適切なテーブル アーキテクチャを選択することは、パフォーマンスを最大化し、費用を削減し、分析ツール全体でデータアクセスを確保するために重要です。このページでは、Lakehouse for Apache Iceberg で使用可能なさまざまなテーブルタイプとサービング エンドポイントについて説明します。これにより、書き込みエンジン、読み取り要件、管理制御のニーズに基づいて最適なオプションを選択できます。
カタログまたはエンジン別のテーブル形式
カタログまたはエンジンを選択して、サポートされているテーブル形式、メタストア構成、ストレージ最適化機能、エンジンの相互運用性について確認します。
Lakehouse ランタイム カタログ
Lakehouse ランタイム カタログは、Iceberg REST カタログ エンドポイントを介して Apache Iceberg テーブルを管理し、業界標準の Iceberg REST カタログ インターフェースを基盤としながら、Iceberg 互換エンジン（Spark、Flink、Trino）と BigQuery の間でシームレスな読み取り / 書き込みの相互運用性を提供します。
サポートされている表形式
Apache Iceberg V2 テーブル（一般提供版）と V3 テーブル（プレビュー版）がサポートされています。Iceberg V1 テーブルはサポートされていません。Lakehouse for Apache Iceberg で既存の V1 テーブルを使用する前に、サポートされているバージョンにアップグレードする必要があります。詳細については、Iceberg V1 テーブルを V2 にアップグレードするをご覧ください。
主な特長は以下のとおりです。
- Metastore: Lakehouse ランタイム カタログ。
- ストレージ: Cloud Storage。
- ストレージの最適化: ユーザーが管理するか、必要に応じて Google が管理します（プレビュー）。
- 読み取り / 書き込みアクセス:
- オープンソース エンジン: 読み取りと書き込み（一般提供）
- BigQuery: 読み取り/書き込み（プレビュー）
- ユースケース: 高度な分析、ストリーミング、AI 向けのハイ パフォーマンスのエンタープライズ グレードのストレージを備えたオープン レイクハウス。
Hive メタストア
Lakehouse ランタイム カタログは、Apache Spark ExternalCatalog 互換性用に最適化された Apache Hive メタストア（HMS）エンドポイントを介して Apache Hive テーブルを管理し、Apache Spark、Apache Hive、BigQuery 間でデータをシームレスに共有できるようにします。これらのテーブルは、オープンソース エンジンから作成して Cloud Storage に保存します。このオプションは、ETL ワークフローをオープンソース エンジンで管理し、個別のセルフホスト Hive metastore を必要とせず、BigQuery からの読み取りアクセスのみが必要な場合に最適です。
Hive メタストア エンドポイントで管理されるテーブルは、Apache Iceberg テーブルではなく、標準の Apache Hive テーブルと Spark テーブル（Hive SerDes または Spark データソースを使用）です。Lakehouse ランタイム カタログで Apache Iceberg テーブルを作成して管理するには、代わりに Iceberg REST カタログ エンドポイントを使用します。
主な特長は以下のとおりです。
- Metastore: Lakehouse ランタイム カタログ（カスタム
IMetastoreClientを使用）。 - ストレージ: Cloud Storage（Parquet、ORC、Avro などの形式をサポート）。
- ストレージの最適化: ユーザーまたはサードパーティによって管理されます。
- 読み取り / 書き込みアクセス:
- オープンソース エンジン（Spark と Hive）: 読み取りと書き込み。
- BigQuery: 読み取り専用。
- ユースケース: 既存の Spark ワークロードと Hive ワークロードを Google Cloud上のフルマネージドのサーバーレス メタストアに移行します。
BigQuery
BigQuery は、Apache Iceberg マネージド テーブル、ネイティブ テーブル、外部テーブルをサポートしています。
Apache Iceberg マネージド テーブル: BigQuery から作成して管理し、Cloud Storage に保存する Apache Iceberg テーブルです。オープンソース エンジンで読み取ることはできますが、メタデータを管理して書き込むエンジンは BigQuery です。このオプションは、ワークフローを BigQuery で完全に管理する場合に最適です。
ネイティブ テーブル: ネイティブ BigQuery テーブルです。これらはフルマネージドで、最先端の分析機能と管理機能を提供します。このオプションは、Iceberg 以外のワークロードに最適です。
外部テーブル: これらのテーブルは、Cloud Storage、Amazon S3、Azure Blob Storage に保存されたデータ用の BigQuery 固有の構造です。データとメタデータは自己管理され、BigQuery は読み取りアクセス権のみを持ちます。サードパーティ カタログまたはストレージで直接管理するデータには、このオプションを選択します。
プロダクト別のテーブル形式
次の表を使用して、Lakehouse ランタイム カタログと BigQuery のテーブルタイプを比較します。
Lakehouse
| Apache Iceberg（一般提供） | Apache Hive（プレビュー） | |
|---|---|---|
| メタストア | Lakehouse ランタイム カタログ | Lakehouse ランタイム カタログ |
| ストレージ | Cloud Storage | Cloud Storage |
| ストレージの最適化 | 顧客管理、サードパーティ管理、Google 管理（プレビュー） | お客様または第三者による管理 |
| 読み取り/書き込み |
オープンソース エンジン（読み取り/書き込み） BigQuery（読み取り/書き込み）。プレビュー |
オープンソース エンジン（読み取り/書き込み） BigQuery（読み取り専用） |
| 高度なオペレーション | なし | なし |
| ユースケース | オープン レイクハウス | 既存の Spark ワークロードと Hive ワークロードをフルマネージドのサーバーレス metastore に移行する |
BigQuery
| Apache Iceberg マネージド テーブル | 外部テーブル | 標準テーブル | |
|---|---|---|---|
| メタストア | BigQuery | 外部またはセルフホストのメタストア | BigQuery |
| ストレージ | Cloud Storage | Cloud Storage / Amazon S3 / Azure | BigQuery |
| ストレージの最適化 | Google が管理 | お客様または第三者による管理 | Google が管理 |
| 読み取り/書き込み |
オープンソース エンジン（Iceberg ライブラリでの読み取り専用、BigQuery Storage API との読み取り/書き込みの相互運用性） BigQuery（読み取り/書き込み） |
オープンソース エンジン（読み取り/書き込み） BigQuery（読み取り専用） |
オープンソース エンジン（BigQuery Storage API との読み取り/書き込みの相互運用性） BigQuery（読み取り/書き込み） |
| 高度なオペレーション | BigQuery Storage Write API、変更データ キャプチャ（CDC）、複数ステートメント トランザクションによる高スループット ストリーミング | なし | BigQuery Storage Write API、変更データ キャプチャ（CDC）、複数ステートメント トランザクションによる高スループット ストリーミング |
| ユースケース | 高度な分析、ストリーミング、AI 向けのハイ パフォーマンスのエンタープライズ グレードのストレージを備えたオープン レイクハウス | BigQuery ロード用のステージング テーブル、クエリ専用のレガシー テーブル | 高度な分析、ストリーミング、AI 向けのエンタープライズ グレードのストレージ |
次のステップ
Apache Iceberg テーブルを管理する方法を学習する。