Hier erfahren Sie, wie Sie einen cloudübergreifenden Datenzugriff einrichten, um Datensilos in Amazon Web Services (AWS), Google Cloudund AlloyDB for PostgreSQL ohne komplexe ETL-Prozesse zu vereinheitlichen.
Sie verwenden Borderless Lakehouse als zentralen Intelligence-Hub, AlloyDB als operative Datenquelle und Managed Service for Apache Spark für die leistungsstarke vektorisierte Verarbeitung. Schließlich verwenden Sie Gemini, um aus Ihrem Lakehouse aussagekräftige Geschäftsinformationen abzuleiten.
Szenario
In diesem Szenario haben Sie Daten aus den folgenden Quellen:
- Transaktionale Daten (Nutzer, Bestellungen, Bestellartikel) in einer operativen AlloyDB-Datenbank.
- Produktdaten in einem AWS S3-Bucket.
- Clickstream-Ereignisprotokolle in Cloud Storage.
Sie führen diese Datasets zusammen, um Zielgruppen für Ihre nächste Marketingkampagne zu identifizieren und personalisierte E-Mails zu generieren.
Lerninhalte
In diesem Codelab führen Sie die folgenden Aufgaben aus:
- Richten Sie Lakehouse-Katalogendpunkte ein und konfigurieren Sie sie, um Datensilos in AWS S3, Cloud Storage und AlloyDB zu vereinheitlichen.
- Führen Sie mit Managed Service for Apache Spark eine leistungsstarke vektorisierte Abfrageverarbeitung aus.
- Sie können Transaktions-, Produkt- und Clickstream-Datasets ohne Datenverschiebung oder komplexe ETL-Pipelines zusammenführen.
- Mit Gemini können Sie Geschäftsdaten ableiten und personalisierte Marketingkampagnen aus Ihrem Lakehouse generieren.
Codelab absolvieren
Schritt-für-Schritt-Codelab starten:
Codelab „Borderless Lakehouse“ starten