Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

Edge Delta 因其分布式数据可观察性方法获得 6300 万美元

Posted on 2022-05-04

如今,数据库正以指数级的速度增长,因此在实时数据可观察性方面,如果组织试图以集中方式运行分析或任何可观察性过程,他们通常会在打一场失败的战斗。今天,一家名为 Edge Delta 的公司从不同的角度构建了一个可观察性平台——基于边缘计算——宣布了一轮融资,以使其业务翻倍。这家初创公司已经筹集了 6300 万美元,这笔资金将用于扩展其与不同服务的集成方式——它已经支持大约 50 种技术——并扩大其整体业务。

Quiet Capital 领投本轮融资, BAM Elevate 、 Earlybird Digital East 、 Geodesic Capital、 Kin Ventures 、战略支持者ServiceNow以及之前的支持者Menlo Ventures 、 MaC Venture Capital和Amity Ventures 也参与其中。该轮融资是在不到一年前,即 2021 年 6 月的1500 万美元 A轮融资之后进行的。

Edge Delta 将其工具瞄准 DevOps、站点可靠性工程师和安全团队——这些团队专注于分析日志、指标、事件、跟踪和其他大型数据宝库,通常是实时的,以完成他们的工作。数据库的现代架构使这变得复杂,信息可能分布在 Kubernetes 容器、Lambda、ECS 和 EC2 等中。典型的分析服务是围绕将数据发送到云并以集中方式进行分析而构建的,但随着数据库变得越来越大,这已成为一种站不住脚的方法,尤其是当目标是实时分析时。

Edge Delta 所在的领域已经拥有许多重要参与者,包括 Splunk、New Relic 和 Datadog 等。事实上,Splunk 的前 CTO 领导了 Menlo 对 Edge Delta 的第一笔投资,这说明了这种不同的方法及其在该领域同行中的接受度。 (但 Edge Delta 的创始人兼首席执行官 Ozan Unlu 很快告诉我,他并不认为他的创业公司是 Splunk 的直接竞争对手,有时暗示:“不,我们与 Splunk 合作以充分利用!”他喊道。)

通常,正如我们之前指出的那样,可观察性服务使用在客户机器上运行的代理,这些代理压缩数据、加密数据,然后将其发送到最终目的地。 Edge Delta 已经建立了一个代理,开始在本地级别进行分析,包括让组织也在这些节点上运行机器学习模块,产生特定于该数据库的结果,但也产生通常更快返回的结果。

“我们的特殊调味料就在这个分布式的代理网状网络中,”Unlu 说。 “这让我们更加独特。”

Edge Delta 提供了第二层可观察性和分析,在构建这些本地图之后结合来自整个系统的分析,但底线是它相信结果更快、更准确,并且对组织的压力更小整体资源。

该公司与需要实时处理大量数据的大公司合作,通常是跨容器和云的混合环境。客户包括 Super League Gaming、基于 AI 的筛选初创公司 Fama Technologies、松下、WebScale、T-Mobile、VMware 等。 Unlu 表示,使用 Edge Delta 进行可观察性可能会导致解决关键问题的平均时间“从数小时和数天跃升至数分钟以解决生产中断问题”。

在这方面,它还触及了一个在企业中不断发展的非常重要的主题:自动化在处理 DevOps、安全性和站点可靠性中的一些更大任务中的作用越来越大,这样工程师就有更多的时间专注于只有他们才能做的工作。

这也意味着这些团队现在可以分析他们的所有数据,而不仅仅是部分数据,因为他们是在边缘进行的。 (使用另一种方法,上传的内容太多了。)因为它是实时自动化的,Unlu 说,“我们不会强迫任何人尝试预测未来。当您向上游分发查询时,您不再被迫忽略部分数据。想到客户由于财务[或运营]限制而忽略了部分数据,我感到很痛苦。”

到目前为止,这种方法及其吸引力足以吸引投资者。

“Edge Delta 优雅地简化了公司以任何形式使用不断增长的雪崩数据的能力。通过更快地提供完整的数据可见性和更深入的洞察力,Edge Delta 正在成为开启跨安全、DevOps 和 SRE 的新功能世界的关键,”Quiet Capital 的合伙人 Morgan Livermore 在一份声明中说。

原文: https://techcrunch.com/2022/05/03/edge-delta-rakes-in-63m-for-its-distributed-approach-to-data-observability/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme