Seacom rappresenta RIOS alle Nazioni Unite: UN Open Source Week 2026 New York, 22–26 giugno. Seacom e RIOS hanno partecipato per la terza volta alla UN Open Source Week, al Palazzo delle Nazioni Unite. La settimana ha confermato un cambiamento di fondo nel dibattito:...
La nostra raccolta di articoli e approfondimenti tecnici
Una raccolta di video dai nostri eventi, webinar e molto altro
Una raccolta dei nostri Casi di successo
FAQ Seacom — Open Source Enterprise: domande e risposte
Seacom rappresenta RIOS alle Nazioni Unite: UN Open Source Week 2026 New York, 22–26 giugno. Seacom e RIOS hanno partecipato per la terza volta alla UN Open Source Week, al Palazzo delle Nazioni Unite. La settimana ha confermato un cambiamento di fondo nel dibattito:...
Dremio consente di unificare dati provenienti da diverse fonti e di accedervi in modo facile e veloce attraverso un’interfaccia unificata.
Consente di analizzare grandi quantità di dati in tempo reale, senza la necessità di trasferire i dati su un’altro sistema.
sfrutta il potere di calcolo distribuito per elaborare i dati in modo efficiente, offrendo prestazioni elevate e bassa latenza.
Offre funzionalità di sicurezza avanzate, come l’autenticazione basata su LDAP e la crittografia dei dati, per proteggere i dati sensibili.
Permette di creare e gestire pipeline di dati, eseguire query SQL e generare report e dashboard personalizzati anche da utenti senza particolare esperienza tecnica.
Supporta diverse fonti di dati, tra cui database relazionali, data lake, data warehouse e servizi cloud, permettendo di integrare dati provenienti da diverse sorgenti.
Dremio utilizza una architettura distribuita basata su Apache Arrow, una libreria di elaborazione dei dati in memoria. Grazie a questa architettura, Dremio è in grado di elaborare grandi quantità di dati in modo efficiente, distribuendo il lavoro su più nodi di calcolo e sfruttando il parallelismo dei processi.
Dremio utilizza i data reflections per migliorare le prestazioni delle query. I data reflections sono copie pre-calcolate dei dati che vengono create in modo intelligente e automatico in base alle query più frequenti, in modo che le future query possano accedere a queste copie pre-calcolate invece che elaborare i dati originali. Questo riduce il tempo di risposta delle query e migliora le prestazioni del sistema.
Dremio offre una funzionalità di self-service data preparation, che permette agli utenti di preparare i dati in modo facile e veloce, senza la necessità di coinvolgere un team di sviluppatori o analisti dati. Questa funzionalità include la pulizia dei dati, l’aggregazione, la trasformazione e la combinazione di dati provenienti da diverse fonti.
Dremio offre un’interfaccia SQL-based per esplorare i dati e creare query personalizzate. Gli utenti possono utilizzare il linguaggio SQL per accedere ai dati, combinare le informazioni provenienti da diverse fonti e creare report personalizzati. Inoltre, Dremio supporta l’utilizzo di SQL su diverse tipologie di dati, inclusi dati semi-strutturati e non strutturati, attraverso l’uso di funzioni specifiche come JSON e XML.
Dremio utilizza una architettura distribuita basata su Apache Arrow, una libreria di elaborazione dei dati in memoria. Grazie a questa architettura, Dremio è in grado di elaborare grandi quantità di dati in modo efficiente, distribuendo il lavoro su più nodi di calcolo e sfruttando il parallelismo dei processi.
Dremio utilizza i data reflections per migliorare le prestazioni delle query. I data reflections sono copie pre-calcolate dei dati che vengono create in modo intelligente e automatico in base alle query più frequenti, in modo che le future query possano accedere a queste copie pre-calcolate invece che elaborare i dati originali. Questo riduce il tempo di risposta delle query e migliora le prestazioni del sistema.
Dremio offre una funzionalità di self-service data preparation, che permette agli utenti di preparare i dati in modo facile e veloce, senza la necessità di coinvolgere un team di sviluppatori o analisti dati. Questa funzionalità include la pulizia dei dati, l’aggregazione, la trasformazione e la combinazione di dati provenienti da diverse fonti.
Dremio offre un’interfaccia SQL-based per esplorare i dati e creare query personalizzate. Gli utenti possono utilizzare il linguaggio SQL per accedere ai dati, combinare le informazioni provenienti da diverse fonti e creare report personalizzati. Inoltre, Dremio supporta l’utilizzo di SQL su diverse tipologie di dati, inclusi dati semi-strutturati e non strutturati, attraverso l’uso di funzioni specifiche come JSON e XML.
Hai necessità di sfruttare Dremio all’interno di un tuo progetto? Fissa ora una call con il nostro Team!
Dremio è una piattaforma lakehouse intelligente costruita nativamente su Apache Iceberg, Apache Polaris e Apache Arrow. Permette alle organizzazioni di eseguire query SQL ad alte prestazioni direttamente sui dati presenti in object storage (Amazon S3, Azure Data Lake, Google Cloud Storage) senza doverli copiare o spostare in un data warehouse separato, eliminando ETL costosi e ridondanze di storage.
La piattaforma si articola in tre livelli: un motore di query federato che accede a sorgenti eterogenee senza muovere i dati, un lakehouse nativo Iceberg per governance e performance, e un layer AI agentivo che permette ad agenti intelligenti e strumenti BI di accedere direttamente ai dati aziendali con pieno contesto semantico.
Nel maggio 2026 SAP ha annunciato l'acquisizione di Dremio, con l'obiettivo di integrarne le capacità lakehouse in SAP Business Data Cloud come fondazione per i workload AI enterprise.
I vantaggi principali rispetto a un data warehouse tradizionale sono: assenza di ETL (i dati vengono interrogati dove si trovano, senza copie), nessun vendor lock-in grazie al formato aperto Apache Iceberg, costi di storage significativamente inferiori su object storage cloud, e accesso unificato a sorgenti eterogenee — database relazionali, data lake, file system, API — con un'unica interfaccia SQL.
La funzionalità Autonomous Reflections ottimizza automaticamente le performance delle query analizzando i pattern di accesso e creando materializzazioni aggiornate in background, senza che i team debbano intervenire manualmente. Il risultato è un'esperienza comparabile a quella di un data warehouse — query sub-second su miliardi di righe — senza i costi e la rigidità di un'architettura proprietaria.
Apache Iceberg è il formato di tabella aperto diventato lo standard de facto per i data lakehouse. Porta nei file su object storage le stesse garanzie dei database relazionali: transazioni ACID, schema evolution senza rebuild delle tabelle, time travel (query su snapshot storici) e partition evolution. Iceberg è leggibile da qualsiasi engine compatibile — Spark, Trino, Flink, Presto, Dremio stesso — senza conversioni di formato.
Dremio è l'unica piattaforma lakehouse costruita nativamente su Apache Iceberg, Apache Polaris (il catalogo Iceberg open source che Dremio ha co-creato) e Apache Arrow (il formato in-memory per trasferimento dati ad alta velocità). Questa architettura garantisce interoperabilità completa con l'ecosistema open source e previene il lock-in verso un singolo vendor, elemento cruciale per le organizzazioni che vogliono mantenere il controllo della propria architettura dati nel lungo periodo.
Dremio offre connettori nativi per i principali strumenti di Business Intelligence — Tableau, Power BI, Qlik, Apache Superset — permettendo di eseguire query in tempo reale sui dati del lakehouse senza pipeline intermedie. Grazie al semantic layer integrato, ogni strumento accede a metriche, definizioni e relazioni tra entità già contestualizzate, riducendo le incongruenze nei report tra team diversi.
Sul versante AI, Dremio supporta il protocollo MCP (Model Context Protocol), che consente ad agenti AI come Claude, ChatGPT e Gemini di connettersi direttamente al lakehouse in pochi minuti. Introduce inoltre funzioni SQL native per l'AI — AI_COMPLETE, AI_GENERATE, AI_CLASSIFY — che permettono di elaborare dati non strutturati (PDF, testo, log) direttamente nelle query SQL, senza spostare i dati verso servizi di machine learning esterni.
Dremio fornisce controllo degli accessi basato sui ruoli (RBAC) a livello granulare — su colonne, righe e dataset — con autenticazione forte e cifratura dei dati sia in transito che a riposo. Le policy di accesso vengono applicate in modo consistente su tutte le sorgenti federate: un utente che non ha accesso a determinate colonne non le vede indipendentemente dallo strumento con cui interroga i dati.
La governance è gestita tramite Apache Polaris, il catalogo Iceberg-nativo co-creato da Dremio, che centralizza il metadata management, il data lineage e il controllo degli accessi attraverso tutti gli engine compatibili con Iceberg. Questo significa che le stesse policy definite in Dremio si applicano anche quando i dati vengono interrogati da Spark, Flink o qualsiasi altro engine, senza dover configurare autorizzazioni separate per ogni strumento.
Dremio è progettato per essere la fondazione dati dei workload AI aziendali. Il problema principale che risolve è il collo di bottiglia dei dati per l'AI: la maggior parte delle iniziative AI si blocca non per mancanza di modelli, ma per la difficoltà di portare i dati giusti — governati, aggiornati, semanticamente coerenti — ai sistemi che li devono consumare.
Dremio affronta questo problema con tre strumenti: la AI Semantic Search, che permette agli agenti AI di scoprire i dataset rilevanti in secondi invece che in giorni; il semantic layer, che fornisce agli agenti il contesto aziendale necessario per interpretare correttamente le metriche; e il server MCP integrato, che espone l'intero lakehouse come sorgente dati accessibile da qualsiasi agente AI compatibile, con le stesse policy di sicurezza ereditate automaticamente dall'utente richiedente.
Una overview generale delle feature di Dremio
