Google跨雲儲存引擎BigLake更新，可用於簡單開發事件驅動應用

Google去年發布的全託管低延遲NoSQL資料庫BigLake，迎來了幾項重要更新，包括可用於建構事件驅動應用程式的更改串流（Change Stream），還透過在混合交易和分析處理加入優先等級，避免資源爭奪，而用戶現在也可以不需使用ETL，就直接將BigQuery資料匯出至Bigtable。

BigLake作為統一儲存引擎，能夠跨不同雲端和格式，提供精細度一致的儲存控制，解決企業在不同環境以多種資料格式儲存資料，造成資料孤島的問題。

BigLake推出新的更改串流功能，用戶能夠追蹤Bigtable變更，並且和其他系統整合，官方舉例，Bigtable的資料變更可以複製到BigQuery中進行分析，又或是複製到ElasticSearch執行全文搜尋，甚至複製到其他資料庫中以支援多雲和混合雲架構。透過訊息傳遞服務Pub/Sub和無伺服器服務Cloud Functions，就能夠觸發下游操作，甚至是整合Vertex AI建立機器學習驅動應用。

更改串流可以讓零售商更簡單地監控產品目錄變化，隨時監控產品的定價和可用性，並且觸發應用內或是電子郵件通知，提醒客戶商品狀態變更。銀行應用也可以利用更改串流，將上傳的文件交付給Cloud Vision人工智慧，以解析其內容。

另外，過去在分析營運資料的應用上，企業常會擔心資源競爭的問題，當分析操作消耗過多的資源，可能破壞具延遲敏感性的工作負載，部分團隊需要創建額外的執行個體，專門執行批次分析任務，又或是在低流量時刻進行操作，但這些方法可能產生額外成本或是管理工作。

而Bigtable新的請求優先等級功能，則可以解決這個問題，當用戶在執行較不具時效性的大型工作負載，像是分析查詢和批次寫入，便能夠將其設為低優先等級，Bigtable便會選擇優先處理高時效性的查詢作業，進而減少批次處理對系統的影響。

常用的Bigtable資料存取路徑，諸如BigQuery聯合、Dataflow和Spark連接器，也都支援請求優先等級，分析師、資料工程師和資料科學家都能夠操作資料，Bigtable將會依優先等級排序工作，降低批次資料載入或是模型訓練對整體系統效能的影響。

BigQuery現在也可以直接將資料匯出到Bigtable，過去將資料移入營運資料庫需要經過複雜的ETL工作管線，而Bigtable更新後開發者能夠自助，將資料從資料倉儲移動到營運資料庫。此外，Bigtable的另一項重要更新是能夠與HBase雙向複製，透過Bigtable所提供Apache HBase相容API，還有通用的寬欄位（Wide-Column）資料庫結構，能夠簡單地實踐雙向複製，使用戶建構多雲或是混合雲部署。