適切なテーブル アーキテクチャを選択すると、パフォーマンスを最適化し、費用を削減して、分析ツール全体でデータアクセスを維持できます。Borderless Lakehouse には複数のテーブルタイプとサービス エンドポイントが用意されているため、書き込みエンジン、読み取り要件、管理制御のニーズに合った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、Apache 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、Iceberg 互換エンジン（Apache Spark、Apache Flink、Trino）と BigQuery 間のシームレスな読み取り / 書き込み相互運用性を提供します。また、業界標準の Iceberg REST カタログ インターフェースによってサポートされています。
サポートされているテーブル形式
Apache Iceberg V2 テーブル（一般提供）と V3 テーブル（プレビュー）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 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、サードパーティ、または Google が管理（プレビュー）します。
- 読み取り / 書き込みアクセス権:
- 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 向けの高性能なエンタープライズ 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、Spark ExternalCatalog 互換性に最適化された Apache Hive メタストア（HMS）エンドポイントを介して Apache Hive テーブルを管理します。これにより、Spark、Apache Hive、BigQuery 間でデータをシームレスに共有できます。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型 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適しています。
Hive メタストア エンドポイントによって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 Apache 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が管理します。
- 読み取り / 書き込みアクセス権:
- オープンソース エンジン（Spark と Apache 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 Apache Hive ワークロードを Google Cloudのフルマネージドのサーバーレス metastore に移行する。
プロダクト別のテーブル形式
次の表は、Lakehouse ランタイム カタログのテーブルタイプを比較したものです。
レイクハウス
| Apache Iceberg（一般提供） | クロスクラウド データアクセス（プレビュー） | Apache Hive（GA） | |
|---|---|---|---|
| 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 | Lakehouse ランタイム カタログ |
| ストレージ | Cloud Storage | Cloud Storage / Amazon S3 | Cloud Storage |
| ストレージ最適化 | 顧客管理、サードパーティ管理、または Google 管理（プレビュー） | 顧客管理またはサードパーティ管理 | 顧客管理またはサードパーティ管理 |
| 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） BigQuery（読み取り） |
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 | なし |
| アクセス制御 | IAM を使用したテーブルレベルのセキュリティ | IAM を使用したテーブルレベルのセキュリティ | IAM を使用したテーブルレベルのセキュリティ |
| ユースケース | オープン レイクハウス | ファイルを移行したり、複雑な ETL パイプラインを構築したりすることなく、他のクラウド プロバイダのデータにクエリを実行する | 既存の Spark ワークロードと Apache 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 |
Iceberg テーブルの機能
次の表に、Lakehouse ランタイム カタログの Apache Iceberg テーブルで提供される機能の詳細を示します。
Lakehouse ランタイム カタログで管理される Apache Iceberg テーブルと BigQuery で管理される Apache Iceberg テーブルの機能を比較するには、Iceberg テーブルの機能の比較をご覧ください。
| 能力 | サポート |
|---|---|
| カタログ | Lakehouse ランタイム カタログ（Iceberg REST カタログ互換） |
| ストレージ | Cloud Storage |
| Iceberg REST カタログ エンドポイントを介してアクセス可能 | はい |
| 読み取り/書き込みの相互運用性 | |
BigQuery の読み取りクエリ（SELECT、BigQuery ML、AI 関数）
|
サポート対象（一般提供） |
BigQuery DML（INSERT、UPDATE、DELETE、MERGE） |
サポート対象（プレビュー） |
| OSS エンジンの読み取り | サポート対象（一般提供） |
| OSS エンジンの書き込み | サポート対象（一般提供） |
| OSS エンジンのストリーミング書き込み（Kafka、Spark、Iceberg I/O シンクを使用した Dataflow） | サポート対象（一般提供） |
| マネージド機能と高度な機能 | |
| テーブル管理（圧縮、ガベージ コレクション） | サポート対象（プレビュー） |
| BigQuery 変更データ キャプチャ（CDC） | サポート対象（プレビュー） |
| タイムトラベル | |
| タイムトラベル（OSS エンジンを使用） | 柔軟（テーブル プロパティで構成） |
| タイムトラベル（BigQuery を使用） | 最長 7 日間 |
| スナップショットの履歴と以前のスナップショットへのロールバック | サポート対象（一般提供） |
| Knowledge Catalog の機能 | |
| メタデータのカタログ化、検索、検出 | サポート対象（一般提供） |
| リネージ | サポート対象（一般提供） |
| データ品質/プロファイリング | サポート対象（一般提供） |
| 分析情報 | サポート対象（一般提供） |
| AI ベースの列とテーブルの説明の生成 | サポート対象（一般提供） |
次のステップ
Apache Iceberg テーブルを管理する方法を学習する。