software · 58 menciones
Turbopuffer ha anunciado el inicio de la transición a su nueva versión 3, un cambio fundamental en la arquitectura de almacenamiento que busca superar las limitaciones actuales de su motor de búsqueda vectorial. El objetivo principal es permitir la ejecución de más planes de consulta a mayor escala,
Strata es una herramienta de modelado de datos que permite ejecutar análisis semánticos y visualización de datos directamente en el equipo del usuario, eliminando la dependencia de la nube. El sistema opera mediante un servidor local que se instala en Docker, requiriendo Ruby 3.4.4 o superior, Git y
TypeSafe AI ha publicado un análisis técnico que explora la viabilidad de integrar Apache Arrow como formato de salida para su modelo Jev, diseñado para convertir lenguaje natural en decisiones tipadas. Actualmente, Jev entrega respuestas mediante JSON, lo que implica una deserialización innecesaria
La integración de la inteligencia artificial en la creación de textos ha generado un debate sobre la calidad y la autenticidad del contenido. El texto argumenta que, aunque la IA puede generar textos fluidos, tiende a producir resultados complejos, innaturales y repetitivos que fatigan al lector. Pa
El episodio 37 de Runtime Arguments analiza el clásico problema de año 2038 de Unix, donde el desbordamiento del timestamp de 32 bits podría romper sistemas que dependen de comparaciones de tiempo. Los presentadores, Jim McQuillan y Wolf, explican cómo esta limitación técnica, derivada de restriccio
Dominar la línea de comandos permite a los desarrolladores orquestar programas de forma lógica y eficiente, una capacidad que las interfaces gráficas (GUI) no ofrecen de manera nativa. A diferencia de las herramientas visuales, el shell permite ejecutar scripts complejos que integran múltiples proce
DuckDB-Wasm ha incorporado soporte para el Origin Private File System (OPFS), permitiendo a las aplicaciones web almacenar bases de datos persistentes directamente en el navegador. Esta funcionalidad, disponible en versiones 1.32.0 y posteriores, resuelve la limitación histórica de la herramienta, q
El artículo técnico detalla el uso de herramientas de código abierto para optimizar el consumo de combustible en aviación civil. Se presenta Scikit-decide, un marco de aprendizaje por refuerzo y planificación automatizada, junto con OpenAP, un modelo de rendimiento de aeronaves desarrollado por el D
La decisión de la empresa de MinIO de abandonar el proyecto en finales de 2025 ha dejado sin soporte a una herramienta ampliamente utilizada para emular almacenamiento S3 local en demos y pipelines de desarrollo. Este artículo técnico analiza las alternativas más simples para reemplazar a MinIO en e
El artículo argumenta que la librería Python Pandas debe ser reemplazada por herramientas más eficientes como Polars y DuckDB, ya que las ineficiencias de Pandas fuerzan a los usuarios a adoptar sistemas de consulta distribuidos complejos antes de que sus cargas de trabajo lo justifiquen. El texto i
QueryBrew es un servicio de optimización de consultas SQL diseñado para desacoplar el optimizador del motor de base de datos mediante reescritura SQL-to-SQL. Desarrollado por investigadores de la Technische Universität München, esta herramienta permite que cualquier sistema de base de datos relacion
Planet Labs, fabricante y operador de constelaciones satelitales con sede en San Francisco y quince años de trayectoria, publica de forma abierta las efemérides (parámetros orbitales en formato TLE, Two-Line Element) de sus satélites a través de un servicio público. La compañía, dirigida por uno de
Un desarrollador ha publicado un proyecto que extrae la información de tipos y símbolos que poseen los servidores de lenguaje y la vuelca en una base de datos SQL, con el objetivo de analizarla mediante consultas convencionales en lugar de pelearse con JSON-RPC. El artículo parte de una observación:
Keenable SELECT es un agente basado en un servidor MCP cuya herramienta principal, select, ejecuta una única consulta SELECT de DuckDB en modo solo lectura sobre datos web en tiempo real. A diferencia de la búsqueda web tradicional, que devuelve diez enlaces y obliga al modelo a leer cada página con
HFlow es un SDK de código abierto creado por Hebbian Robotics (YC S26) para construir pipelines de datos multimodales escalables en robótica e inteligencia artificial física. Su propósito es democratizar herramientas de procesamiento de datos que, hasta ahora, solo dominaban los grandes equipos de r
Un usuario avanzado de Obsidian argumenta que integrar IA generativa en el vault personal resulta contraproducente para el método de notas y la construcción de conocimiento a largo plazo. El autor parte de una premisa técnica: los archivos de Obsidian son Markdown plano almacenados en disco local, p
DuckLabs, la empresa holandesa responsable del proyecto DuckDB, anunció su incorporación a Amazon Web Services (AWS), una operación prevista para principios de septiembre. El equipo, de más de 30 personas, permanecerá en Amsterdam y continuará desarrollando DuckDB, DuckLake, Quack y otros componente
La irrupción de modelos de inteligencia artificial con capacidades de razonamiento cercanas a las de un programador humano está marcando el inicio de una nueva era en el desarrollo de software. Un reciente episodio ilustra este cambio: la reescritura completa del entorno de ejecución Bun 1.4, que pa
Este artículo técnico explica cómo crear paneles de análisis interactivos y rápidos a partir de un único archivo Parquet almacenado en un bucket de R2, sin necesidad de una base de datos ni un motor de consultas. El autor, un ingeniero de MotherDuck, presenta el concepto del "cubo de datos" (data cu
Un análisis empírico sobre el porcentaje real de commits de corrección ("fix") en proyectos de software desmonta la extendida creencia del 15%. El autor, al incorporarse a un nuevo empleo, observó que el repositorio principal de su empresa rondaba esa cifra (exactamente un 14,87%) y decidió comproba
DuckDB v2.0 reemplaza el analizador sintáctico (parser) SQL derivado de PostgreSQL que utilizaba desde su primer commit en 2018 por uno nuevo basado en PEG (Parsing Expression Grammars). El cambio no altera el dialecto SQL que acepta DuckDB —al que los autores denominan informalmente DuckSQL y que m
El equipo de DuckDB ha anunciado que la versión 2.0 de su base de datos analítica en proceso, bautizada 'Cyanoptera' en honor a la cerceta colorada (Anas cyanoptera), se lanzará este otoño. El salto a una versión mayor —la primera desde la 1.5 publicada en marzo— incorpora más de 10.000 commits y un
TechAscent ha presentado la integración madura de DuckDB con su plataforma de ciencia de datos funcional tech.ml.dataset (TMD), escrita en Clojure. El objetivo es ofrecer procesamiento columnar en memoria y, cuando los datos exceden la RAM, ejecutar consultas SQL relacionales sobre almacenamiento en
El ingeniero Marc-Uwe Klauck presenta un cambio de paradigma en la arquitectura de aplicaciones web: en lugar de que los usuarios se autentiquen en una aplicación para que esta guarde sus datos en una base de datos controlada por el proveedor, los usuarios deberían autorizar a la aplicación a accede
Noisegate es un proyecto de software que actúa como pasarela (gateway) de privacidad diferencial entre un agente de inteligencia artificial y un conjunto de datos sensibles. Funciona como servidor MCP (Model Context Protocol) integrable con clientes como Claude Desktop, y garantiza matemáticamente q
Cuando una API tiene que devolver el contenido de un archivo Parquet muy grande y las respuestas están limitadas en tamaño —por ejemplo, 6 MB en AWS Lambda o 32 MiB en Cloud Run—, lo habitual es paginar con LIMIT y OFFSET. Pero esa forma de escribir la consulta es la equivocada. DuckDB ofrece la opc
Un análisis comparativo ejecutado durante seis días sobre un servidor Hetzner CCX13 de 16,49 dólares mensuales evalúa DuckDB frente a SQLite como motor de almacenamiento de telemetría dentro de Traceway, la herramienta OpenTelemetry del autor. Los resultados muestran que DuckDB, con su arquitectura
Detrás de un archivo CSV aparentemente trivial se esconde un problema mucho más complejo: ayudar a quien lo abre a construir un modelo mental de lo que contiene en los primeros cinco minutos. Esa es la motivación del proyecto CSV Unwrap, que el autor describe en primera persona. El texto repasa var
Hardwood, un lector de Parquet en Java, incorpora una ruta rápida para listas de longitud fija que evita el costoso mecanismo de reconstrucción de registros Dremel cuando todas las listas de una página tienen el mismo tamaño. La técnica detecta, examinando las secuencias de niveles de definición y r
Boffin (npm: boffinit) es una capa de control para agentes de programación con IA que actúa como un «staff engineer» automático: antes de cada edición, inyecta al agente únicamente las restricciones arquitectónicas relevantes para el fichero concreto que va a modificar y, después, le obliga a verifi
DuckPGQ es una extensión comunitaria de DuckDB pensada para cargas de trabajo de grafos y compatible con el estándar SQL/PGQ. Su objetivo es llevar las capacidades de consulta de grafos basadas en SQL, con alto rendimiento, directamente a los flujos analíticos, aprovechando el motor en proceso de Du
SirixDB es un sistema de base de datos embebible, bitemporal y append-only que funciona también como event store, actualmente en versión 1.0.0-beta. A diferencia de las bases de datos tradicionales, que sobrescriben los datos in situ y dependen de logs write-ahead para recuperación, SirixDB escribe
l es un nuevo runtime para la familia de lenguajes k y q que ejecuta código k4, q y qSQL existente sin necesidad de reescritura. La propuesta mantiene la sintaxis, los modismos, las tablas, los diccionarios y el trabajo con series temporales tal como se escriben hoy, pero cambia el motor subyacente
Cuando un usuario intentó cargar en un mapa web un archivo GML de aproximadamente 1 GB con cientos de miles de elementos geológicos, el navegador se bloqueó. No se trataba de un fallo de software, sino de un problema de formato: cualquier formato vectorial no teselizado —GML, Shapefile, GeoJSON o Ge
QuestDB ha reescrito su operador WINDOW JOIN para que se ejecute en paralelo a nivel de datos y aproveche instrucciones SIMD en la agregación interna. La nueva ruta emplea dos piezas: paralelización por page frames sobre la tabla izquierda (LHS), y una vía rápida para claves de baja cardinalidad que
El desarrollador de la aplicación In the Long Run, una plataforma que convierte el kilometraje de Strava en progreso sobre rutas virtuales por el mundo, detalla en un artículo técnico el proceso seguido para enriquecer sus mapas con puntos de interés relevantes. Partió de GeoNames como fuente de dat
the-stats-duck es una extensión de código abierto (licencia MIT) para DuckDB que incorpora un motor estadístico completo ejecutable desde SQL: distribuciones, contrastes, regresión, bootstrap y gráficos, sin salir del lenguaje de consultas. Funciona allí donde lo haga DuckDB, incluido el navegador.
DuckDB es una base de datos SQL analítica en proceso que se ha convertido, desde su origen como proyecto de investigación del CWI de Ámsterdam en 2019, en uno de los motores analíticos mononodo más usados y más rápidos del momento. Se distribuye como un binario único de menos de 20 MB, se instala co
Este artículo técnico explica un atajo elegante para construir bases de datos rápidas sin recurrir a técnicas industrializadas como la vectorización o la compilación de consultas a código máquina. El autor parte de un problema conocido: implementar operadores de álgebra relacional como funciones pur
databow es una nueva herramienta de línea de comandos de código abierto, escrita en Rust, que ofrece una interfaz unificada para consultar cualquier base de datos que disponga de un driver ADBC (Arrow Database Connectivity). Su propósito es sustituir el uso de múltiples clientes CLI específicos —psq
Streambed es una herramienta de código abierto que replica cambios de PostgreSQL hacia Apache Iceberg en Amazon S3 mediante replicación lógica, permitiendo consultas analíticas sin modificar la aplicación original. Actúa como suscriptor de replicación lógica: captura los mensajes del WAL (insert, up
Rocksky es una nueva plataforma descentralizada de seguimiento y descubrimiento de música construida sobre el protocolo AT. La herramienta ofrece APIs compatibles con Last.fm y ListenBrainz, permitiendo a los usuarios rastrear su historial de reproducción, visualizar estadísticas personalizadas de s
DuckDB ha presentado Quack, un nuevo protocolo cliente-servidor que permite a múltiples instancias de DuckDB comunicarse entre sí. El protocolo, cuyo nombre hace referencia al sonido que emiten los patos, permite configurar DuckDB en una arquitectura cliente-servidor con múltiples escritores concurr
Este artículo describe un experimento realizado por Dmitri Lerko, un ingeniero, durante un vuelo de 10 horas de Londres a Las Vegas, utilizando un MacBook Pro M5 Max para ejecutar modelos de lenguaje grandes (LLMs) localmente sin conexión a internet. El objetivo era evaluar la viabilidad de realizar
Un desarrollador ha creado "YourMemory", un nuevo sistema de memoria para agentes de IA que imita la forma en que los humanos recuerdan información. La herramienta, disponible en GitHub, permite que los asistentes de IA conserven el contexto entre conversaciones, evitando la necesidad de repetir pre
Un nuevo proyecto de código abierto llamado OpenDuck busca replicar y democratizar las innovaciones de la plataforma MotherDuck para la base de datos DuckDB. MotherDuck, un servicio comercial, demostró cómo DuckDB puede funcionar eficientemente en la nube mediante técnicas como el almacenamiento dif
DuckDB ha emergido como una base de datos analítica en memoria de alto rendimiento, diseñada para ser incrustada directamente en aplicaciones. Su popularidad radica en su simplicidad, velocidad y capacidad para operar con datos sin la necesidad de un servidor dedicado, lo que la hace ideal para anál
Un desarrollador, OneUptime, ha añadido una extensa colección de 12.000 artículos de blog a un repositorio de GitHub, cubriendo una amplia gama de tecnologías clave. Los temas incluyen ClickHouse (una base de datos analítica de columnas), Redis (un almacén de datos en memoria), MongoDB, MySQL, Rook/
LocalStack, una popular herramienta gratuita para emular servicios de Amazon Web Services (AWS), ha cambiado a un modelo de pago, dejando un vacío que ahora llena MiniStack. MiniStack se presenta como una alternativa gratuita y de código abierto que ofrece una amplia gama de servicios de AWS, incluy
Un desarrollador ha creado una extensión para DuckDB, una base de datos analítica en memoria, que mejora significativamente la búsqueda vectorial de similitud. La extensión aborda dos limitaciones de la versión anterior: la búsqueda filtrada, que a menudo devolvía resultados incompletos, y la falta
Hugging Face ha puesto a disposición un extenso conjunto de datos del archivo completo de Hacker News, abarcando desde 2006 hasta marzo de 2026. Este recurso, que incluye cada historia, comentario, pregunta, oferta de trabajo y encuesta publicada en la plataforma, se actualiza cada cinco minutos. Ha
Un análisis reciente de DuckDB.org evalúa el rendimiento del nuevo MacBook Neo (equipado con un chip Apple A18 Pro, originalmente para el iPhone 16 Pro) en tareas de procesamiento de grandes datos. El objetivo era determinar si el dispositivo, con un precio de $700-$800, se ajusta a la filosofía de
SQG, un generador de código SQL de tipo seguro, ha lanzado su versión 0.10.0, introduciendo importantes mejoras para desarrolladores Java. La actualización permite la generación de código Java que incluye métodos para retornar resultados en formato `Stream<T>` además de `List<T>`, facilitando la eva
Un nuevo parser de código abierto llamado Hardwood ha sido lanzado para el formato de archivo Apache Parquet. Desarrollado por Gunnar Morling, Hardwood busca ofrecer una alternativa más eficiente y con menos dependencias a la biblioteca `parquet-java` existente, que es ampliamente utilizada pero inc
Este artículo describe el proceso de análisis de un conjunto de datos que rastrea la cobertura global de Google Street View a lo largo del tiempo. El autor, Mark Litwintschik, utiliza una potente estación de trabajo (con un procesador AMD Ryzen 9, 96GB de RAM y un SSD NVMe de alta velocidad) y la ba
Un nuevo software de análisis y visualización de datos llamado DataStudio ha sido lanzado, permitiendo a los usuarios explorar y manipular datos directamente en sus navegadores web. Desarrollado por Dataspren Analytics y disponible en GitHub, DataStudio se distingue por su enfoque en la privacidad y
Una nueva herramienta de código abierto llamada Shaper ha sido lanzada por Taleshape OÜ, permitiendo a los usuarios crear paneles de visualización de datos interactivos directamente desde consultas SQL utilizando la base de datos DuckDB. La herramienta, disponible desde esta semana, simplifica la cr
Este análisis exhaustivo examina la evolución de las publicaciones 'Show HN' (proyectos presentados por usuarios) en Hacker News desde sus inicios hasta 2025, utilizando técnicas de modelado de temas jerárquicos y análisis de datos. El objetivo principal es identificar tendencias en los intereses de
