Google Cloud موتور ذخیره سازی چند پلتفرمی جدید خود را به نام BigLake معرفی کرده است

در نشست ابری، گوگل از انتشار نسخه آزمایشی موتور ذخیره‌سازی جدید BigLake خبر داد که تجزیه و تحلیل داده‌ها را برای شرکت‌ها آسان‌تر می‌کند. ایده موتور ذخیره سازی BigLake استفاده از تجربه گوگل در راه اندازی و مدیریت پایگاه داده BigQuery و گسترش آن به پلت فرم ذخیره سازی ابری این شرکت است که در واقع ترکیبی از بهترین خدمات ذخیره سازی غول جستجو است. اینترنت در یک سرویس واحد .

شایان ذکر است که این داده ها را می توان در BigQuery ذخیره کرد و در AWS S3 و نسل دوم Azure Data Lake Storge قابل ذخیره است. توسعه دهندگان با استفاده از BigLake به دستگاه ذخیره سازی یکپارچه دسترسی خواهند داشت و می توانند اطلاعات اولیه ذخیره سازی را از طریق یک سیستم بدون نیاز به جابجایی یا تکرار داده ها جستجو کنند.

موتور ذخیره سازی ابری گوگل BigLake

BigLake به مدیران اجازه می دهد تا از برچسب های سفارشی استفاده کنند، سیاست های امنیتی خود را در سطح جدول، ردیف و ستون پیکربندی کنید. این ویژگی شامل داده های ذخیره شده در Google Cloud و دو سیستم شخص ثالث پشتیبانی می شود. زمانی که BigQeuery، سرویس تجزیه و تحلیل ابری گوگل، این کنترل های امنیتی را مجاز می کند.

مقالات مرتبط:

این کنترل های امنیتی در مرحله بعد تضمین می کند که فقط داده های مناسب به ابزارهایی مانند Trino، Presto، Spark و Flow تانسور منتقل می شود. این سرویس همچنین با ابزار Dataplex گوگل یکپارچه شده است تا قابلیت های مدیریت داده بیشتری را ارائه دهد. گوگل اشاره می کند که BigLake کنترل دسترسی دقیقی را ارائه می دهد و API آن از Google Cloud و فرمت های فایل مانند Apache Parket و موتورهای پردازش متن باز مانند Apache Spark استفاده می کند.

  آینده سرفیس مایکروسافت چگونه خواهد بود؟

موتور ذخیره سازی ابری گوگل BigLake

همچنین امروز گوگل اعلام کرد که Spanner، پایگاه داده جهانی SQL، به زودی ویژگی جدیدی به نام «تغییر جریان» را دریافت خواهد کرد. با ویژگی های جدید، کاربران می توانند به راحتی هر گونه تغییر در پایگاه داده را به صورت زنده پیگیری کنند.

این ویژگی ها تضمین می کند که مشتریان همیشه به آخرین داده ها دسترسی دارند. زیرا آنها می توانند به راحتی تغییرات را برای تجزیه همزمان از Spanner به BigQuery تکرار کنند و رفتار برنامه نویسی پایین دست را با Pub / Sub فعال کنند و تغییرات سفارشی سازی را در Google Cloud ذخیره کنند.

Google Cloud امروز Vertex AI Workbench را از بتا به عمومی تغییر داد. این ابزار برای مدیریت کل چرخه حیات یک پروژه علم داده استفاده می شود. ابزار Google Cloud در Studio BI همچنین جداول Looker مرتبط و دسترسی به مدل های داده Looker را در داده های خود فراهم می کند.

دیدگاهتان را بنویسید