自 2026 年 4 月 20 日起,BigLake 已改名為 Lakehouse。BigLake Metastore 現在稱為 Lakehouse 執行階段目錄。湖倉 API、用戶端程式庫、CLI 指令和 IAM 名稱維持不變,仍會參照 BigLake。
Google 會運用 AI 技術將內容翻譯成你偏好的語言,但可能會出錯。
設定跨雲端資料存取權
透過集合功能整理內容
你可以依據偏好儲存及分類內容。
瞭解如何設定跨雲端資料存取權,整合 Amazon Web Services (AWS)、 Google Cloud和 AlloyDB for PostgreSQL 的資料孤島,不必進行複雜的 ETL 作業。
您可以使用無邊界 Lakehouse 做為中央智慧中樞、AlloyDB 做為作業資料來源,以及 Managed Service for Apache Spark 進行高效能向量化處理。最後,您可以使用 Gemini 從 Lakehouse 取得強大的業務洞察資料。
情境
在這個情境中,您有下列來源的資料:
- 作業 AlloyDB 資料庫中的交易資料 (使用者、訂單、訂單項目)。
- AWS S3 bucket 中的產品資料。
- Cloud Storage 中的點擊流事件記錄。
您可將這些資料集聯結,找出下一個行銷廣告活動的目標客層,並產生個人化電子郵件。
涵蓋內容
在本程式碼研究室中,您將執行下列工作:
- 設定及設定 Lakehouse 目錄端點,統一 AWS S3、Cloud Storage 和 AlloyDB 的資料孤島。
- 使用 Managed Service for Apache Spark 執行高效能向量化查詢處理作業。
- 不必移動資料或使用複雜的 ETL pipeline,即可合併交易、產品和點擊流資料集。
- 使用 Gemini 從資料湖倉衍生業務洞察,並生成個人化行銷宣傳內容。
參加程式碼研究室
啟動逐步程式碼實驗室:
開始進行無邊界 Lakehouse 程式碼研究室
後續步驟
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2026-09-19 (世界標準時間)。
[[["容易理解","easyToUnderstand","thumb-up"],["確實解決了我的問題","solvedMyProblem","thumb-up"],["其他","otherUp","thumb-up"]],[["難以理解","hardToUnderstand","thumb-down"],["資訊或程式碼範例有誤","incorrectInformationOrSampleCode","thumb-down"],["缺少我需要的資訊/範例","missingTheInformationSamplesINeed","thumb-down"],["翻譯問題","translationIssue","thumb-down"],["其他","otherDown","thumb-down"]],["上次更新時間:2026-09-19 (世界標準時間)。"],[],[]]