La start-up Rockset, qui commercialise une base de données temps réel reposant sur le projet open source  RocksDB initialement créé chez Meta (anciennement Facebook), a indiqué avoir levé 44 millions de dollars de financement pour assurer sa croissance. Icon Ventures a piloté le tour de table avec la participation de Sequoia Capital, Greylock Partners, Glynn Capital, Four Rivers, et K5 Global. Cette levée de fonds porte le financement total de Rockset à 105 millions de dollars. Rappelons qu’en mars dernier, Rockset avait déployé une mise à jour de sa plateforme pour accélérer les traitements, puis une autre en avril pour assurer de l’intégration de vecteurs pour faciliter l’intégration avec des plateformes IA génératives.  

Les industriels intègrent souvent des capteurs dans leurs équipements industriels pour détecter les dysfonctionnements. Lorsqu’un capteur collecte des données suggérant qu’une panne est imminente, les données doivent être analysées immédiatement pour faciliter un dépannage rapide. Il existe également d’autres cas d’utilisation, couvrant des domaines tels que la cybersécurité et le commerce électronique, qui nécessitent la capacité d’analyser les données immédiatement après leur génération. La base de données éponyme de Rockset facilite la mise en œuvre de tels cas d’utilisation. Selon la start-up, elle peut ingérer des informations provenant de sources telles que des capteurs industriels et les rendre disponibles pour analyse en une fraction de seconde. Les applications peuvent commencer à exécuter des requêtes dans les deux secondes suivant l’arrivée d’un enregistrement. « Nous pensons que les applications de données modernes devraient fonctionner avec des données en temps réel », a écrit aujourd’hui le co-fondateur et CEO de Rockset, Venkat Venkataramani, dans un article de blog. 

Taillée pour la performance

L’une des fonctionnalités phares de Rockset est une capacité baptisée « séparation calcul-calcul ». Selon le fournisseur cela réduit le risque de baisse de performances dans les applications d’analyse en temps réel. Étant donné que les programmes en temps réel doivent, par définition, traiter les données rapidement, des ralentissements soudains peuvent avoir un impact particulièrement important sur la productivité des utilisateurs. Une base de données traditionnelle utilise deux modules logiciels distincts pour ingérer de nouveaux enregistrements et les analyser. Ces deux modules, à leur tour, partagent généralement un seul pool de capacité de processeur. Si un module nécessite plus de ressources processeur que d’habitude, l’autre disposera de moins de puissance de calcul, ce qui signifie qu’il fonctionnera plus lentement. En pratique, cela signifie qu’une augmentation soudaine du volume d’enregistrements entrants ingérés par une base de données peut ralentir les requêtes d’analyse. L’inverse est également vrai : une requête particulièrement complexe peut ralentir l’absorption des nouveaux enregistrements par une base de données. Rockset affirme que sa fonctionnalité de séparation calcul-calcul évite de tels problèmes de performances. Selon la société, la fonctionnalité attribue deux pools distincts de capacité de processeur au module qui ingère les nouveaux enregistrements et au module chargé de les analyser. Par conséquent, un pic d’utilisation affectant un module n’entraînera pas un ralentissement de l’autre.  

En avril, Rockset a étendu l’ensemble des fonctionnalités de sa base de données en ajoutant la prise en charge des intégrations. Une intégration est une structure mathématique utilisée par les modèles d’intelligence artificielle pour stocker les données qu’ils traitent. Grâce à la mise à jour d’avril, les clients peuvent désormais utiliser plus facilement Rockset pour alimenter leurs applications d’IA. La société affirme que sa base de données peut ingérer des dizaines de millions de points de données par seconde. Rockset intègre également un moteur SQL distribué pour des requêtes de données rapides. Le moteur SQL de la start-up est capable d’exécuter des requêtes en temps réel sur tous les types de données pris en charge dans la base de données.  

Accélération GPU pour mieux traiter les requêtes IA

À l’occasion de son dernier tour de table, la société a révélé que ses revenus et sa clientèle avaient doublé au cours de chacune des deux dernières années. Pour élargir davantage sa base installée, Rockset prévoit de développer son équipe commerciale et d’investir dans de nouvelles fonctionnalités, notamment des capacités d’IA plus développées avec la prise en charge de l’accélération GPU afin d’accélérer davantage les requêtes pour les LLM.