CoinAnalyst Corp. ha annunciato il rilascio del nuovo backend della piattaforma di analisi dei big data basata sull'AI. Dopo molti mesi di lavoro, il team di sviluppo ha completato un'ampia revisione dell'architettura del backend di CoinAnalyst Insights.

L'intero comportamento del sistema è stato reingegnerizzato da zero per fornire un'architettura completamente distribuita. Il nuovo bus di messaggistica e l'archiviazione del database offrono un modo efficace per conservare molti più documenti e scalare orizzontalmente, aumentando le capacità di archiviazione da gigabyte a petabyte. È inoltre degno di nota il fatto che il numero di messaggi è stato ridotto in modo significativo e il bus leggero ha ridotto il carico sul database, consentendo un aumento del throughput complessivo del sistema.

La nuova architettura plug-in consente agli sviluppatori di aggiungere fasi supplementari al flusso di elaborazione dei documenti e di mescolare diversi ambienti per ottenere lo strumento più adatto a gestire un compito. In precedenza, il team di sviluppo di CoinAnalyst poteva lavorare solo con applicazioni basate su Java. Grazie al bus di messaggi universale, ora possono includere compiti in Python o C++ per ottenere prestazioni migliori o funzionalità che non sono disponibili sotto forma di pacchetti Java.

In questo modo, il team ha accesso a un'ampia gamma di soluzioni AI sviluppate dalle comunità Python e C++. Questa architettura estensibile rende anche più facile implementare il supporto per nuovi tipi di dati e incorporarli nel sistema con facilità. Inoltre, la deduplicazione a livello di indice assicura che ci sia una sola versione di un documento associata a un URL nell'indice.

Questo migliora notevolmente l'utilizzo dello spazio di archiviazione, in quanto i dati archiviati o trasferiti sono notevolmente ridotti. L'API Rest di CoinAnalyst è stata aggiornata e migliorata per alimentare i dati sia delle istituzioni che delle borse. La piattaforma può fornire valori di sentiment strutturati dal testo delle notizie e dei commenti.

I valori di social buzz possono essere utilizzati per strategie di trading e algoritmi quantistici.