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不可欠です。このページでは、ボーダレス Lakehouse で使用できるさまざまなテーブルタイプとサービス提供エンドポイントについて説明します。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するのに役立ちます。
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てください。
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 インターフェースに支えられながら、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。
- ストレージ最適化: お客様が管理するか、Google が管理 （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: 高性能でエンタープライズ グレードの ストレージを備えたオープン レイクハウスで、高度な分析、ストリーミング、AI を実現します。
Hive メタストア
Lakehouse ランタイム カタログ は、Apache Spark ExternalCatalog の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、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、別の自己ホスト型 Hive metastore を必要とせず、BigQuery からの読み取りアクセスのみを必要とする場合に最適です。
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を介して）。 - ストレージ: Cloud Storage（Parquet、 ORC、Avro などの形式をサポート）。
- ストレージ最適化: お客様または第三者が管理。
- 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 ワークロードをフルマネージドのサーバーレス metastore に移行する Google Cloud。
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 カタログのテーブルタイプを比較します。
Lakehouse
| 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（プレビュー） | |
|---|---|---|---|
| Metastore | 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 | お客様、第三者、または Google が管理（プレビュー） | お客様または第三者が管理 | お客様または第三者が管理 |
| 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） |
| 高度な運用 | なし | なし | なし |
| アクセス制御 | IAM によるテーブルレベルのセキュリティ | IAM によるテーブルレベルのセキュリティ | IAM による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します。 | 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 メタストアに移行する |
Iceberg テーブルの機能
次の表を使用して、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確認してください。
| 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 エンドポイントからアクセス可能 | はい |
| 読み取り/書き込みの相互運用性 | |
| BigQuery 読み取りクエリ（SELECT、BQML、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、Dataflow と Iceberg I/O シンク） | 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 の変更データ 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） | 7 日間に制限 |
| 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、検索と見つけやすさ | 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。
Dataflow を使用して外部 Iceberg テーブルをインポートする方法を 学習する。