借助 Google Cloud 无边界 Lakehouse，激活您的数据，无论数据位于何处
借助 Google Cloud 无边界 Lakehouse，激活您的数据，无论数据位于何处
事实上，您的数据无处不在，可能在 Google、AWS 和 Azure 等其他云平台，也可能在您的 SaaS 应用中。无边界 Lakehouse 基于开放的 Apache Iceberg 构建，并连接到本地和跨云的运营系统，让您可以在数据所在的位置激活数据，而无需移动数据。
双向目录互操作性
双向目录互操作性
让分析师和对话智能体能够即时查询和处理多云数据，无论数据实际位于何处，从而消除构建和维护传统 ETL 流水线的开销。该架构基于开放的 Iceberg REST 目录构建，可在 AWS Glue、Databricks Unity 和 Snowflake Horizon 之间实现安全的双向目录联合（现已推出预览版），为 BigQuery、Managed Service for Apache Spark 以及任何与 Iceberg 兼容的引擎提供统一的实时分析洞见。
无需从 SaaS 应用复制数据
无需从 SaaS 应用复制数据
打破 SaaS 数据孤岛，为 AI 战略提供支持，同时避免数据移动带来的风险、延迟或成本。通过将湖仓一体直接扩展到应用层，您可以实现与 SAP、Salesforce 和 Workday 等核心企业系统的安全、零复制集成。这让 BigQuery 可以实时查询事务数据，无需复杂的 ETL 流水线，同时让您能够直接在源数据上就地运行 BigQuery 强大的 AI 引擎。最终，您可以获得跨财务、人力资源和客户运营的统一安全基础，从而显著缩短决策时间并降低总拥有成本。
获得 Apache Iceberg 的开放性以及企业级存储管理
企业数据的未来不仅仅是存储，而是要立即采取行动。无边界的 Lakehouse 让分析师和智能体能够安全地分析和处理数据，无论数据位于何处。您的企业无需维护缓慢而昂贵的数据复制项目，从而能够实时自信地做出更快的自动化决策，同时控制云预算。
将 Google AI 直接引入 AWS 和 Azure 数据
消除多云税，加速数据战略。无边界 Lakehouse 提供可预测的固定费率经济效益，以及受 SLA 保护的专用 Partner Cross-Cloud Interconnect 连接，可消除 AWS 数据的可变出站流量费用。通过将智能跨云缓存与 BigQuery 的向量化处理、Spark 的 Lightning Engine 运行时和原生多模态 AI 函数相结合，您可以安全地分析拍字节级的远程数据，实现亚秒级性能，而无需重复、昂贵的传输或性能权衡。
双向目录互操作性
让分析师和对话智能体能够即时查询和处理多云数据，无论数据实际位于何处，从而消除构建和维护传统 ETL 流水线的开销。该架构基于开放的 Iceberg REST 目录构建，可在 AWS Glue、Databricks Unity 和 Snowflake Horizon 之间实现安全的双向目录联合（现已推出预览版），为 BigQuery、Managed Service for Apache Spark 以及任何与 Iceberg 兼容的引擎提供统一的实时分析洞见。
无需从 SaaS 应用复制数据
打破 SaaS 数据孤岛，为 AI 战略提供支持，同时避免数据移动带来的风险、延迟或成本。通过将湖仓一体直接扩展到应用层，您可以实现与 SAP、Salesforce 和 Workday 等核心企业系统的安全、零复制集成。这让 BigQuery 可以实时查询事务数据，无需复杂的 ETL 流水线，同时让您能够直接在源数据上就地运行 BigQuery 强大的 AI 引擎。最终，您可以获得跨财务、人力资源和客户运营的统一安全基础，从而显著缩短决策时间并降低总拥有成本。
获得 Apache Iceberg 的开放性以及企业级存储管理
企业数据的未来不仅仅是存储，而是要立即采取行动。无边界的 Lakehouse 让分析师和智能体能够安全地分析和处理数据，无论数据位于何处。您的企业无需维护缓慢而昂贵的数据复制项目，从而能够实时自信地做出更快的自动化决策，同时控制云预算。
双向目录互操作性
双向目录互操作性
让分析师和对话智能体能够即时查询和处理多云数据，无论数据实际位于何处，从而消除构建和维护传统 ETL 流水线的开销。该架构基于开放的 Iceberg REST 目录构建，可在 AWS Glue、Databricks Unity 和 Snowflake Horizon 之间实现安全的双向目录联合（现已推出预览版），为 BigQuery、Managed Service for Apache Spark 以及任何与 Iceberg 兼容的引擎提供统一的实时分析洞见。
无需从 SaaS 应用复制数据
无需从 SaaS 应用复制数据
打破 SaaS 数据孤岛，为 AI 战略提供支持，同时避免数据移动带来的风险、延迟或成本。通过将湖仓一体直接扩展到应用层，您可以实现与 SAP、Salesforce 和 Workday 等核心企业系统的安全、零复制集成。这让 BigQuery 可以实时查询事务数据，无需复杂的 ETL 流水线，同时让您能够直接在源数据上就地运行 BigQuery 强大的 AI 引擎。最终，您可以获得跨财务、人力资源和客户运营的统一安全基础，从而显著缩短决策时间并降低总拥有成本。
将 Google AI 直接引入 AWS 和 Azure 数据
消除多云税，加速数据战略。无边界 Lakehouse 提供可预测的固定费率经济效益，以及受 SLA 保护的专用 Partner Cross-Cloud Interconnect 连接，可消除 AWS 数据的可变出站流量费用。通过将智能跨云缓存与 BigQuery 的向量化处理、Spark 的 Lightning Engine 运行时和原生多模态 AI 函数相结合，您可以安全地分析拍字节级的远程数据，实现亚秒级性能，而无需重复、昂贵的传输或性能权衡。
双向目录互操作性
让分析师和对话智能体能够即时查询和处理多云数据，无论数据实际位于何处，从而消除构建和维护传统 ETL 流水线的开销。该架构基于开放的 Iceberg REST 目录构建，可在 AWS Glue、Databricks Unity 和 Snowflake Horizon 之间实现安全的双向目录联合（现已推出预览版），为 BigQuery、Managed Service for Apache Spark 以及任何与 Iceberg 兼容的引擎提供统一的实时分析洞见。
无需从 SaaS 应用复制数据
打破 SaaS 数据孤岛，为 AI 战略提供支持，同时避免数据移动带来的风险、延迟或成本。通过将湖仓一体直接扩展到应用层，您可以实现与 SAP、Salesforce 和 Workday 等核心企业系统的安全、零复制集成。这让 BigQuery 可以实时查询事务数据，无需复杂的 ETL 流水线，同时让您能够直接在源数据上就地运行 BigQuery 强大的 AI 引擎。最终，您可以获得跨财务、人力资源和客户运营的统一安全基础，从而显著缩短决策时间并降低总拥有成本。
BigQuery 和 Managed Spark 等差异化引擎
Google Cloud Lakehouse 提供托管式 Apache Iceberg，可在 BigQuery 和 Spark 之间实现真正的读/写互操作性。利用 BigQuery 和 Google Managed Service for Apache Spark 的性价比和规模，以及灵活的存储，加速多模态分析和数据科学智能体工作负载。
Iceberg 上的高级 BigQuery 工作负载
借助安全统一的平台，让您的团队能够实时同步数据，避免代价高昂的处理延迟，从而做出快速的业务决策。通过使用 BigQuery ObjectRef 无缝整合结构化业务指标和非结构化资产，您可以解锁所需的高级分析和新一代 AI，从而立即获得竞争优势。
利用 Managed Service for Apache Spark 加速数据科学
直接在湖仓一体上运行 Apache Spark，性能最高可提升到 4.9 倍，为您的数据科学计划注入强大动力。这项托管式服务由 Lightning Engine 提供支持，消除了复杂的基础设施管理，让数据科学家能够以创纪录的速度训练模型和分析海量数据集。通过将闪电般的处理速度与对湖仓一体数据的直接、安全访问相结合，您可以大幅缩短团队获取分析洞见的时间，并降低机器学习开发成本。
利用 Managed Service for Apache Spark 加速数据科学
利用 Managed Service for Apache Spark 加速数据科学
直接在湖仓一体上运行 Apache Spark，性能最高可提升到 4.9 倍，为您的数据科学计划注入强大动力。这项托管式服务由 Lightning Engine 提供支持，消除了复杂的基础设施管理，让数据科学家能够以创纪录的速度训练模型和分析海量数据集。通过将闪电般的处理速度与对湖仓一体数据的直接、安全访问相结合，您可以大幅缩短团队获取分析洞见的时间，并降低机器学习开发成本。
BigQuery 和 Managed Spark 等差异化引擎
Google Cloud Lakehouse 提供托管式 Apache Iceberg，可在 BigQuery 和 Spark 之间实现真正的读/写互操作性。利用 BigQuery 和 Google Managed Service for Apache Spark 的性价比和规模，以及灵活的存储，加速多模态分析和数据科学智能体工作负载。
利用 Managed Service for Apache Spark 加速数据科学
利用 Managed Service for Apache Spark 加速数据科学
直接在湖仓一体上运行 Apache Spark，性能最高可提升到 4.9 倍，为您的数据科学计划注入强大动力。这项托管式服务由 Lightning Engine 提供支持，消除了复杂的基础设施管理，让数据科学家能够以创纪录的速度训练模型和分析海量数据集。通过将闪电般的处理速度与对湖仓一体数据的直接、安全访问相结合，您可以大幅缩短团队获取分析洞见的时间，并降低机器学习开发成本。
Iceberg 上的高级 BigQuery 工作负载
借助安全统一的平台，让您的团队能够实时同步数据，避免代价高昂的处理延迟，从而做出快速的业务决策。通过使用 BigQuery ObjectRef 无缝整合结构化业务指标和非结构化资产，您可以解锁所需的高级分析和新一代 AI，从而立即获得竞争优势。
利用 Managed Service for Apache Spark 加速数据科学
直接在湖仓一体上运行 Apache Spark，性能最高可提升到 4.9 倍，为您的数据科学计划注入强大动力。这项托管式服务由 Lightning Engine 提供支持，消除了复杂的基础设施管理，让数据科学家能够以创纪录的速度训练模型和分析海量数据集。通过将闪电般的处理速度与对湖仓一体数据的直接、安全访问相结合，您可以大幅缩短团队获取分析洞见的时间，并降低机器学习开发成本。
通过持续学习丰富数据并生成意义
通过持续学习丰富数据并生成意义
将原始的非结构化数据转化为可自动更新的业务地图，加快 AI 就绪速度并消除手动整理工作。通过利用 Gemini 自动实现数据丰富化（挖掘架构、文件和日志以自动标记资产），您可以建立企业运营的可信自然语言词汇表。这些内置的语义护栏和预先验证的逻辑可消除代价高昂的查询错误和 AI 幻觉，使分析师和自主智能体都能根据可信数据做出决策。
利用安全检索功能，增强搜索能力并释放智能体的强大力量
利用安全检索功能，增强搜索能力并释放智能体的强大力量
在不到一秒的时间内，安全可靠地为您的 AI 助理提供所需的准确业务背景信息。我们的高级搜索功能可立即将您的 AI 连接到正确的信息，以做出准确的决策，而严格的安全权限可确保 AI 只能看到其有权访问的数据。这样，您就可以使用我们预构建的 Data Cloud 智能体或灵活的 Data Agent Kit，轻松构建和部署值得信赖的 AI 工具。
开放式湖仓一体治理，为智能体提供始终可用的上下文
Knowledge Catalog 是 AI 驱动的上下文引擎，适用于您的湖仓一体。它会自动编目所有 Google Cloud 和第三方数据，无需手动整理，即可提供可靠的智能体 AI 所需的企业真实数据和数据关系。
跨数据资产汇总上下文
Knowledge Catalog 通过自动将来自 Google Cloud、合作伙伴平台和第三方目录（如 Atlan、Collibra 和 Datahub）的元数据统一到一个可管控的单一可信来源中，消除了数据碎片化。通过自动发现和索引整个数据足迹，您可以大幅降低合规风险，消除手动数据映射开销，并帮助您的团队和 AI 系统即时找到并信任所需的数据。
通过持续学习丰富数据并生成意义
将原始的非结构化数据转化为可自动更新的业务地图，加快 AI 就绪速度并消除手动整理工作。通过利用 Gemini 自动实现数据丰富化（挖掘架构、文件和日志以自动标记资产），您可以建立企业运营的可信自然语言词汇表。这些内置的语义护栏和预先验证的逻辑可消除代价高昂的查询错误和 AI 幻觉，使分析师和自主智能体都能根据可信数据做出决策。
利用安全检索功能，增强搜索能力并释放智能体的强大力量
在不到一秒的时间内，安全可靠地为您的 AI 助理提供所需的准确业务背景信息。我们的高级搜索功能可立即将您的 AI 连接到正确的信息，以做出准确的决策，而严格的安全权限可确保 AI 只能看到其有权访问的数据。这样，您就可以使用我们预构建的 Data Cloud 智能体或灵活的 Data Agent Kit，轻松构建和部署值得信赖的 AI 工具。
开放式湖仓一体治理，为智能体提供始终可用的上下文
Knowledge Catalog 是 AI 驱动的上下文引擎，适用于您的湖仓一体。它会自动编目所有 Google Cloud 和第三方数据，无需手动整理，即可提供可靠的智能体 AI 所需的企业真实数据和数据关系。
通过持续学习丰富数据并生成意义
通过持续学习丰富数据并生成意义
将原始的非结构化数据转化为可自动更新的业务地图，加快 AI 就绪速度并消除手动整理工作。通过利用 Gemini 自动实现数据丰富化（挖掘架构、文件和日志以自动标记资产），您可以建立企业运营的可信自然语言词汇表。这些内置的语义护栏和预先验证的逻辑可消除代价高昂的查询错误和 AI 幻觉，使分析师和自主智能体都能根据可信数据做出决策。
利用安全检索功能，增强搜索能力并释放智能体的强大力量
利用安全检索功能，增强搜索能力并释放智能体的强大力量
在不到一秒的时间内，安全可靠地为您的 AI 助理提供所需的准确业务背景信息。我们的高级搜索功能可立即将您的 AI 连接到正确的信息，以做出准确的决策，而严格的安全权限可确保 AI 只能看到其有权访问的数据。这样，您就可以使用我们预构建的 Data Cloud 智能体或灵活的 Data Agent Kit，轻松构建和部署值得信赖的 AI 工具。
跨数据资产汇总上下文
Knowledge Catalog 通过自动将来自 Google Cloud、合作伙伴平台和第三方目录（如 Atlan、Collibra 和 Datahub）的元数据统一到一个可管控的单一可信来源中，消除了数据碎片化。通过自动发现和索引整个数据足迹，您可以大幅降低合规风险，消除手动数据映射开销，并帮助您的团队和 AI 系统即时找到并信任所需的数据。
通过持续学习丰富数据并生成意义
将原始的非结构化数据转化为可自动更新的业务地图，加快 AI 就绪速度并消除手动整理工作。通过利用 Gemini 自动实现数据丰富化（挖掘架构、文件和日志以自动标记资产），您可以建立企业运营的可信自然语言词汇表。这些内置的语义护栏和预先验证的逻辑可消除代价高昂的查询错误和 AI 幻觉，使分析师和自主智能体都能根据可信数据做出决策。
利用安全检索功能，增强搜索能力并释放智能体的强大力量
在不到一秒的时间内，安全可靠地为您的 AI 助理提供所需的准确业务背景信息。我们的高级搜索功能可立即将您的 AI 连接到正确的信息，以做出准确的决策，而严格的安全权限可确保 AI 只能看到其有权访问的数据。这样，您就可以使用我们预构建的 Data Cloud 智能体或灵活的 Data Agent Kit，轻松构建和部署值得信赖的 AI 工具。
结合分析数据和运营数据打造实时智能体应用
Google Cloud 的无边界 Lakehouse 弥合了实时事务系统与分析智能之间的鸿沟。通过将活跃数据库直接连接到分析引擎，您可以从单纯分析历史报告转变为触发即时、自动化的运营操作
全新推出 Spanner Omni
Spanner Omni 将 Google Spanner 的“坚不可摧”DNA 带到您的本地硬件、私有云和所有边缘，可实现可用区级和区域级高可用性、强一致性和几乎无限的扩缩能力。
使用 AlloyDB 实现湖仓一体联邦
借助 Lakehouse Federation for AlloyDB，您的事务系统可以直接查询数据仓库，无需进行成本高昂的数据移动，从而实现实时业务分析洞见。这消除了数据孤岛和昂贵的基础设施，使您的团队能够同时使用运营数据和历史数据，更快地做出数据驱动型决策。
使用 AlloyDB 实现湖仓一体联邦
使用 AlloyDB 实现湖仓一体联邦
借助 Lakehouse Federation for AlloyDB，您的事务系统可以直接查询数据仓库，无需进行成本高昂的数据移动，从而实现实时业务分析洞见。这消除了数据孤岛和昂贵的基础设施，使您的团队能够同时使用运营数据和历史数据，更快地做出数据驱动型决策。
结合分析数据和运营数据打造实时智能体应用
Google Cloud 的无边界 Lakehouse 弥合了实时事务系统与分析智能之间的鸿沟。通过将活跃数据库直接连接到分析引擎，您可以从单纯分析历史报告转变为触发即时、自动化的运营操作
使用 AlloyDB 实现湖仓一体联邦
使用 AlloyDB 实现湖仓一体联邦
借助 Lakehouse Federation for AlloyDB，您的事务系统可以直接查询数据仓库，无需进行成本高昂的数据移动，从而实现实时业务分析洞见。这消除了数据孤岛和昂贵的基础设施，使您的团队能够同时使用运营数据和历史数据，更快地做出数据驱动型决策。
全新推出 Spanner Omni
Spanner Omni 将 Google Spanner 的“坚不可摧”DNA 带到您的本地硬件、私有云和所有边缘，可实现可用区级和区域级高可用性、强一致性和几乎无限的扩缩能力。
使用 AlloyDB 实现湖仓一体联邦
借助 Lakehouse Federation for AlloyDB，您的事务系统可以直接查询数据仓库，无需进行成本高昂的数据移动，从而实现实时业务分析洞见。这消除了数据孤岛和昂贵的基础设施，使您的团队能够同时使用运营数据和历史数据，更快地做出数据驱动型决策。
客户案例
什么是 Google Cloud 的无边界 Lakehouse？它的工作原理是什么？
Google Cloud 的无边界 Lakehouse 是一种基于 Apache Iceberg 构建的开放式去中心化数据架构，使分析引擎和 AI 智能体能够就地查询、分析和处理跨云、本地和 SaaS 数据，而无需移动数据或使用 ETL 流水线。它通过将分析计算与底层存储分离来运行，并使用开放式 Iceberg REST 目录标准在分布式云中同步表架构。BigQuery 和 Managed Service for Apache Spark 等执行引擎可对远程数据运行向量化查询和就地 AI 函数。这会将分布式企业数据资产转换为单一、统一的行动系统，而无需团队迁移物理文件。
目录联合如何与 AWS Glue、Databricks Unity 和 Snowflake Horizon 配合使用？
无边界 Lakehouse 中的多云目录联合利用开放的 Apache Iceberg REST 目录标准，在 AWS Glue、Databricks Unity Catalog 和 Snowflake Horizon Catalog 之间提供安全的双向元数据发现和执行。查询引擎无需复制底层数据集，而是通过安全端点远程读取表架构和清单文件。这样，BigQuery、Managed Service for Apache Spark 和开源引擎就可以就地查询多云表，同时在不同的对象存储区中保持统一的治理。
零复制 SaaS 集成如何适用于 SAP、Salesforce 和 Workday 等应用？
零复制 SaaS 集成将无边界 Lakehouse 直接扩展到企业应用层，使 BigQuery 能够对 SAP、Salesforce 和 Workday 等实时事务系统运行实时查询，而无需构建 ETL 流水线。通过在数据原生存储位置查询数据，组织可以消除流水线延迟并杜绝数据同步失败问题。这种直接连接还允许 BigQuery AI 函数直接在实时 ERP、CRM 和 HR 数据上执行，从而简化跨领域企业分析。
Spanner 和 AlloyDB 等事务型数据库如何集成到无边界 Lakehouse 中？
事务型数据库通过 Spanner Omni（在 Google Cloud 之外的多云环境中运行）和 Lakehouse Federation for AlloyDB 集成到无边界 Lakehouse 中。这种双向桥接使运营系统能够直接查询分析湖仓一体数据，而无需等待批量同步。因此，开发者和数据工程师可以将实时事务记录与 PB 级历史分析数据实时联接，从而为低延迟运营应用和实时信息中心提供支持。
无边界 Lakehouse 如何赋能 AI 智能体并防止产生幻觉？
无边界 Lakehouse 将自主推理智能体连接到 Knowledge Catalog，这是一个常年运行的上下文引擎，无需移动源数据即可提供精确的业务元数据、沿袭和语义定义。通过将精确、预过滤的业务上下文输入 LLM 提示，该架构可以帮助防止模型产生幻觉，并消除不必要的智能体推理循环。这种语义接地可提高 Gemini Enterprise 等自主智能体的回答准确性，同时减少 token 消耗。
无边界 Lakehouse 架构在经济和性能方面有哪些优势？
无边界 Lakehouse 通过使用 Cross-Cloud Interconnect 降低总拥有成本 (TCO) 并提供可预测性，采用固定费率定价，消除了 AWS 数据的可变数据出站流量费用。为了最大限度地提高分布式云环境中的查询性能，该系统将智能跨云本地缓存与 BigQuery 的向量化执行引擎相结合，实现了亚秒级响应时间。通过消除重复存储和脆弱的 ETL 计算，组织可以大幅降低云基础设施支出和运营开销。
