自 2026 年 4 月 20 日起,BigLake 现已更名为 Lakehouse。BigLake metastore 现已更名为 Lakehouse 运行时目录。Lakehouse API、客户端库、CLI 命令和 IAM 名称保持不变,仍引用 BigLake。
Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。
设置跨云数据访问权限
使用集合让一切井井有条
根据您的偏好保存内容并对其进行分类。
了解如何设置跨云数据访问,以统一 Amazon Web Services (AWS)、 Google Cloud和 AlloyDB for PostgreSQL 中的数据孤岛,而无需复杂的 ETL。
您将无边界 Lakehouse 用作中央智能中心,将 AlloyDB 用作运营数据源,并使用 Managed Service for Apache Spark 进行高性能矢量化处理。最后,您将使用 Gemini 从湖仓一体中获取强大的业务洞见。
场景
在此场景中,您有来自以下来源的数据:
- 操作型 AlloyDB 数据库中的事务数据(用户、订单、订单项)。
- AWS S3 存储桶中的商品数据。
- Cloud Storage 中的点击流事件日志。
您需要联接这些数据集,以确定下一次营销活动的目标受众特征,并生成个性化的外展电子邮件。
学习内容
在此 Codelab 中,您将执行以下任务:
- 设置和配置 Lakehouse 目录端点,以统一 AWS S3、Cloud Storage 和 AlloyDB 中的数据孤岛。
- 使用 Managed Service for Apache Spark 运行高性能矢量化查询处理。
- 无需数据移动或复杂的 ETL 流水线,即可联接交易、产品和点击流数据集。
- 使用 Gemini 从湖仓一体中获取业务洞见并生成个性化营销推广内容。
参加 Codelab
启动分步式 Codelab:
开始学习“无边界 Lakehouse”Codelab
后续步骤
如未另行说明,那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可,并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情,请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。
最后更新时间 (UTC):2026-11-02。
[[["易于理解","easyToUnderstand","thumb-up"],["解决了我的问题","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["很难理解","hardToUnderstand","thumb-down"],["信息或示例代码不正确","incorrectInformationOrSampleCode","thumb-down"],["没有我需要的信息/示例","missingTheInformationSamplesINeed","thumb-down"],["翻译问题","translationIssue","thumb-down"],["其他","otherDown","thumb-down"]],["最后更新时间 (UTC):2026-11-02。"],[],[]]