Организации часто сталкиваются с разрозненными данными, распределенными по множеству специализированных платформ и облаков. Ранее это требовало либо создания сложных конвейеров данных, либо принятия неполной отчетности. Традиционные методы включают копирование данных в центральные хранилища, что приводит к проблемам синхронизации, затратам на хранение и сбоям конвейеров при изменении схем. Безграничный Lakehouse от Google Cloud, построенный на Apache Iceberg, предлагает решение, позволяя вычислениям и ИИ получать доступ к данным на месте на различных платформах. Эта архитектура синхронизирует метаданные, позволяя при этом прямой доступ к файлам данных. Она поддерживает федерацию данных из Databricks, Snowflake и AWS Glue в BigQuery без миграции данных. Федеративные запросы в BigQuery используют четырехкомпонентный путь для доступа к данным в этих внешних каталогах. Эта интеграция позволяет унифицировать запросы и анализ разрозненных наборов данных. Кроме того, федеративные таблицы могут использоваться с разговорной аналитикой BigQuery для исследования с использованием естественного языка. Операционные аспекты включают управление временем фонового обновления, понимание кэширования запросов и обеспечение соответствия требованиям к месту хранения данных. Безграничный Lakehouse призван упростить активацию данных, устраняя дорогостоящие миграции и сложные конвейеры.