)議。它能夠構建全功能版的MapD Core數(shù)據(jù)庫，該數(shù)據(jù)庫能夠在多GPU的服務器上對數(shù)十億條記錄進行二次查詢。我們所有的核心技術，包括分層緩存系統(tǒng)和LLVM查詢編譯引擎，都包含在今天發(fā)布的這個開源版本中。

　　這樣做是因為我們對開源軟件的變革力量具有強烈的信念。無論是在Hadoop還是在深度學習的生態(tài)系統(tǒng)中，開源項目都帶來了巨大的創(chuàng)新，這些都不是封閉軟件所能帶來的。

　　我的目標一直都是要向世界開放MapD，但是在最初的時候，由于代碼庫尚未成熟，我一直在猶豫是否要開源。所以我建立了這個產(chǎn)品，擴大了公司規(guī)模，并做了其他一些事情。

　　然而，在NEA（最近帶領我們進行了2500萬美元的B輪融資）與Greg Papadopoulos和Forest Baskett的第一次見面中，我們共同認識到開源的破壞性潛力，特別是在分析領域。我們注意到，雖然基于GPU加速的機器學習正在進入人們的視線，但是在GPU上運行的分析棧卻無人涉及。幾乎整個GPU機器學習和深度學習都是開源的，但是卻沒有一個開源的數(shù)據(jù)處理引擎來協(xié)助它。而我們就是來做這個的。

　　作為開源軟件，該項目能夠與生態(tài)系統(tǒng)中的其他部分進行集成，這是封閉系統(tǒng)所無法做到的。我們今天同時也很高興地宣布，與Continuum Analytics和H2O.ai一起組建的GPU開放分析計劃（GPU Open Analytics Initiative，簡稱GOAI）基金會成立。并且，我們共同發(fā)布了我們的第一個項目，GPU數(shù)據(jù)幀（GPU Data Frame，簡稱GDF）項目。GPU數(shù)據(jù)幀允許在GPU進程之間傳遞數(shù)據(jù)，而不會增加復制數(shù)據(jù)或者將數(shù)據(jù)傳遞給CPU帶來的開銷。我們希望這個項目能為在GPU上實現(xiàn)一個開放的端到端管道邁出一步。

　　今天開放下面這些源碼：

　　MapD Core開源數(shù)據(jù)庫：根據(jù)Apache 2許可證提供的MapD Core數(shù)據(jù)庫的源代碼。該代碼提供了多GPU加速SQL查詢功能。

　　MapD可視化庫：MapD提供的開源Java庫，允許用戶創(chuàng)建支持MapD Core數(shù)據(jù)庫的基于Web的可視化應用程序。這個庫包含了圖表生成、交叉過濾數(shù)據(jù)和MapD Core數(shù)據(jù)庫連接管理等功能。其中，圖表和crossfilter庫基于流行的DC.js Dimensional Charting項目。

　　我們同時還推出了包含MapD Core數(shù)據(jù)庫、MapD Core GPU渲染引擎和MapD Immerse可視化分析客戶端的MapD分析平臺企業(yè)版（MapD Analytics Platform Enterprise Edition）。它包含了不在開源版本中的分布式橫向擴展、高可用性（HA）、LDAP和ODBC功能。

　　我們還提供了社區(qū)版本的二進制文件下載，其中包含MapD Core數(shù)據(jù)庫、GPU渲染引擎和MapD Immerse可視化分析客戶端，這些文件都基于非商業(yè)的學術許可。

相關電子資料下載

• 常用于緩存處理的機制總結(jié) 如何避免緩存雪崩問題？ 24
• 觸發(fā)器的基本原理、應用場景及優(yōu)缺點 83
• AI大模型對數(shù)據(jù)存儲技術的發(fā)展趨勢 64
• 訪問控制中PIP的典型流程和關鍵點思考 60
• 物證管理系統(tǒng)|智物證DW-S404是一套成熟系統(tǒng) 44
• Python 梯度計算模塊如何實現(xiàn)一個邏輯回歸模型 93
• TinyDB ：一個純Python編寫的輕量級數(shù)據(jù)庫 58
• mysql經(jīng)典面試題及答案 63
• 人大金倉獲評“2023年度軟件和信息技術服務名牌企業(yè)” 100
• 人大金倉亮相第40屆CCF中國數(shù)據(jù)庫學術會議（NDBC 2023） 119