Factory 与 Databricks:构建由数据驱动的软件
2026年10月19日 - 3 分钟阅读
公司
合作伙伴
分享

今天,Factory 宣布与 Databricks 建立合作伙伴关系,使客户能够使用 Databricks Data + AI 平台中的数据和模型,为由 Factory 构建或迁移的软件提供支持。
在 Factory,我们在客户中看到了这种模式。Factory 与 Databricks 正在帮助一家全球最大的企业将其支撑数百个业务应用程序的复杂数据平台迁移到 Databricks Data + AI 平台。这包括数 PB 的数据和数十万张表。这些业务应用程序具有用户界面、应用服务、集成和 API 层、业务逻辑与规则、安全性以及管理功能。所有这些都带有依赖关系和预期,必须在迁移中得以保留。
当 Factory 加入这项工作时,大部分数据已经迁移到 Databricks lakehouse。接下来的挑战是重建使用这些数据的应用程序和工作流。关键结论是:数据现代化和软件现代化需要同时进行。现代化数据基础为构建和部署利用企业数据推动业务成果的应用程序和 AI 智能体创造了机会。
此前,这种规模的迁移非常耗费资源且风险很高。数据工程师迁移表并重建管道。应用开发人员手动分析并编写新软件。数据与应用程序之间的依赖关系需要仔细的规划、开发、测试和协调。更具挑战性的是,这些团队拥有不同的技能、不同的工具和不同的流程。即使对数据管道进行微小的更改也会产生许多下游影响,并需要在团队之间进行交接。
Factory 与 Databricks 将迁移纳入单一的工程工作流:通过智能体和自动化来理解现有系统、规划迁移、构建,并验证数据和应用程序能否为用户交付正确的能力。Databricks 为数据、分析和 AI 提供开放且受治理的基础,而 Factory 则提供智能体软件工程能力,帮助团队现代化并构建依赖该基础的应用程序。
在修改之前先理解系统
成功的迁移始于对当前数据和应用程序的理解。
Factory Droids 可以跨应用程序代码、数据管道、SQL、测试和可用文档进行工作。通过访问相关的代码仓库和工具,Droids 能够追踪应用程序如何依赖于某个存储过程、哪个数据管道生成其输入,以及某处更改可能影响哪些下游行为。Factory 的上下文集成将代码和工程知识融入这项工作。结合通过 Databricks Unity Catalog 治理的数据和资产的访问权限,这种方法帮助团队将应用程序依赖关系与其所依托的企业数据基础联系起来。
这种理解成为迁移计划。Droids 可以帮助识别依赖关系、提出实施顺序,并定义建立兼容性所需的检查。Factory 的 Missions 为跨越多个组件的工作提供规划、里程碑和协调执行。工程师会审查计划,并在实施开始前解决模糊的业务规则。
从迁移计划到可运行的应用程序
计划就绪后,Droids 使用 Databricks API 访问来创建和运行作业、执行查询以验证结果,并部署应用程序。例如,迁移一个应用程序可能涉及将底层的操作数据库从旧版 Postgres 更改为 Databricks Lakebase、用 Python 重写数据转换、构建并调度 Lakeflow 管道、创建 AI/BI 仪表板,最后将新应用程序及其数据与旧应用程序进行比较。
将 Factory 与 Databricks 结合使用的三种方式
Databricks 与 Factory 的合作伙伴关系支持三类用例:PDLC 自动化、迁移与现代化,以及网络安全。
PDLC 自动化
Factory 可以帮助团队从产品需求出发,经历规划、开发、测试、安全、文档编写、监控和增强等环节,直至基于或由 Databricks 中数据驱动的应用程序。这包括构建和演进利用 Databricks Data + AI 平台作为开放、受治理基础的数据驱动应用程序和 AI 驱动的软件。
迁移与现代化
Factory 可以帮助团队分析、规划和执行向 Databricks 的数据平台迁移,以及迁移依赖 Databricks 中数据的应用程序。
网络安全
Factory 可以帮助团队修复由 Databricks Lakewatch 监控的应用程序中的漏洞。
从数据到软件的共同路径
促成 Factory 与 Databricks 走到一起的这次迁移,只是我们两个平台如何互补的一个例子。我们预计许多企业将通过在数据与由数据驱动的软件之间建立更紧密的循环而受益。为了使其更加便捷,我们还很高兴符合条件的客户可以通过 Databricks Marketplace 使用其现有 Databricks 承诺额度的至多 10% 来购买 Factory。
开始使用
准备好将 Factory 与 Databricks 结合使用了吗?只需在 Factory 中通过 Settings → Connectors 连接 Databricks,然后运行以下任务:

“构建一个自动化,每晚检查 Lakehouse-to-Lakebase Sync 工作流,并将其进度摘要发布到团队的 Slack 频道。”

一个连接器、一个自动化、一个循环,每天早上在 Slack 中收到一条摘要。设置指南涵盖托管 MCP 服务器、在 Databricks 提供的模型上运行 Droids,以及 webhook 自动化。想先看看效果? 预约演示.
