À propos de BigLake Metastore

BigLake Metastore 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.

BigLake Metastore est compatible avec la délégation d'accès au stockage (distribution d'identifiants), ce qui améliore la sécurité en supprimant le besoin d'accéder directement bucket Cloud Storage. Il s'intègre également à Dataplex Universal Catalog pour une gouvernance, une traçabilité et une qualité des données unifiées.

Fonctionnalités clés

En tant que composant de BigLake, BigLake Metastore 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, ainsi que des analyses, des flux de données et une IA hautes performances lorsqu'il est utilisé avec BigQuery. Pour en savoir plus sur ces avantages, consultez Qu'est-ce que BigLake ?

Moteurs compatibles

BigLake Metastore 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

BigLake Metastore peut être configuré de deux manières : avec le catalogue Iceberg REST ou le catalogue Iceberg personnalisé pour BigQuery. La meilleure option dépend de votre cas d'utilisation, comme indiqué dans le tableau suivant :

Cas d'utilisation Recommandation
Nouveaux utilisateurs de BigLake Metastore 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 catalogue Iceberg REST.
Utilisateurs existants de BigLake Metastore qui disposent de tables actuelles avec le catalogue Iceberg personnalisé pour BigQuery. Continuez à utiliser le catalogue Iceberg personnalisé pour BigQuery, mais utilisez le catalogue Iceberg REST pour les nouveaux workflows. Les tables créées avec le catalogue Iceberg personnalisé pour BigQuery sont visibles avec le catalogue Iceberg REST via la fédération de catalogues BigQuery.

Différences avec BigLake Metastore (classique)

BigLake Metastore est le metastore recommandé sur Google Cloud, tandis que BigLake Metastore (classique) est considéré comme une fonctionnalité héritée.

Les principales différences entre BigLake Metastore et BigLake Metastore (classique) sont les suivantes :

  • BigLake Metastore 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 de BigLake Metastore sont directement accessibles à partir de plusieurs moteurs Open Source et de BigQuery.
  • BigLake Metastore est compatible avec le catalogue Iceberg REST, contrairement à BigLake Metastore (classique).

Limites de BigLake Metastore

Les limites suivantes s'appliquent aux tables de BigLake Metastore :

Gestion des tables

  • Vous ne pouvez pas créer ni modifier de tables BigLake Iceberg avec des instructions de langage de définition de données (LDD) ou de langage de manipulation de données (LMD) BigQuery. Vous pouvez modifier des tables BigLake Iceberg 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 BigLake Metastore ne sont pas compatibles avec les opérations de changement de nom ni avec l'instruction Spark SQL ALTER TABLE ... RENAME TO.
  • Les tables BigLake Metastore ne sont pas compatibles avec le clustering.
  • Les tables BigLake Metastore ne sont pas compatibles avec les noms de colonnes flexibles.
  • BigLake Metastore n'est pas compatible avec les vues Iceberg.

Requête

  • Les performances des requêtes portant sur des tables BigLake Metastore 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 de données à partir de Cloud Storage.
  • Une simulation BigQuery d'une requête utilisant une table BigLake Metastore 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 de traitement de ces données.
  • Vous ne pouvez pas référencer de table BigLake Metastore 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 BigLake Metastore. 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 BigLake Metastore n'est pas compatible.

Quotas et limites

  • Les tables BigLake Metastore dans BigQuery sont soumises aux mêmes quotas et limites que les tables standards.

Étape suivante