Aprende a configurar el acceso a los datos multinube para unificar los silos de datos en Amazon Web Services (AWS), Google Cloudy AlloyDB para PostgreSQL sin ETL complejas.
Usas Lakehouse sin fronteras como el centro de inteligencia central, AlloyDB como fuente de datos operativa y Managed Service para Apache Spark para el procesamiento vectorizado de alto rendimiento. Por último, usarás Gemini para obtener estadísticas empresariales potentes de tu lakehouse.
Situación
En esta situación, tienes datos en las siguientes fuentes:
- Datos transaccionales (usuarios, pedidos y artículos de pedidos) en una base de datos operativa de AlloyDB
- Datos de productos en un bucket de AWS S3
- Registros de eventos de flujo de clics en Cloud Storage
Unes estos conjuntos de datos para identificar los datos demográficos objetivo de tu próxima campaña de marketing y generar correos electrónicos de divulgación personalizados.
Qué aprenderá
En este codelab, realizarás las siguientes tareas:
- Configura extremos de catálogo de Lakehouse para unificar los silos de datos en AWS S3, Cloud Storage y AlloyDB.
- Ejecuta el procesamiento de consultas vectorizadas de alto rendimiento con Managed Service para Apache Spark.
- Une conjuntos de datos transaccionales, de productos y de flujo de clics sin mover datos ni usar canalizaciones de ETL complejas.
- Usa Gemini para obtener estadísticas empresariales y generar comunicaciones de marketing personalizadas desde tu lakehouse.
Realiza el codelab
Inicia el codelab paso a paso:
Comienza el codelab de Lakehouse sin fronteras
¿Qué sigue?
- Obtén más información sobre los conceptos de Lakehouse.
- Obtén información para consultar datos remotos.
- Consulta las regiones y capacidades admitidas.