2月25日，IBM宣布有意收购DataStax，后者是Apache Cassandra数据库的长期支持者，并且近期已将业务扩展到流数据和生成式AI领域。IBM提到，DataStax具备管理非结构化数据的能力，通过其向量数据库能力开发检索增强型生成(RAG)解决方案。
Apache Cassandra最初于2008年由Facebook开发，用于存储其网站上用户生成的大数据，以满足这家新兴社交网络对高度可扩展、容错数据库的需求。Facebook是大数据生态系统早期的重要用户和创造者，它在Apache Hadoop和HBase(另一种NoSQL数据存储)以及Apache Hive(Facebook创建，使Hadoop看起来像关系数据库)等非关系技术的基础上构建了其社交媒体帝国。(Facebook最终回归使用关系数据库，特别是Postgres，但这是另一个故事。)
Cassandra(从技术上讲是一种宽列存储)于2010年成为Apache软件基金会的顶 级项目。同年，Jonathan Ellis和Matt Pfeil在得克萨斯州奥斯汀共同创立了一家名为Riptano的公司，并很快将其更名为DataStax。
起初，DataStax遵循典型的商业开源业务模式，提供名为DataStax Enterprise(DSE)的Apache Cassandra企业版。到2014年，该公司已迁至加利福尼亚州圣克拉拉市，吸引了包括联邦快递、Capital One和Verizon在内的《财富》500强企业客户。该公司以8.3亿美元的估值筹集了1.06亿美元的风险投资，并计划在2015年或2016年前后进行首次公开募股(IPO)。
然而，这个IPO从未发生，因为MongoDB在NoSQL领域占据主导地位，并于2017年上市。2020年5月，DataStax推出了Astra DB，这是Cassandra的完全托管版本，在云端为客户提供NoSQL数据库的可扩展性和可用性优势，但无需承担管理责任(像许多分布式系统一样，Cassandra的管理可能很困难)。同年晚些时候，它发布了K8ssandra，这是在该资源管理器上运行的数据库的开源版本。
很快，该公司开始将业务扩展到NoSQL数据库之外。2021年，DataStax推出了Astra Streaming，这是一个基于Apache Pulsar的事件流平台，Apache Pulsar是一个发布和订阅(pub-sub)数据平台，与Apache Kafka竞争。2023年，DataStax收购了一家帮助自动化繁琐的特征工程任务的AI初创公司Kaskada，并将其软件以Luna ML品牌开源。
2023年，DataStax通过在Astra DB中推出向量存储，进一步增强了其生成式AI能力。向量存储已成为构建检索增强型生成(RAG)方案的关键工具，以提高生成式AI应用中大型语言模型(LLM)输出的准确性。然后在2024年，DataStax通过收购Langflow进一步丰富了其RAG解决方案，Langflow开发了一个用于构建RAG管道的开源框架。
(Laborant/Shutterstock)
DataStax通过自建和收购积累的所有能力显然引起了IBM的注意。蓝色巨人(IBM的别称)在一定程度上依靠其watsonx AI产品来振兴业务，在宣布收购的新闻稿中提到了Apache Cassandra、Apache Pulsar、Langflow和OpenSearch(Elasticsearch和Kibana的一个分支)等开源项目。
IBM特别欣赏DataStax如何在单一产品下构建其非结构化数据管理能力。虽然它没有提及DataStax的超融合数据平台(HCDP)的名称，但显然IBM希望利用这项技术帮助客户将非结构化数据转化为成功的AI应用。
IBM数据和人工智能业务总经理Ritika Gunnar在一篇博客文章中表示：“根据IDC的数据，非结构化数据是一座尚未开发的商业智能宝库，在 2024 年，它占企业所有数据的 93%。在生成式AI应用中利用这些数据的价值至关重要。但要做到这一点，企业首先必须将混乱的数据转化为有序的。”
据Gunnar介绍，IBM希望将DataStax的开源产品与其watsonx产品组合(特别是Apache Iceberg、Apache Spark、Velox和Presto)相结合，帮助客户利用大量非结构化数据。
“AI所需的数据基础设施远不止向量，”Gunnar写道，“许多类型的数据——JSON、时间序列、键值、表格、图——需要结合在一起，才能使数据摄取和搜索变得相关且准确。通过将它们构建成一个简化且可扩展的解决方案(得益于生成式AI)，用户无需将多种数据表示拼凑在一起，就能从他们的企业数据中获得价值。”
在DataStax首席执行官Chet Kapoor自己的博客文章中，他讨论了自2020年以来DataStax和IBM如何携手使用开源软件(OSS)，包括在IBM OpenShift平台上部署DataStax产品。
“我们尊重IBM在开源软件和开源公司方面所表现出的领导力和管理能力，像Red Hat和其他公司一样，这些公司已在IBM找到了归宿，我们很高兴成为一家理解开放力量的公司的一部分，”Kapoor写道，“凭借我们的技术和IBM的watsonx.data(其混合、开放的数据湖仓)，我们将能够将向量和AI搜索带到整个数据资产中，并使IBM的能力可供每位开发人员使用。”
交易预计将于第二季度完成，交易条款未予披露。DataStax在2022年6月的最新一轮融资中估值为16亿美元。该公司已通过多轮融资筹集了3.426亿美元。据IBM称，该公司拥有数百家付费客户。
