从 Andy Pavlo 的 2021年的总结文章里看到一家叫 Splice Machine 的公司倒下了，对 Splice Machine 做了一个粗略的调研。

Splice Machine 是一个可扩展的关系型数据库、数据仓库、机器学习平台，可以无缝将数据分析、AI 的能力集成到应用。

Splice Machine is a scale-out SQL RDBMS, Data Warehouse, and Machine Learning Platform in one, seamlessly integrating analytics and AI into your mission-critical applications.

HTAP Architecture

Splice Machine 采用双引擎架构，来同时支持 OLTP 与 OLAP 混合负载，SQL 引擎会自动根据查询请求来决定查询引擎； Splice Machine 采用 HBase 来支持 OLTP 类的高并发 insert、point query、以及小的范围查询，采用 Spark 来支持高性能的内存数据分析与处理。

Splice Machine 在 HBase + Spark 的基础上，做了如下工作

1. Spark 可以直接访问 HDFS 上的 HFile 来读取数据，绕过 HBase 引擎层。
2. 在开源 HBase、Spark 之上，扩展了 ANSI SQL 的支持，作为 Splice Machine 的访问入口，TP、AP 的请求会分别路由到 OLTP 的 HBase 引擎 和 OLAP 的 Spark 引擎。
3. 基于数据层 Splice Machine 构建机器学习 feature store，并基于开源 MLFlow 面向数据科学家推出 ML Manager，让机器学习流程更简单。

Splice ML Manager

Splice Machine 利用 MLFlow 来管理整个机器学习流程，整个 WorkFlow 包括

1. Data Ingestion：实时或批量的方式，从 Kafka、AirFlow、Spark 等平台通过 JDBC 写入数据。
2. Data exploration and analysis：通过 Jupter notebooks 来进数据处理
3. Data investigation and engineering：

Splice Feature Store

Splice Feature Store 与底层的数据存储紧密结合，同时支持 Online、Offline 的特征存储；并支持自动存储特征的历史版本简化训练数据的管理。

Splice Machine 的问题

我个人理解，Splice Machine 存在的主要问题

1. 缺乏核心技术： HBase、Spark、MLFlow 均为第三方的开源技术，Splice 的核心竞争力在于把三者进行整合提供解决方案，类似于同样没发展起来的 Cloudera 模式？
2. 产品定位不清晰：Splice Machine 是一个可扩展的关系型数据库、数据仓库、机器学习平台，从这几个角色定位看，基于 HBase 构建的 RDBMS 竞争力不如专业的 OLTP 数据库，基于 Spark 构建数据仓库，相比 Hudi、Iceburg、Delta Lake 湖仓一体的方案也缺乏竞争力；而作为机器学习平台，也是基于开源 MLFlow 开发了 ML Manager，面向的使用者是数据科学家，跟关系型数据库、数据仓库面向的使用者定位也不一样，所以系统很难把这几个角色很好的统一起来。
3. 关于 ML 的能力，对于大的企业，通常有较大的投入，算法工程、数据工程、ML流程上通常有完备的投入；而对于小的企业，能力虽有需求，但通常没有专职的投入；ML 的能力建设可能更多的往两个极端，一个是完全掌控的灵活性，适用于大规模业务场景；一个是完全不需要关注的易用性，比如在数据系统里内置 ML 的能力，让用户能轻松的使用起来，至于中间状态（简化 MLFlow 里的部分步骤）当前的市场需求并不清晰。