Lakebase Postgres

Lakebase è un database Postgres completamente gestito integrato nella piattaforma Databricks. Creare applicazioni transazionali in tempo reale insieme ai dati lakehouse, con scalabilità automatica, diramazione immediata e integrazione nativa del catalogo Unity.

  • Creare app a bassa latenza: Connettere Databricks Apps o qualsiasi applicazione a Lakebase per carichi di lavoro transazionali.
  • Fornire i dati del lakehouse: Sincronizza le tabelle di Unity Catalog in Lakebase in modo che le applicazioni possano interrogarle con bassa latenza.
  • Archiviare le modifiche di Postgres: Archiviare le modifiche di Postgres come tabelle Delta per le pipeline downstream e il controllo.
  • Intelligenza artificiale e Machine Learning: Usare Lakebase come archivio di funzionalità online per i modelli di Machine Learning o come archivio stati per gli agenti di intelligenza artificiale.

Integrazione di Lakebase con i servizi Databricks

Se sono presenti istanze di Provisioning di Lakebase, vengono aggiornate alla scalabilità automatica di Lakebase. Vedi Passare alla scalabilità automatica di Lakebase.

Get started

Quickstart Description
Ottieni un database Postgres Creare un progetto, un ramo e un database. Connettiti con psql o con qualsiasi driver Postgres.
Gestire i dati di lakehouse Sincronizzare le tabelle del catalogo Unity in Postgres per le letture di app a bassa latenza.
Archiviare le modifiche di Postgres nella lakehouse (Anteprima pubblica) Archiviare le modifiche di Postgres come Delta con cronologia delle modifiche completa.
Compilare applicazioni Creare app supportate da Lakebase usando Databricks Apps, integrazioni esterne o l'API Dati.

Funzionalità principali

Esplorare le funzionalità che ottimizzano le prestazioni, riducono i costi e abilitano flussi di lavoro di sviluppo flessibili.

Caratteristica / Funzionalità Description
Scalabilità automatica Regolare automaticamente le risorse di calcolo in base alla domanda del carico di lavoro.
Scala a zero Sospendere automaticamente i calcoli inattivi per ridurre al minimo i costi.
Filiali Creare rami isolati per lo sviluppo e il test.
Repliche in lettura Creare repliche di sola lettura per ridimensionare le operazioni di lettura.
Ripristino istantaneo Creare un nuovo ramo da qualsiasi punto nel tempo all'interno della finestra della cronologia.
Disponibilità elevata Configurare il failover automatico per mantenere disponibile il database durante gli errori di calcolo.

Connettere ed eseguire interrogazioni

Usare vari strumenti e interfacce per connettersi ed eseguire query sul database.

Task Description
Connettersi al database Informazioni su diversi modi per connettersi al database Lakebase.
Query con l'editor SQL Usare l'editor SQL predefinito per eseguire query e gestire il database.
Editor di tabelle Usare l'interfaccia visiva per visualizzare, modificare e gestire dati e schemi.
Client Postgres Connettersi usando i client e gli strumenti Postgres standard.
Esecuzione di query sui dati in un momento specifico Esegui query sui dati utilizzando rami al punto nel tempo.

Integrazioni di Databricks

Connettere Lakebase ai dati e ai flussi di lavoro di Databricks esistenti.

Integration Description
Eseguire la registrazione nel catalogo unity Registrare il database Lakebase in Unity Catalog per la governance unificata.
Gestire i dati con tabelle sincronizzate Gestire i dati lakehouse tramite il database Lakebase per applicazioni a bassa latenza.
Feed di dati delle modifiche di Lakebase Memorizza le modifiche a livello di riga delle tabelle Lakebase Postgres come tabelle Delta di Unity Catalog per pipeline a valle, audit e consumer esterni. (Anteprima pubblica)
Databricks App Compilare e distribuire applicazioni interattive con Lakebase come back-end Postgres gestito.
Stato e memoria dell'agente Archiviare la memoria durevole dell'agente a breve termine e a lungo termine in Lakebase per gli agenti di intelligenza artificiale creati con LangGraph o l'SDK OpenAI Agents.
Archivio funzionalità e gestione dei modelli Usare Lakebase come back-end dell'archivio di funzionalità online a bassa latenza per i modelli di Machine Learning serviti con Model Serving.

Ulteriori informazioni

Resource Description
Casi d'uso Modelli lakebase: servono i dati lakehouse, vengono replicati nel lakehouse, nel back-end dell'applicazione, negli agenti di intelligenza artificiale e nel Machine Learning.
Aree di disponibilità Regioni supportate per Lakebase Postgres.
  • Last updated on