O acesso a dados entre nuvens permite unificar dados do Amazon Web Services (AWS), doGoogle Cloude do AlloyDB para PostgreSQL sem pipelines de ETL complexos. Neste codelab, você vai usar o lakehouse sem fronteiras para análise, o AlloyDB como uma fonte operacional e o Serviço gerenciado para Apache Spark para processamento vetorizado e, em seguida, analisar os dados com o Gemini.
Cenário
Nesse cenário, você tem dados nas seguintes fontes:
- Dados transacionais (usuários, pedidos, itens de pedidos) em um banco de dados operacional do AlloyDB.
- Dados do produto em um bucket do AWS S3.
- Logs de eventos de clickstream no Cloud Storage.
Você junta esses conjuntos de dados para identificar os grupos demográficos-alvo da sua próxima campanha de marketing e gerar e-mails de divulgação personalizados.
Conteúdo do laboratório
Neste codelab, você vai realizar as seguintes tarefas:
- Configure endpoints de catálogo do Lakehouse para unificar silos de dados no AWS S3, no Cloud Storage e no AlloyDB.
- Execute o processamento de consultas vetorizadas de alto desempenho usando o Serviço Gerenciado para Apache Spark.
- Combine conjuntos de dados transacionais, de produtos e de clickstream sem movimentação de dados ou pipelines de ETL complexos.
- Use o Gemini para extrair insights de negócios e gerar comunicações de marketing personalizadas no seu lakehouse.
Faça o codelab
Inicie o codelab detalhado:
Iniciar o codelab do Lakehouse sem fronteiras
A seguir
- Saiba mais sobre os conceitos do Lakehouse.
- Saiba como consultar dados remotos.
- Confira as regiões com disponibilidade e os recursos compatíveis.