Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Importante
La scalabilità automatica di Lakebase è la versione più recente di Lakebase, con calcolo autoscalabile, scalabilità fino a zero, ramificazione e ripristino immediato. Per le aree supportate, vedere Disponibilità dell'area. Se sei un utente provisioning di Lakebase, vedere Lakebase provisioning.
La scalabilità automatica di Lakebase è 100% Postgres standard con scalabilità automatica, creazione di rami istantanei e integrazione completa con la piattaforma Databricks. Creare un progetto, ottenere un stringa di connessione e iniziare la compilazione.
| Percorso | Description |
|---|---|
| Introduzione a Lakebase | Creare un progetto, connettersi, eseguire la prima query ed esplorare le integrazioni con Unity Catalog e databricks lakehouse. |
| Servire i dati lakehouse nell'app | Sincronizzare le tabelle del catalogo Unity in Lakebase per la gestione di app a bassa latenza. Elimina le pipeline ETL inverse con sincronizzazioni completamente gestite. |
Informazioni sulla scalabilità automatica di Lakebase
| Argomento | Description |
|---|---|
| Che cos'è la scalabilità automatica di Lakebase? | Panoramica dell'architettura, della diramazione e della modalità di organizzazione dei progetti di Lakebase. |
| Tutorial | Esercitazioni pratiche per flussi di lavoro tipici, tra cui la diramazione, lo sviluppo di applicazioni e l'accesso utente. |
| Concetti fondamentali | Scalabilità automatica, scalabilità a zero, diramazione e funzionamento di calcolo e archiviazione separati. |
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 di ripristino. |
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. |
| 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 Mosaic AI Model Serving. |
Gestire e operare
Creare, configurare e gestire progetti e risorse.
| Task | Description |
|---|---|
| Gestione dei progetti | Creare, configurare e gestire progetti. |
| Gestire le autorizzazioni del progetto | Concedere e gestire le autorizzazioni per controllare l'accesso e la gestione dei progetti. |
| Gestire i rami | Creare e gestire rami per lo sviluppo e il test. |
| Gestire risorse di calcolo | Configurare le risorse di calcolo e il ridimensionamento per le filiali. |
| Gestire le repliche in lettura | Creare e gestire repliche di sola lettura per scalare le operazioni di lettura. |
| Gestire i ruoli | Creare e gestire ruoli e autorizzazioni postgres. |
| Gestire i database | Creare e gestire database all'interno dei rami. |
| api | Usare l'API di scalabilità automatica di Lakebase per gestire progetti, rami e calcoli a livello di codice. |
| Interfaccia della riga di comando di Databricks | Usare l'interfaccia della riga di comando di Databricks per gestire progetti, rami e calcoli a livello di codice. |
| Bundle di automazione dichiarativa | Usare bundle di automazione dichiarativa per gestire progetti, rami e calcoli come codice. |
| Terraform | Usare Terraform per gestire progetti, rami e calcoli come codice. |
| Updates | Gestire gli aggiornamenti delle versioni di Postgres per i progetti. |
| Monitor | Tenere traccia delle metriche relative a prestazioni, utilizzo e integrità. |
| backup e ripristino | Configurare backup automatizzati e ripristino temporizzato. |