Lakehouse para dados distribuídos
O Google Cloud anunciou aprimoramentos para o borderless Lakehouse, arquitetura baseada em Apache Iceberg voltada a conectar sistemas locais, ambientes operacionais em múltiplas nuvens e nuvens de aplicações SaaS. A proposta é ativar e consultar os dados onde eles estão, sem transferir arquivos.
Segundo o anúncio, Gemini Enterprise e agentes conversacionais podem analisar e agir sobre dados independentemente de sua localização física. A conectividade usa o catálogo REST do Iceberg e inclui federação de catálogos para AWS Glue, Databricks Unity e Snowflake Horizon, recurso em preview.
O acesso bidirecional é oferecido por BigQuery, Managed Service for Apache Spark e mecanismos compatíveis com Iceberg. Isso permite consultar tabelas externas e compartilhar conjuntos de dados derivados de volta aos sistemas parceiros, conforme descrito pelo Google Cloud.
Integração com SaaS e bancos transacionais
O anúncio também cita integrações sem cópia de dados com SAP, Salesforce e Workday. O BigQuery pode consultar diretamente dados ativos nessas plataformas, sem a necessidade de pipelines complexos de ETL.
Na área de bancos de dados, o Google Cloud informou que o Spanner Omni permite executar o banco de dados fora de seu ambiente de nuvem. Já a Lakehouse Federation para AlloyDB permite que sistemas transacionais consultem warehouses diretamente.
Conectividade, custos e governança
Para tráfego entre nuvens, a oferta utiliza Cross-Cloud Interconnects, conexões privadas e dedicadas. O modelo gerenciado simplifica o provisionamento de 1G a 100G por assinatura de taxa fixa e prevê conexão com SLA. Há, porém, uma taxa horária pelo serviço de interconexão.
O Google Cloud afirma que o borderless Lakehouse tem custo variável de egress zero para acesso a dados da AWS. O anúncio também descreve um cache inteligente que armazena temporariamente fragmentos remotos no Google Cloud para evitar transferências repetidas em consultas posteriores.
Na camada de contexto, o Knowledge Catalog agrega, extrai e indexa metadados sincronizados de AWS Glue, Databricks Unity Catalog e Snowflake Horizon. O objetivo declarado é transformar esquemas técnicos em terminologia de negócio, com linhagem em nível de coluna e controles de acesso na camada de metadados.
Agentes de dados no Gemini Enterprise
O Google Cloud Data Agent Kit, combinado à Conversational Analytics API, pode ser usado para criar e publicar agentes de dados que operam diretamente no borderless Lakehouse dentro do Gemini Enterprise. O kit inclui recursos para desenvolvimento de agentes, habilidades analíticas pré-codificadas e ferramentas baseadas em Model Context Protocol (MCP).
Para gestores, a avaliação deve considerar quais fontes de dados precisam ser consultadas sem replicação, as políticas de acesso que devem acompanhar essas consultas e os custos da conectividade dedicada. A federação de catálogos com AWS Glue, Databricks Unity e Snowflake Horizon ainda está em preview.
O Google Cloud declara que clientes têm observado redução de 230 vezes no consumo de tokens com funções de IA integradas e otimizadas para custo do BigQuery. O anúncio não detalha os casos de uso, a metodologia ou a base de comparação desse resultado.