MapR : 110 M$ de plus, Google monte au capital

A son tour, MapR, l’un des trois pure-players du monde Hadoop, a de nouveau séduit les investisseurs américains et annoncé avoir levé quelque 110 millions de dollars lors d’un troisième tour de table mené par Google Capital, le fonds d’investissement du moteur de recherche.

A son tour, MapR, l’un des trois pure-players du monde Hadoop, a de nouveau séduit les investisseurs américains et annoncé avoir levé quelque 110 millions de dollars lors d’un troisième tour de table  mené par Google Capital, le fonds d’investissement du moteur de recherche. Une façon pour MapR, dont les fonds levés se montent à plus de 170 millions de dollars depuis 2011, de venir titiller ses deux concurrents que sont Hortonworks et Cloudera qui ont également récemment suscité l’intérêt des investisseurs. On se rappelle la levée de 100 millions de dollars d’Hortonworks, notamment auprès du fonds Blackrock, mais surtout celle de Cloudera de 160 millions de dollars et de l’arrivée d’Intel en tant qu’actionnaire principal de la société - scellant ainsi dans le marbre l’abandon par Intel de sa propre distribution Hadoop.

MapR, qui a très tôt misé sur une approche très orientée entreprise du framework Apache – via le développement de son propre système de fichiers NFS propriétaire, baptisé MapR FS – entend utiliser cet argent frais pour alimenter sa croissance sur un marché du Big Data et de l’analytique en pleine explosion, explique la société dans un communiqué. Il servira également à favoriser l’expansion internationale de la solution et à la porter sur les segments des applications critiques et du temps réel. Des fonds seront également alloués dans l’ingénierie de la solution ainsi que dans le support de plusieurs projets Open Source, comme Apache Drill, Spark (MapR supporte déjà la technologie) et Yarn.

Outre Google Capital, les investisseurs historiques du MapR ont également participé à la levée de fonds. Google Capital siégera désormais au comité de direction de la société.

Pour approfondir sur Big Data et Data lake

Close