Upsolver，快速增长的大数据启动和在Amazon Web Services的高级技术合作伙伴(AWS)合作伙伴网络(APN)，发布了基于SQL的云ETL数据湖。

这项新功能消除了大数据计划(例如机器学习(ML)和实时流处理)中的摩擦和复杂性，降低了进入壁垒，并将数据湖ETL项目的生产时间缩短了95%。

Upsolver的基于SQL的数据准备工作以熟悉的语法和可视界面取代了大数据工程师使用的数千行复杂编码，为数据科学家和分析人员提供了前所未有的从数据湖中获得新见解的能力。

Sisense的CTO Guy Boyangu说：“ Upsolver使我能够完成至少需要三名专门工程师的工作。” “就我们提供高级分析的能力而言，它已经改变了游戏规则，并极大地加快了我们的上市时间。”

该版本将进一步支持Upsolver的云平台，全球数百名数据专业人员已使用该云平台来管理其组织数据湖，并将PB级的半结构化数据转换为可用于分析和ML的数据集。

长期以来，数据湖工程一直被视为采用云数据湖的主要障碍。尽管本地Hadoop实施已不受欢迎，因为公司倾向于使用托管云存储解决方案，例如Amazon Simple Storage Service(Amazon S3)，但大多数组织仍难以从其数据湖计划中看到真正的价值，因为提取的挑战性，管理和准备大量结构化和半结构化数据。

“我们的客户越来越多地利用Amazon Athena和Amazon S3上的数据湖之类的解决方案来大规模操作数据，” Amazon Web Services，Inc.区块链数据湖大数据总经理Rahul Pathak说。很高兴与Upsolver合作，帮助我们的客户轻松处理和分析大量数据。”

Upsolver 于去年初从隐身中脱颖而出，其使命是使数据湖成为更多组织的现实。

为了实现这一愿景，以色列军事精锐技术单位之一的创始人Ori Rafael和Yoni Iny都利用了公司从头开始开发的流处理和索引技术，以提供无摩擦的数据替代方案Lake ETL与Spark / Hadoop相比。

自2018年首次发布以来，该公司的同名平台已在数据密集型组织中迅速采用，例如Sisense，IronSource和The Meet Group。

Upsolver的联合创始人兼首席执行官Ori Rafael说：“全球缺乏熟练的大数据工程师。” “很难找到精通Spark，Airflow和Cassandra的人，但是每个开发人员和数据分析师都知道SQL。我们的平台使任何人都可以依靠大数据自给自足，并腾出宝贵的时间和资源用于IT和数据工程部门。”