Google Cloud publicó el 4 de noviembre una tanda de novedades de lo que llama su nube de datos agéntica. La más sustancial es la disponibilidad general del interconexionado entre nubes con caché para AWS y Azure: las consultas a datos alojados en esas nubes viajan por una conexión privada, sin costes variables de salida, y los bloques recuperados se guardan automáticamente en caché dentro de Google Cloud.
El anuncio incluye además federación de catálogos Apache Iceberg con Unity Catalog de Databricks, Horizon de Snowflake y Glue de AWS, y se extiende a Oracle, Atlan y Collibra. En la parte operacional, AlloyDB puede consultar directamente tablas Iceberg en almacenamiento de objetos sin tuberías de extracción ni copias, de modo que una misma consulta PostgreSQL cruza datos operacionales vivos con el histórico del lago; las tablas quedan registradas de forma automática en el catálogo de conocimiento. La compañía afirma que esa lectura es hasta siete veces más rápida en consultas de agregación que el servicio compatible con PostgreSQL de Amazon, cifra propia y sin condiciones de prueba detalladas.
El catálogo de conocimiento recibe su propia lista de cambios. El enriquecimiento autoaprendido, en vista previa, extrae contexto de fuentes no estructuradas como Workspace, GitHub, Jira, Confluence y SharePoint para rellenar huecos de significado. Llega también un estudio conversacional para explorar y auditar ese contexto, con versionado y vuelta atrás, igualmente en vista previa. Y los modelos semánticos de confianza pasan a general: anclan las respuestas de los agentes en fórmulas gobernadas procedentes de BigQuery, Looker, Databricks, Snowflake, dbt y SAP. Spanner Omni, BigQuery Graph y el kit de agentes de datos quedan también en disponibilidad general; AlloyDB Express, en vista previa.
La pieza que más cambia los cálculos de arquitectura es la primera. El coste de salida de datos ha sido durante años el peaje que ataba un conjunto de datos a la nube donde nació: consultarlo desde otra plataforma era técnicamente posible y económicamente disuasorio. Eliminar la parte variable de ese coste no suprime el problema del todo, pero sí convierte una conversación de factura en una de latencia y gobierno, que es donde debería haber estado siempre.
La federación de catálogos apunta en la misma dirección que el movimiento de Snowflake con Horizon la semana pasada: el formato de tabla ya está decidido a favor de Iceberg y la competencia se ha mudado al catálogo, la pieza que resuelve qué tablas existen y quién puede tocarlas. Para una organización española con infraestructura repartida entre dos nubes —un caso corriente cuando el histórico vive en un sitio y la aplicación en otro—, poder leer el catálogo ajeno en lugar de replicar sus datos reduce el gobierno paralelo, que es donde suele estar el agujero real.
Dos cautelas antes de planificar. La primera es la de siempre con estas tandas: buena parte de lo anunciado está en vista previa, y conviene separar en una lista qué está general y qué no antes de comprometer un diseño. La segunda es específica del enriquecimiento automático de contexto: un proceso que lee Confluence, SharePoint y Jira para deducir el significado de los datos atraviesa repositorios donde suele haber información personal y documentos de acceso restringido, así que la revisión de permisos y de base legal es parte del despliegue, no un trámite posterior.
Más en Dataprix: clasificación de plataformas de datos para empresas de Dataprix
Fuente: Google Cloud (blog oficial)
Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.