本頁面由 Cloud Translation API 翻譯而成。

BigLake 中繼資料庫簡介

BigLake 中繼存放區是Google Cloud上資料分析產品的全代管中繼存放區。這項服務提供單一可靠資料來源，可用於管理來自多個來源的中繼資料。您可以透過 BigQuery 和各種開放式資料處理引擎存取元資料庫，因此這對資料分析師和工程師來說是一項實用的工具。

舉例來說，您可以使用 BigLake 中繼存放區做為目錄，搭配 Apache Spark 等開放原始碼查詢引擎。您可以使用 BigQuery 查詢使用 Spark 建立的資料表，而不需要同步處理中繼資料。

優點

BigLake 元資料儲存庫可提供多項資料管理和分析優勢：

無伺服器架構。BigLake 元資料庫提供無伺服器架構，因此無需管理伺服器或叢集。這有助於減少作業負擔、簡化部署作業，並可視需求自動調整資源。
引擎互通性。BigLake 中繼資料庫可讓您直接在 BigQuery 中存取資料表，無須額外設定即可查詢儲存在 BigQuery 中的開放格式資料表。舉例來說，您可以在 Spark 中建立資料表，然後直接在 BigQuery 中查詢該資料表。這有助於簡化資料分析工作流程，並減少複雜的資料移動或 ETL 程序需求。
統一使用者體驗BigLake metastore 提供跨 BigQuery 和 BigQuery Studio 的整合式工作流程。這樣一來，您就能直接在 BigQuery 和 BigQuery Studio 中使用 Spark。例如：

首先，您可以使用 BigQuery Studio 筆記本在 Spark 中建立資料表。

接著，您可以在Google Cloud 主控台中查詢相同的 Spark 資料表。

您可以搭配使用 BigLake 元資料庫、 Google Cloud 主控台、gcloud CLI、BigQuery REST API 或 Iceberg REST API。

BigLake 元資料庫支援下列整合：

Google Cloud建議使用 BigLake metastore。

BigLake 元資料庫和 BigLake 元資料庫 (傳統版) 之間的主要差異包括以下幾點：

BigLake metastore (傳統版) 是獨立的 metastore 服務，與 BigQuery 不同，且僅支援 Iceberg 資料表。它採用不同的三部分資源模型。BigLake 中繼資料庫 (傳統版) 資料表不會自動從 BigQuery 探索。
BigLake 中繼資料庫是以 BigQuery 目錄為基礎，並直接與 BigQuery 整合。BigLake metastore 中的資料表可透過多個開放原始碼引擎變更，且可透過 BigQuery 查詢相同的資料表。使用 BigQuery ��有一��可��資料來源可用於處理中繼資料。舉例來說，BigLake metastore 支援直接整合 Spark。這項整合功能可提供更流暢的工作流程，並有助於減少儲存中繼資料和執行工作時的冗餘資料。

以下限制適用於 BigLake 元資料庫資料表：

您無法使用 BigQuery 引擎的 DDL 或 DML 陳述式建立或修改 BigLake 元資料庫資料表。您可以使用 BigQuery API (搭配 bq 指令列工具或用戶端程式庫) 修改 BigLake 元資料庫資料表，但這樣做可能會導致變更與外部引擎不相容。
BigLake 中繼資料表不支援重新命名作業或 ALTER TABLE ... RENAME TO Spark SQL 陳述式。
BigLake 元資料庫資料表的配額和限制與標準資料表相同。
與查詢標準 BigQuery 資料表中的資料相比，透過 BigQuery 引擎查詢 BigLake 元資料庫表格的效能可能較慢。一般來說，BigLake 元資料庫資料表的查詢效能應與直接從 Cloud Storage 讀取資料的效能相同。
使用 BigLake 中繼資料表的查詢模擬執行可能會回報資料的下限為 0 位元組，即使傳回資料列也一樣。這是因為實際查詢完成前，無法判斷從資料表處理的資料量。執行查詢時，系統會產生處理這項資料的費用。
您無法在萬用字元資料表查詢中參照 BigLake 元資料儲存庫資料表。
您無法使用 tabledata.list 方法從 BigLake 中繼資料表擷取資料。您可以將查詢結果儲存到目的地資料表，然後對該資料表使用 tabledata.list 方法。
BigLake metastore 資料表不支援叢集。
BigLake 中繼資料庫表格不支援靈活的資料欄名稱。
系統不支援顯示 BigLake 元資料庫資料表的資料表儲存空間統計資料。