Pelajari cara menyiapkan akses data lintas cloud untuk menyatukan data silo di Amazon Web Services (AWS), Google Cloud, dan AlloyDB untuk PostgreSQL tanpa ETL yang kompleks.
Anda menggunakan Lakehouse tanpa batas sebagai hub kecerdasan pusat, AlloyDB sebagai sumber data operasional, dan Managed Service untuk Apache Spark untuk pemrosesan vektor berperforma tinggi. Terakhir, Anda akan menggunakan Gemini untuk memperoleh insight bisnis yang efektif dari lakehouse Anda.
Skenario
Dalam skenario ini, Anda memiliki data di seluruh sumber berikut:
- Data transaksional (pengguna, pesanan, item pesanan) dalam database AlloyDB operasional.
- Data produk di bucket AWS S3.
- Log peristiwa klik di Cloud Storage.
Anda menggabungkan set data ini untuk mengidentifikasi target demografi untuk kampanye pemasaran berikutnya dan membuat email penjangkauan yang dipersonalisasi.
Yang Anda pelajari
Dalam codelab ini, Anda akan melakukan tugas-tugas berikut:
- Menyiapkan dan mengonfigurasi endpoint katalog Lakehouse untuk menyatukan silo data di AWS S3, Cloud Storage, dan AlloyDB.
- Menjalankan pemrosesan kueri vektor berperforma tinggi menggunakan Managed Service untuk Apache Spark.
- Gabungkan set data transaksional, produk, dan clickstream tanpa pemindahan data atau pipeline ETL yang kompleks.
- Gunakan Gemini untuk mendapatkan insight bisnis dan membuat jangkauan pemasaran yang dipersonalisasi dari lakehouse Anda.
Ikuti codelab
Luncurkan codelab langkah demi langkah:
Mulai codelab Lakehouse tanpa batas
Langkah berikutnya
- Pelajari lebih lanjut konsep Lakehouse.
- Pelajari cara membuat kueri data jarak jauh.
- Periksa region dan kemampuan yang didukung.