借助 Lakehouse 运行时目录，您可以将表元数据集中存储在全托管式无服务器 metastore 中，该 metastore 可作为无边界 Lakehouse 中数据的单一事实来源。借助集中式元数据，处理引擎（包括 Apache Spark、Apache Flink、Apache Hive 和 BigQuery）可以直接共享表，而无需复制文件。
当您配置客户端端点（例如 Apache Iceberg REST 目录）时，它会充当管理界面，将查询引擎连接到 Lakehouse 运行时目录。该端点处理表元数据，而 Cloud Storage 存储底层元数据和数据文件。
作为 Lakehouse 的核心组件，Lakehouse 运行时目录提供开放式 API 互操作性，并且在与 BigQuery 搭配使用时支持分析、流式传输和 AI 工作负载。如需详细了解这些架构 优势，请参阅什么是无边界 Lakehouse？
Lakehouse 如何与集成 Google Cloud
如需了解 Lakehouse 如何管理您的数据，请参阅 Lakehouse 架构如何与 Google Cloud 服务集成。 Apache Iceberg 不会将数据存储在单体表中。相反，它使用元数据文件的分层架构将数据文件整理到具有 ACID 事务支持的统一表结构中。
下图说明了 Managed Service for Apache Spark 等计算引擎如何使用 Lakehouse 运行时目录来管理表元数据，以便直接在 Cloud Storage 中读取和写入底层 Parquet 数据文件。
使用 Lakehouse 时，技术架构由三个不同的层组成：
目录层：
元数据层：
- 核心 Iceberg 概念：此层使用三种文件类型的层次结构跟踪表结构、
快照和文件位置：
- 元数据文件：存储表的架构、分区 规范和快照指针日志。
- 清单列表：通过对清单文件集合进行 分组来表示表的单个快照。
- 清单文件：在单个文件级别跟踪数据， 存储文件路径、分区信息和列级 统计信息（例如行数以及最小值和最大值）， 这些信息用于查询优化和分区 剪枝。
- Lakehouse 实现：在目录容器中，
您可以将数据整理到逻辑命名空间（类似于
数据集）和表中。对于每个表，Lakehouse 运行时目录都会生成和管理底层 Iceberg 元数据层次结构，从指向清单列表和清单文件的根
metadata.json文件开始。Lakehouse 运行时目录直接将这些文件保留在您指定的仓库存储位置。
- 核心 Iceberg 概念：此层使用三种文件类型的层次结构跟踪表结构、
快照和文件位置：
数据层:
Lakehouse 如何实现 Apache Iceberg REST Catalog API
Lakehouse 运行时目录实现了开源 Apache Iceberg REST Catalog API 来管理命名空间和表。它还提供专门用于目录管理的扩展 API 。
客户端查询引擎使用这些标准 REST 目录 API 与 metastore 交互。如需详细了解 Google Cloud 资源和端点，请参阅 Lakehouse REST API 参考文档。
您可以使用 Google Cloud 控制台、gcloud CLI、REST API 或 Terraform 创建、配置和管理这些资源。 如需了解详情，请参阅以下页面：
查询引擎兼容性和配置
如需分析和管理 Lakehouse 运行时目录中的数据，您可以连接不同的开源和企业查询引擎。您可以根据现有架构和工作负载要求，从多个受支持的引擎中进行选择，并配置相应的目录端点。
受支持的引擎
Lakehouse 运行时目录与多个查询引擎兼容，包括但不限于 Apache Spark、Apache Flink、Apache Hive 和 Trino。下表提供了指向每个引擎的文档的链接：
| 引擎 | 文档 |
|---|---|
| Apache Spark | 与 Apache Spark 搭配使用 |
| Apache Hive | 与 Spark 和 Hive 目录搭配使用 |
| Apache Flink | 与 Apache Flink 搭配使用 |
| Trino | 与 Trino 搭配使用 |
目录类型和端点配置
在配置客户端引擎以连接到 Lakehouse 运行时目录 metastore 时，您可以选择特定的 目录端点，例如 Apache Iceberg REST 目录端点或 Apache Hive 端点。最佳选择取决于您的用例，如 下表所示：
| 用例 | 建议 |
|---|---|
| 希望其开源引擎访问 Cloud Storage 中的数据，并且需要与其他引擎（包括 BigQuery 和 AlloyDB for PostgreSQL）实现互操作性的 Lakehouse 运行时目录新用户。 | 使用 Apache Iceberg REST 目录端点。 |
| 运行依赖于 Hive Metastore 接口的 Apache Hive 或 Spark 工作负载，并且需要全托管式 metastore 服务的用户。 | 使用 Apache Hive 目录端点。 |
| 使用自定义 Apache Iceberg 目录为 BigQuery 端点创建了当前表的现有 Lakehouse 运行时目录用户。 | 继续使用自定义 Apache Iceberg 目录为 BigQuery 端点，但为 新工作流 使用 Apache Iceberg REST 目录。 |
Lakehouse 运行时目录限制
通过 BigQuery 查询 Lakehouse 运行时目录中的表时，适用以下一般限制。 各个目录端点（例如 Apache Iceberg REST 或 Apache Hive）可能具有其他特定于端点的限制。
表管理
- 支持 Apache Iceberg V2 表（正式版）和 V3 表（预览版）。不支持 Iceberg V1 表。在将现有 V1 表与 Lakehouse 运行时目录搭配使用之前，您必须将其升级到受支持的版本。如需了解详情，请参阅将 Iceberg V1 表升级到 V2。
- Lakehouse 运行时目录中的表不支持
重命名操作或
ALTER TABLE ... RENAME TOSpark SQL 语句。 - Lakehouse 运行时目录中的表不支持 聚类。
- Lakehouse 运行时目录中的表不支持
提取作业。此限制适用于
EXPORT DATA语句和bq extractCLI 命令。 - Lakehouse 运行时目录不支持数据库或 metastore 视图。
- Lakehouse 运行时目录不支持 Apache Iceberg 视图。
查询
- 与在标准 BigQuery 表中查询数据相比，BigQuery 引擎中 Lakehouse 运行时目录中的表的查询速度可能较慢。一般而言，查询速度应等同于从 Cloud Storage 读取数据。
- 使用 Lakehouse 运行时目录中的表的查询的 BigQuery 试运行 可能会报告 0 字节数据的下限，即使返回行也是如此。 出现这种结果的原因是，在运行完整查询之前，无法确定从表中处理的数据量。运行查询会产生处理此数据的费用。
- 您无法在 通配符表 查询中引用 Lakehouse 运行时目录中的表 。
API 和元数据
- 您无法使用
tabledata.list方法 从 Lakehouse 运行时目录中的表中检索数据。不过，您可以将查询结果保存到 BigQuery 表中，然后对该表使用tabledata.list方法。 - 不支持显示 Lakehouse 运行时目录中的表的表存储空间统计信息。
配额和限制
- BigQuery 中 Lakehouse 运行时目录中的表与标准表具有相同的 配额和 限制。
与 BigLake metastore（经典版）的差异
Lakehouse 运行时目录与 BigLake metastore（经典版）之间的核心区别包括以下内容：
- Lakehouse 运行时目录支持与 Spark 等开源引擎直接集成，这有助于减少存储元数据和运行作业时的冗余。您可以从多个开源引擎和 BigQuery 直接访问 Lakehouse 运行时目录中的表。
- Lakehouse 运行时目录支持 Apache Iceberg REST 目录端点，而 BigLake metastore（经典版）不支持。
后续步骤
- 了解 Apache Iceberg REST 目录 端点。
- 配置区域级端点。