CoinAnalyst Corp. a annoncé la sortie du backend de la nouvelle plateforme d'analyse de big data basée sur l'IA. Après plusieurs mois de travail, l'équipe de développement a terminé une révision complète de l'architecture du backend de CoinAnalyst Insights.

L'ensemble du comportement du système a été repensé de fond en comble pour fournir une architecture entièrement distribuée. Le nouveau bus de messagerie et le stockage de la base de données offrent un moyen efficace de conserver désormais beaucoup plus de documents et d'évoluer horizontalement, augmentant les capacités de stockage de gigaoctets à pétaoctets. Il convient également de noter que le nombre de messages a été considérablement réduit et que le bus léger a diminué la charge sur la base de données, permettant une augmentation du débit global du système.

La nouvelle architecture de plug-in permet aux développeurs d'ajouter des étapes supplémentaires au flux de traitement des documents et de panacher différents environnements pour obtenir l'outil le plus adapté à une tâche donnée. Auparavant, l'équipe de développement de CoinAnalyst ne pouvait travailler qu'avec des applications basées sur Java. Grâce au bus de message universel, ils peuvent désormais inclure des tâches en Python ou en C++ pour obtenir de meilleures performances ou des fonctionnalités qui ne sont pas disponibles sous la forme de paquets Java.

L'équipe a ainsi accès à un large éventail de solutions d'IA développées par les communautés Python et C++. Cette architecture extensible facilite également la mise en œuvre de la prise en charge de nouveaux types de données et leur incorporation au système en toute simplicité. En outre, la déduplication au niveau de l'index garantit qu'il n'existe qu'une seule version d'un document associé à une URL dans l'index.

Cela améliore considérablement l'utilisation du stockage, car les données stockées ou transférées sont fortement réduites. L'API Rest de CoinAnalyst a été mise à jour et améliorée pour alimenter les institutions et les bourses en données. La plateforme peut fournir des valeurs de sentiment structurées à partir du texte des nouvelles et des commentaires.

Les valeurs du buzz social peuvent être utilisées pour les stratégies de trading et les algos quantiques.