宣布预测优化功能的全面可用性
内容提要
Databricks发布了预测优化功能，通过AI和Unity Catalog自动优化表数据布局，提高查询速度和降低存储成本。该功能消除了手动管理操作，减少复杂性，提高性能和成本效益。客户已经看到了立即的好处，如Plenitude存储成本下降了26%。预测优化还能学习和调整数据使用模式，确保数据以最高效的布局存储。对于Anker等客户，预测优化已经产生了数百万美元的年度存储节省，并将查询性能提高了2倍。
延伸解读
从手动到自动：数据布局优化的范式转变
传统上，数据团队需要手动决定优化哪些表、何时运行优化以及如何调度作业，并随着数据增长和访问模式变化不断调整。预测优化通过AI和Unity Catalog自动完成这些决策，消除了持续的手动维护负担。这标志着数据管理从人工运维向自助式智能系统的转变，让团队能更专注于业务价值而非底层维护。
实际效益：客户案例中的成本与性能提升
文章引用了多个客户案例：Plenitude在启用后存储成本立即下降26%，并预计持续节省；Anker实现了50%的年度存储成本节省和超过2倍的查询性能提升。这些数据表明，预测优化不仅能降低存储开销，还能显著加速查询，对于数据量大、查询频繁的场景尤其有价值。
自适应学习与自动聚类：持续优化的关键
预测优化能够从组织的使用模式中学习，并自动调整数据布局。新版本还增加了对Liquid Clustering表的自动OPTIMIZE操作，无需手动调度聚类。这种自适应能力确保数据始终以高效方式存储，即使数据量和访问模式不断变化，也能维持性能与成本的平衡。
未来展望：可观测性与默认启用
即将推出的内置可观测性仪表板将让优化效果透明可衡量，同时自动统计信息收集功能也已在规划中。未来，预测优化将在所有Unity Catalog管理的表上默认启用，这意味着用户无需任何操作即可获得优化的数据布局。这些发展将进一步降低使用门槛，使智能优化成为数据平台的标配能力。
Q&A
Databricks的预测优化功能有什么主要优势？
预测优化功能通过AI和Unity Catalog自动优化表数据布局，提高查询速度和降低存储成本，消除了手动管理操作，减少复杂性。
客户使用预测优化后有哪些具体的成本节省？
客户如Plenitude和Anker报告了存储成本分别下降26%和50%，并且查询性能提高了2倍。
预测优化是如何自动学习和调整数据使用模式的？
预测优化利用智能引擎自动学习组织的数据使用模式，确保数据以最高效的布局存储，从而实现成本节省和性能提升。
如何启用Databricks的预测优化功能？
用户可以通过在账户控制台的设置中选择启用预测优化功能来开始使用。
预测优化如何减少数据管理的复杂性？
预测优化自动管理维护操作，减少了数据团队的手动干预和管理复杂性，使其能够专注于业务价值。
未来预测优化将增加哪些新功能？
未来将推出内置可观察性仪表板和自动收集统计信息的能力，以提供优化效果的透明度和可测量性。
