À propos du catalogue d'exécution Lakehouse

Le catalogue d'environnement d'exécution Lakehouse est un service sans serveur entièrement géré qui fournit une source unique de référence pour votre data lakehouse. Il permet à plusieurs moteurs, y compris Apache Spark, Apache Flink et BigQuery, de partager des tables et des métadonnées sans copier de fichiers.

Le catalogue d'environnement d'exécution Lakehouse est compatible avec la délégation d'accès au stockage (distribution d'identifiants), ce qui améliore la sécurité en supprimant le besoin d'accéder directement aux buckets Cloud Storage. Il s'intègre également à Knowledge Catalog pour une gouvernance, une traçabilité et une qualité des données unifiées.

Fonctionnalités clés

En tant que composant de Google Cloud Lakehouse, le catalogue d'environnement d'exécution Lakehouse offre plusieurs avantages pour la gestion et l'analyse des données, y compris une architecture sans serveur, l'interopérabilité des moteurs avec des API ouvertes, une expérience utilisateur unifiée et des analyses, une diffusion et une IA hautes performances lorsqu'il est utilisé avec BigQuery. Pour en savoir plus sur ces avantages, consultez Qu'est-ce que Google Cloud Lakehouse ?

Moteurs compatibles

Le catalogue d'environnement d'exécution Lakehouse est compatible avec plusieurs moteurs de requête, y compris (mais sans s'y limiter) Apache Spark, Apache Flink et Trino. Le tableau suivant fournit des liens vers la documentation de chaque moteur :

Moteur Documentation
Apache Spark Démarrage rapide : utiliser avec Spark
Apache Flink Utiliser avec Apache Flink
Trino Utiliser avec Trino

Options de configuration

Le catalogue d'environnement d'exécution Lakehouse peut être configuré de deux manières : avec le point de terminaison du catalogue REST Apache Iceberg ou le *catalogue Apache Iceberg personnalisé pour le point de terminaison BigQuery. La meilleure option dépend de votre cas d'utilisation, comme indiqué dans le tableau suivant :

Cas d'utilisation Recommandation
Nouveaux utilisateurs du catalogue d'environnement d'exécution Lakehouse qui souhaitent que leur moteur Open Source accède aux données dans Cloud Storage et qui ont besoin d'une interopérabilité avec d'autres moteurs, y compris BigQuery et AlloyDB pour PostgreSQL. Utilisez le point de terminaison du catalogue REST Apache Iceberg.
Utilisateurs existants du catalogue d'environnement d'exécution Lakehouse qui disposent de tables actuelles avec le catalogue Apache Iceberg personnalisé pour BigQuery. Continuez à utiliser le catalogue Apache Iceberg personnalisé pour le point de terminaison BigQuery, mais utilisez le catalogue REST Apache Iceberg pour les nouveaux workflows. Les tables créées avec le catalogue Apache Iceberg personnalisé pour le point de terminaison BigQuery sont visibles avec le catalogue REST Apache Iceberg via la fédération de catalogues BigQuery.

Différences avec le métastore BigLake (classique)

Le catalogue d'environnement d'exécution Lakehouse est le métastore recommandé sur Google Cloud, tandis que le métastore BigLake (classique) est considéré comme une ancienne fonctionnalité.

Les principales différences entre le catalogue d'environnement d'exécution Lakehouse et le métastore BigLake (classique) sont les suivantes :

  • Le catalogue d'environnement d'exécution Lakehouse est compatible avec une intégration directe aux moteurs Open Source tels que Spark, ce qui permet de réduire la redondance lorsque vous stockez des métadonnées et exécutez des jobs. Les tables du catalogue d'environnement d'exécution Lakehouse sont directement accessibles à partir de plusieurs moteurs Open Source et de BigQuery.
  • Le catalogue d'environnement d'exécution Lakehouse est compatible avec le point de terminaison du catalogue REST Apache Iceberg, contrairement au métastore BigLake (classique) ne l'est pas.

Limites du catalogue d'environnement d'exécution Lakehouse

Les limites suivantes s'appliquent aux tables du catalogue d'environnement d'exécution Lakehouse :

Gestion des tables

  • Vous ne pouvez pas créer ni modifier de tables de catalogue REST Iceberg Lakehouse avec des instructions de langage de définition de données (LDD) ou de langage de manipulation de données (LMD) BigQuery. Vous pouvez modifier les tables de catalogue REST Iceberg Lakehouse à l'aide de l'API BigQuery (avec l'outil de ligne de commande bq ou les bibliothèques clientes), mais vous risquez d'apporter des modifications incompatibles avec le moteur externe.
  • Les tables de catalogue d'environnement d'exécution Lakehouse ne sont pas compatibles avec les opérations de renommage ni avec l'instruction SQL Spark ALTER TABLE ... RENAME TO.
  • Les tables de catalogue d'environnement d'exécution Lakehouse ne sont pas compatibles avec le clustering.
  • Les tables de catalogue d'environnement d'exécution Lakehouse ne sont pas compatibles avec les noms de colonnes flexibles.
  • Le catalogue d'environnement d'exécution Lakehouse n'est pas compatible avec les vues Apache Iceberg.

Requête

  • Les performances des requêtes pour les tables de catalogue d'environnement d'exécution Lakehouse à partir du moteur BigQuery peuvent être ralenties par rapport aux requêtes sur des données dans des tables BigQuery standards. En général, la vitesse des requêtes doit être équivalente à la lecture des données à partir de Cloud Storage.
  • Une simulation BigQuery d'une requête qui utilise une table de catalogue d'environnement d'exécution Lakehouse peut indiquer une limite inférieure de 0 octet de données, même si des lignes sont renvoyées. Ce résultat se produit, car la quantité de données traitées à partir de la table ne peut pas être déterminée tant que la requête complète n'est pas exécutée. L'exécution de la requête entraîne des coûts pour le traitement de ces données.
  • Vous ne pouvez pas référencer de table de catalogue d'environnement d'exécution Lakehouse dans une requête de table générique.

API et métadonnées

  • Vous ne pouvez pas utiliser la tabledata.list méthode pour récupérer des données à partir de tables de catalogue d'environnement d'exécution Lakehouse. Vous pouvez enregistrer les résultats de la requête dans une table BigQuery, puis utiliser la méthode tabledata.list sur cette table.
  • L'affichage des statistiques de stockage de tables pour les tables de catalogue d'environnement d'exécution Lakehouse n'est pas pris en charge.

Quotas et limites

  • Les tables de catalogue d'environnement d'exécution Lakehouse dans BigQuery sont soumises à les mêmes quotas et limites que les tables standards.

Étape suivante