我们非常高兴地宣布， IntegratedML Custom Models（集成式机器学习自定义模型）抢先体验计划即将开启，这是 IRIS 2026.1 版本中即将推出的一项强大新功能！

这是什么？

IntegratedML Custom Model扩展了现有的IntegratedML/AutoML（集成式机器学习/自动化机器学习）功能，支持您直接在 SQL 查询中部署自己的自定义 Python 机器学习模型。IntegratedML AutoML功能提供自动化机器学习服务，而Custom Model（自定义模型）则赋予您完全的控制权——自定义预处理、任意与 scikit-learn 兼容的模型，以及 Prophet 或 LightGBM 等第三方库——所有操作均在数据库内执行，无需数据移动。

回顾上一季度，报告中着重强调了几项对本季度报告仍具现实意义的重要进展。

现代数据架构利用实时数据捕获、转换、移动和加载解决方案来构建数据湖、分析仓库和大数据存储库。它能够分析来自不同来源的数据，而不会影响使用这些数据的操作。要实现这一目标，必须建立连续、可扩展、弹性和稳健的数据流。最常用的方法是 CDC（变更数据捕获）技术。CDC 监控小型数据集的生产，自动捕获这些数据，并将其传送到一个或多个接收方，包括分析数据存储库。这样做的主要好处是消除了分析中的 D+1 延迟，因为数据一产生就会在源端被检测到，随后被复制到目的地。

本文将展示 CDC 场景中最常见的两种数据源，既可以是源数据源，也可以是目的地数据源。对于数据源（origin），我们将探讨 SQL 数据库和 CSV 文件中的 CDC。对于数据目的地，我们将使用列式数据库（典型的高性能分析数据库场景）和 Kafka 主题（将数据流传输到云和/或多个实时数据消费者的标准方法）。

概述

本文将为以下互操作场景提供一个示例：

本文第一部分提供了所有背景信息。其中还包括DATATYPE_SAMPLE数据库的链接，您可以使用该链接来跟进示例。

在该部分中，我们探讨了一种易于检测的错误类型（""Access Failure【访问失败】"） ，因为当尝试通过数据库驱动程序读取数据时，它会立即触发一条明确的错误消息。

InterSystems IRIS Adaptive Analytics（自适应分析）2025.4.1 版本现已通过InterSystems 软件分发页面发布。 该版本集成 AtScale 2025.4.1，并兼容现有自适应分析用户自定义聚合函数（User-Defined Aggregate Function，UDAF）文件（2024.1 版本）。

AtSCale 2025 版本包含的新功能包括：

导言

InterSystems IRIS 数据平台一直以其性能、互操作性和跨编程语言的灵活性而著称。多年来，开发人员可以将 IRIS 与 Python、Java、JavaScript 和 .NET 结合使用，但 Go（或Golang）开发人员却只能望洋兴叹。

这种等待终于结束了。

新的go-irisnative驱动程序为 InterSystems IRIS 带来了GoLang 支持，实现了标准的 database/sql API。这意味着 Go 开发人员现在可以使用熟悉的数据库工具、连接池和查询接口来构建由 IRIS 支持的应用程序。

为什么要支持 GoLang

GoLang 是一种专为简单性、并发性和性能而设计的语言，是云原生和基于微服务架构的理想选择。它为 Kubernetes、Docker 和 Terraform 等一些世界上最具可扩展性的系统提供了支持。

将 IRIS 引入 Go 生态系统可实现以下目标

• 使用 IRIS 作为后台的轻量级高性能服务。
• 并行查询执行或后台处理的本机并发性。
• 与容器化和分布式系统无缝集成。
• 通过 Go 的 database/sql 界面进行自动化数据库访问。

这种集成使 IRIS 成为现代云就绪 Go 应用程序的完美选择。