Databricks macht Lakebase Postgres auf Google Cloud allgemein verfügbar

Rechenleistung vom Speicher getrennt

Nach Angaben von Databricks trennt die Lakebase-Architektur Rechenleistung und Speicher. Das beseitige die Ressourcenkonflikte und den Infrastrukturaufwand herkömmlicher Datenbanken. Zudem nutzt die Datenbank dieselbe Speicherschicht wie die analytischen Daten eines Unternehmens, sodass keine Pipelines zwischen beiden aufgebaut und gepflegt werden müssen.

Das Unternehmen versteht dies als Antwort auf die lange bestehende Trennung zwischen transaktionalen Datenbanken und Analyseplattformen. Wer operative Daten in das Lakehouse überführen wollte, musste bislang ETL-Pipelines bauen, Speicher duplizieren und Verzögerungen bei den Daten hinnehmen. Databricks argumentiert, dass dieser Aufwand zunehmend zur Belastung wird, da KI-Agenten in Echtzeit auf Daten zugreifen und handeln.

Lakebase wird als zentraler Baustein der Architektur für Lake Transactional/Analytical Processing (LTAP) beschrieben. Sie soll es Organisationen laut Databricks ermöglichen, ihre Datenbasis zu vereinheitlichen, den Betriebsaufwand zu senken und die Infrastrukturkosten zu verringern.

Funktionen für schnelleres Entwickeln und Ausliefern

Databricks nennt für die Version auf Google Cloud mehrere Funktionen:

• Serverless-Autoscaling und Scale to Zero: Die Rechenleistung passt sich dem Datenverkehr an und schaltet sich im Leerlauf ab, sodass Kunden nicht für ungenutzte Kapazität zahlen.
• Sofortiges Branching: Isolierte Zero-Copy-Branches von Produktionsdaten lassen sich in Sekunden erstellen, um Änderungen gefahrlos zu testen.
• Point-in-Time-Recovery: Eine Datenbank kann auf einen bestimmten Zeitpunkt zurückgesetzt werden, um Fehler oder versehentliche Löschungen zu beheben.
• Standard-Postgres: Vorhandene Tools, Treiber und Erweiterungen funktionieren, darunter eine integrierte, mit pgvector kompatible Suchmaschine für KI-gestützte Suche.
• Einheitliche Governance mit Unity Catalog: Konsistente Zugriffskontrolle, Datenherkunft (Lineage) und Auditing über operative, analytische und KI-Daten hinweg.

KaBuM! wird als früher Nutzer zitiert. Pablo Henrique de Freitas, Data and AI Manager des Unternehmens, erklärte, KaBuM! habe Lakebase Postgres als Standard-Speicherschicht für KI-Agenten gewählt, weil die Datenbank die niedrige Latenz bei Lese- und Schreibzugriffen liefere, die die konversationelle KI des Unternehmens benötige.

Verfügbarkeit, Sicherheit und Leistungsangaben

Zur Zuverlässigkeit teilt Databricks mit, dass Multi-Zone-Endpunkte mit hoher Verfügbarkeit und automatischem Failover durch ein SLA von 99,99 Prozent abgesichert sind, Single-Zone-Endpunkte durch ein SLA von 99,9 Prozent. Unternehmenskunden können zudem Google Cloud Private Service Connect nutzen, derzeit in der Beta-Phase, um den Datenverkehr der Datenbank aus dem öffentlichen Internet herauszuhalten und Anwendungen in der eigenen VPC direkt mit Lakebase zu verbinden.

Nutzer und Service Principals authentifizieren sich per Databricks OAuth oder mit nativen Postgres-Zugangsdaten, der Zugriff wird zentral in Unity Catalog gesteuert.

Bei der Suche kombiniert Lakebase Search nach Angaben von Databricks Vektor- und Volltextsuche in Postgres und erreicht damit den doppelten Durchsatz von pgvector bei einem Viertel der Kosten, ohne zweites System und ohne Synchronisierungs-Pipelines. Für die Datenaufnahme überträgt die Funktion Direct writes angereicherte Lakehouse-Daten in Lakebase Postgres, ohne eine App auszubremsen. Laut dem Unternehmen zeigen Tests, dass das Laden von 1 TB an Daten weniger als fünf Minuten dauert.

Regionen und Einstieg

Zur allgemeinen Verfügbarkeit steht Lakebase Postgres auf Google Cloud in fünf Regionen bereit: asia-southeast1, europe-west3, us-central1, us-east4 und us-west1.

Kunden können ihr erstes Lakebase-Projekt aus einem Databricks-Workspace auf Google Cloud heraus anlegen, sich mit vorhandenen Postgres-Tools verbinden und loslegen. Für Teams, die bereits auf Google Cloud arbeiten, bedeutet die Veröffentlichung eine verwaltete Postgres-Option, die demselben Governance-Modell unterliegt wie ihre Databricks-Analyse- und KI-Daten. Die Angaben zu Leistung und Kosten stammen von Databricks selbst, Preisangaben enthält die Ankündigung nicht.