Cross-cloud Lakehouse for Apache Iceberg を使用すると、ファイルを移行したり、複雑な ETL パイプラインを構築したりすることなく、他のクラウド プロバイダに保存されているデータに直接クエリを実行できます。 Google Cloud
この機能は Lakehouse の一部として、BigQuery、 スタンドアロンの Apache Spark 環境、または Managed Service for Apache Spark を使用して、分散データセット全体で統合 分析を実行し、AI を適用できます。
ユースケース
クロスクラウド Lakehouse は、複数のクラウド プロバイダにまたがるデータへのアクセスに関する次の主要なユースケースをサポートしています。
- データ移動の削減 により、他のクラウド環境に保存されているデータに直接クエリを実行できるため、データアクセスと処理が簡素化されます。
- 統合分析 により、データの保存場所に関係なく、すべてのデータに対して一貫した機能とハードウェアの最適化を使用して高度な分析を実行できます。
- クロスクラウド AI と ML により、AI モデル、自律エージェント、機械学習をリモートデータに直接適用できます。データを移行する必要はありません。
クロスクラウド Lakehouse の仕組み
クロスクラウド Lakehouse は、次のプロセスを使用してリモートデータにクエリを実行します。
- メタデータの検出: Google Cloudの Lakehouse は、Databricks Unity や AWS Glue などのリモート Apache Iceberg REST カタログに接続します。Lakehouse は、ファイルをコピーせずにデータを検出します。 リモート カタログ プロバイダに応じて、Lakehouse は Secret Manager または OpenID Connect トークン フェデレーション（Google を ID プロバイダとする OIDC トークン フェデレーション）を介して安全に認証します。
- 安全な転送: トラフィックをプライベート インターコネクト（Dedicated CCI や Partner Interconnect など）経由でルーティングすると、公共のインターネットと比較してデータ転送の費用が大幅に削減され、レイテンシを予測しやすくなります。
- 最適化された実行: クエリがリモートクラウドからデータを読み取ると、 Lakehouse はこれらのデータセグメントを専用ストレージ内のローカルに一時的にキャッシュします within Google Cloud 。以降のクエリではローカル キャッシュが使用されるため、クラウド間の下り（外向き）料金の大部分を回避できます。
サポートされているカタログ
クロスクラウド Lakehouse は、次のリモート カタログ プロバイダからのデータのクエリをサポートしています。
- Databricks Unity Catalog: Amazon Web Services（AWS）と Google Cloudでサポートされています。
- AWS Glue: Amazon Web Services（AWS）でサポートされています。
基本コンセプト
このセクションでは、クロスクラウド Lakehouse の使用に不可欠な主要コンポーネントについて説明します。
リモート Apache Iceberg REST カタログ
これはメタデータ レイヤです。リモート Apache Iceberg REST カタログに接続します。 Lakehouse は、ファイルをコピーせずにデータを検出します。OIDC トークン フェデレーションまたは OAuth 認証情報を使用して、Lakehouse は有効期間の長いアクセスキーを必要とせずに安全に認証します。
トランスポート層
これはトランスポート レイヤです。公共のインターネットまたは専用のプライベート インターコネクト経由で、リモート クラウド プロバイダに保存されているデータをクエリするように Lakehouse を構成できます。
アーキテクチャとセキュリティの要件に合った転送方法を選択します。
お客様所有（CCI）
Dedicated Cross-Cloud Interconnect または Partner Cross-Cloud Interconnect を使用して、プライベート クロスクラウド インターコネクト経由で Amazon Web Services（AWS）Amazon S3 バケットに保存されているデータをクエリするように BigQuery を構成できます。
プライベート インターコネクトを使用すると、次のメリットがあります。
- セキュリティの強化: データはプライベート ネットワーク接続 を介して Google Cloud と AWS 間で転送されるため、公共の インターネットを経由しません。
- コストの削減: 特にプライベート インターコネクトの容量と組み合わせることで、インターネットの下り（外向き）と比較して AWS からの下り（外向き）料金が低くなる可能性があります。
- 一貫したパフォーマンス: 公共のインターネットと比較して、ネットワークのレイテンシと帯域幅を予測しやすくなります。
アーキテクチャの概要
プライベート クエリを有効にするには、プライベート インターコネクトを介して BigQuery から AWS Amazon S3 バケットへのパスを構成します。Virtual Private Cloud（VPC）（VPC）の主要コンポーネントは、 Google Cloud 内部ロードバランサ（ILB）です。ILB は、BigQuery から AWS VPC 内の Amazon S3 のプライベート エンドポイントにリクエストを分散します。これらのエンドポイントは AWS PrivateLink を使用してプロビジョニングされます。
複数の Elastic Network Interface（ENI）をバックエンドとして使用する ILB は、負荷分散、スケーラビリティ、高可用性に不可欠です。これは、Dedicated CCI と Partner Interconnect のどちらを使用する場合にも適用されます。
プライベート クエリのワークフローは次のプロセスに従います。
- BigQuery は、Service Directory サービスで構成された接続を使用します。
- Service Directory は、サービス名を ILB の Google Cloud 内部 IP アドレスに解決します。
- ILB は BigQuery からリクエストを受け取り、構成されたバックエンドに分散します。
- ILB バックエンドはハイブリッド接続ネットワーク エンドポイント グループ（NEG）です。各 NEG は、AWS VPC 内の ENI のプライベート IP アドレスを指します。
- トラフィックは ILB から NEG を経由して、プライベート インターコネクトを介して AWS ENI に流れます。
- AWS ENI は、Amazon S3 VPC インターフェース エンドポイント（AWS PrivateLink）の一部であり、Amazon S3 サービスへのプライベート アクセスを提供します。
公共のインターネット（CCI なし）
プライベート インターコネクトを構成しない場合、リモート カタログへのクエリはデフォルトで公共のインターネット経由で転送されます。
公共のインターネット経由でデータをクエリする場合は、次の影響を考慮してください。
- 標準暗号化: データアクセス リクエストとデータ転送は、公共のインターネット経由で標準の TLS プロトコルを使用して転送中に暗号化されます。
- 下り（外向き）の費用: データ転送には、リモート クラウド プロバイダ（AWS など）から標準のインターネット下り（外向き）料金が発生します。通常、この料金はプライベート インターコネクトの下り（外向き）レートよりも高くなります。
- レイテンシの変動: ネットワーク パフォーマンス、帯域幅、レイテンシは、公共のインターネットのルーティングと輻輳に依存するため、専用のプライベート インターコネクトと比較してクエリの実行時間を予測しにくくなります。
- 設定の簡素化: やリモート クラウド プロバイダで、追加のネットワーク インフラストラクチャ、 VPC ピアリング、Service Directory の構成は必要ありません。 Google Cloud
アーキテクチャの概要
公共のインターネット経由でデータをクエリする場合、Lakehouse は プライベート Google Cloud またはリモート クラウド ネットワーキング インフラストラクチャを必要とせずに、リモート カタログとオブジェクト ストレージ エンドポイントに直接接続します。
公共のインターネット クエリのワークフローは次のプロセスに従います。
- BigQuery は、Lakehouse カタログで定義されたフェデレーション テーブルに対してクエリを開始します。
- Lakehouse は、Secret Manager または OIDC トークン フェデレーションに保存されている認証情報を使用して、リモート Apache Iceberg カタログで安全に認証します。
- Lakehouse は、公共のインターネット経由でテーブル メタデータとマニフェスト ファイルを取得し、関連する基盤となるデータファイル（AWS Amazon S3 など）を特定します。
- 基盤となるオブジェクトのデータアクセス リクエストは、標準の TLS 暗号化を使用して公共のインターネット経由で Google Cloud から直接送信されます。
- リモート ストレージ サービスは、Lakehouse によって提供される一時的なスコープ付き 認証情報を使用してリクエストを検証し、リクエストされた データブロックを公共のインターネット経由で に返します Google Cloud。
次のステップ
- AWS Glue 用のクロスクラウド Lakehouse を設定する。
- Databricks Unity Catalog 用のクロスクラウド Lakehouse を設定する。