Gebruikssituaties

Lakebase Autoscaling ondersteunt drie primaire patronen: serveer lakehouse-gegevens in Postgres, voer een toepassingsback-end uit en power AI-agents en ML. Elk patroon maakt gebruik van Postgres naast Unity Catalog om uw toepassing een database met lage latentie te geven die gesynchroniseerd blijft met lakehouse.

Lakehouse-gegevens aanbieden

Lakehouse-rijen gesynchroniseerd naar Lakebase Postgres voor app-leesbewerkingen met lage latentie

Gesynchroniseerde tabellen brengen Unity Catalog-gegevens naar uw Lakebase-database voor transactionele leesbewerkingen met lage latentie. Kies een brontabel, kies een synchronisatiemodus en de pijplijn wordt volledig beheerd. Geen synchronisatiescripts, geen externe orkestratie, geen taken om te monitoren. Continue modus bewaart gegevens binnen enkele seconden van de bron. De geactiveerde modus zorgt voor een balans tussen nieuwheid en kosten met geplande incrementele updates. Uw toepassing biedt altijd de nieuwste analysegegevens samen met de eigen operationele gegevens.

Eerste stappen Leertraject

Applicatiebackend

Standard Postgres-clients maken verbinding met Lakebase Postgres

Uw toepassing maakt verbinding met Lakebase op dezelfde manier als deze verbinding maakt met een Postgres-database. Gebruik de stuurprogramma's en frameworks die u al kent. Wanneer uw app een piek in het verkeer krijgt, wordt met automatisch schalen rekenkracht toegevoegd zonder verbindingen te verwijderen. Wanneer er geen verkeer meer is, pauzeert scale-to-zero de database en activeert deze bij de volgende query binnen enkele honderden milliseconden opnieuw. U bent niet ingericht voor pieken en u betaalt niet voor inactiviteit. Voor development geeft het werken met branches elke ontwikkelaar een geïsoleerde kopie van de productiedatabase, zonder data te hoeven seeden, zonder opslagduplicatie en zonder te hoeven wachten.

Eerste stappen Leertraject

AI-agenten en ML

Agents slaan geheugen en modellen leesfuncties op via Lakebase Postgres, gesynchroniseerd met lakehouse

Lakebase fungeert als de backend voor het geheugen van AI-agents en het realtime serveren van features. Agents die zijn gebouwd met LangGraph of de OpenAI Agents SDK slaan de gespreksstatus en het langetermijngeheugen op in Postgres. Modellen die via Mosaic AI worden aangeboden, benaderen featuregegevens via Online Feature Stores die mogelijk worden gemaakt door Lakebase Autoscaling. Beide profiteren van automatisch schalen, schalen naar nul en Unity Catalog-governance.

Eerste stappen Leertraject
  • Last updated on