Découvrez comment configurer l'accès aux données multicloud pour unifier les silos de données dans Amazon Web Services (AWS), Google Cloud, et AlloyDB pour PostgreSQL sans ETL complexe.
Vous utilisez Lakehouse sans limites comme hub d'intelligence central, AlloyDB comme source de données opérationnelles et Managed Service for Apache Spark pour un traitement vectorisé hautes performances. Enfin, vous utilisez Gemini pour obtenir des insights commerciaux puissants à partir de votre lakehouse.
Scénario
Dans ce scénario, vous disposez de données provenant des sources suivantes :
- Données transactionnelles (utilisateurs, commandes, éléments de commande) dans une base de données opérationnelle AlloyDB.
- Données produit dans un bucket AWS S3.
- Journaux d'événements de flux de clics dans Cloud Storage.
Vous joignez ces ensembles de données pour identifier les données démographiques cibles de votre prochaine campagne marketing et générer des e-mails de sensibilisation personnalisés.
Objectifs
Dans cet atelier de programmation, vous allez réaliser les tâches suivantes :
- Configurer des points de terminaison de catalogue Lakehouse pour unifier les silos de données dans AWS S3, Cloud Storage et AlloyDB.
- Exécuter un traitement de requêtes vectorisé hautes performances à l'aide de Managed Service for Apache Spark.
- Joindre des ensembles de données transactionnelles, de produits et de flux de clics sans déplacement de données ni pipelines ETL complexes.
- Utiliser Gemini pour obtenir des insights commerciaux et générer des campagnes marketing personnalisées à partir de votre lakehouse.
Commencer l'atelier de programmation
Lancez l'atelier de programmation par étapes :
Démarrer l'atelier de programmation Lakehouse sans limites
Étape suivante
- En savoir plus sur les concepts de Lakehouse concepts.
- Découvrez comment interroger des données à distance.
- Vérifiez les régions et les fonctionnalités compatibles.