Troppo spesso ci si dimentica che qualsiasi applicazione o servizio, per funzionare correttamente, deve avere a disposizione i giusti dati. Il concetto sembra banale e probabilmente lo è anche, nelle architetture IT tradizionali, ma quando il discorso si sposta in ambienti con esigenze specifiche e per applicazioni data-intensive, le cose si fanno molto più complesse. Gli sviluppatori e i data architect lo sanno, motivo per cui negli ultimi anni è molto aumentato l’interesse verso nuove data platform - il termine database ormai è riduttivo - in grado di supportare una vasta gamma di applicazioni.

Questa evoluzione tecnologica ha avuto molte sfaccettature e ha tra l’altro portato alla nascita e alla grande diffusione delle piattaforme open source NoSQL. Couchbase ne ha sviluppata una di particolare successo - Couchbase Server - e l’ha poi “impacchettata” in un servizio cloud: Capella. Si tratta quindi di un servizio Database-as-a-Service (DBaaS), completamente gestito e “irrobustito” nel tempo in modo da soddisfare i requisiti delle applicazioni cloud e cloud-native più esigenti.

Oggi Couchbase Capella ha un raggio d’azione decisamente ampio, che comprende anche l’ambito dell’Intelligenza Artificiale e in particolare della GenAI. Anche in questo caso la software house ha mantenuto la sua impostazione incentrata innanzitutto sulle esigenze degli sviluppatori e si è mossa in modo mirato, presentando gli AI Services: una collezione di componenti e tool per facilitare la creazione di agenti AI. Più in dettaglio, gli AI Services comprendono tutto quello che serve per gestire (anche in locale) più Large Language Model, ottimizzare e migliorare il funzionamento degli LLM stessi, alimentarli con dati non strutturati, curare un catalogo interno di funzioni di AI agentica.

Questa ricchezza di strumenti e funzioni permette di affrontare quello che al momento è uno dei problemi più importanti per le imprese che affrontano progetti di AI: indipendentemente dal LLM che si decide di usare, è la possibilità di personalizzarlo e aggiungervi contesto con i propri dati - tutelandone allo stesso tempo la riservatezza - che fa la differenza. “Molti progetti di GenAI rimangono uno stato quasi prototipale - spiega Elio Salvatore, Senior Solutions Engineer di Couchbase - anche proprio per questo aspetto. Lo affrontiamo con gli AI Services, che danno la possibilità di collegare gli LLM alla nostra data platform per mantenere i dati in locale e non trasmetterli verso un servizio esterno che non è controllato”.

Dal cloud all'edge e al mobile

Couchbase ha radici forti anche nel mondo dei database per le applicazioni mobile, un tratto che la software house non ha affatto perso e che oggi si vede nel supporto per gli ambienti “offline first” tipici, prevalentemente, dell’edge computing. “Alla base di Capella - spiega Salvatore - c’è sempre stata l’idea di offrire una soluzione che costituisse un data layer per applicazioni di ogni genere, ma in particolare per applicazioni per così dire resilienti, ossia in grado di funzionare sempre correttamente anche senza disponibilità del back-end o di connettività. È un caso d’uso molto importante che Couchbase supporta sin dalle prime versioni di Couchbase Server e che ora, con Capella, si può gestire completamente in cloud”.

L'approccio di Couchbase prevede l’implementazione di un database “leggero” locale - Couchbase Edge Server - che dialoga e si sincronizza da un lato con generici dispositivi client e dall’altro con il cloud di Capella o con istanze on-premise di Couchbase Server. Questa architettura permette di sviluppare applicazioni che funzionino sempre correttamente anche quando l’accesso costante a un generico database centralizzato sarebbe difficile o del tutto impossibile. Uno scenario che riguarda ancora oggi le applicazioni mobile ma anche diversi ambiti industriali in cui si vuole fare subito una analisi in tempo reale dei dati prodotti, ad esempio, all’interno di un singolo impianto, per poi centralizzarli in cloud e consolidarli con le informazioni provenienti da altri siti, per elaborazioni a più ampio spettro.

In quest’ottica, tra l’altro, da qualche tempo Capella può supportare tanto l’analisi dei dati tradizionale, ossia su dati strutturati gestiti direttamente o provenienti tipicamente da database relazionali, quanto l’analisi in tempo reale di dati non strutturati provenienti da sorgenti generiche, in particolare da ambienti OT. In questo modo diventa possibile eseguire contestualmente entrambi i tipi di analisi dei dati, grazie soprattutto all’aver eliminato le (lente) operazioni di ETL (Extract, Transfrom Load) che di solito servono per integrare nei database classici i dati operativi non strutturati.

In tutto questo non guasta che Couchbase si sia sempre sforzata, come accennato prima, di realizzare piattaforme “developer friendly”, quindi molto facili da utilizzare dal punto di vista dello sviluppatore. Gli interlocutori principali della software nelle aziende clienti non sono solo questi, ovviamente, ma il loro supporto è importante in una fase del mercato come quella che stiamo vivendo, in cui il tema delle data platform è diventato strategico e in cui, come conferma Salvatore, “c'è molto più interesse e anche molta più comprensione di alcuni aspetti, anche a livelli tecnologicamente evoluti, tipici di questo mondo”.