Случаи использования

Автомасштабирование Lakebase поддерживает три основных сценария: работу с данными lakehouse в Postgres, запуск серверной части приложения и обеспечение работы агентов ИИ и моделей машинного обучения. Каждый шаблон использует Postgres вместе с Unity Catalog, чтобы обеспечить приложение низколатентной базой данных, которая остается синхронизированной с Lakehouse.

Предоставление данных lakehouse

Синхронизированные таблицы переносят данные каталога Unity в базу данных Lakebase для чтения транзакций с низкой задержкой. Выберите исходную таблицу, выберите режим синхронизации и конвейер полностью управляется. Никаких скриптов синхронизации, никакой внешней оркестрации, никаких заданий для мониторинга. Непрерывный режим сохраняет данные в течение секунд от источника. Активируемый режим балансирует свежесть и стоимость с запланированными добавочными обновлениями. Приложение всегда обслуживает последнюю аналитику вместе с собственными операционными данными.

Первые шаги	Схема обучения
Создание синхронизированной таблицы Планирование текущих синхронизаций	Режимы синхронизации — моментальный снимок, триггер или непрерывный Сопоставление типов данных — совместимость типов UC с Postgres Планирование емкости — ограничения подключения, скорость пропускной способности Зарегистрируйте в Unity Catalog — запросы к операционным и аналитическим данным из разных источников

Серверная часть приложения

Приложение подключается к Lakebase так же, как оно подключается к любой базе данных Postgres. Используйте драйверы и платформы, которые вы уже знаете. Когда приложение получает пик трафика, автомасштабирование добавляет вычислительные ресурсы без удаления подключений. Когда трафик прекращается, функция масштабирования до нуля приостанавливает базу данных и снова активирует её за несколько сотен миллисекунд при следующем запросе. Вам не нужно выделять ресурсы под пиковую нагрузку и не нужно платить за простой. Для разработки ветвление предоставляет каждому разработчику изолированную копию рабочей базы данных без заполнения данных, дублирования хранилища и ожидания.

Первые шаги	Схема обучения
Создание приложения Databricks — развертывание шаблона с управляемыми учетными данными Подключите собственное приложение — настраиваемое приложение Databricks, SDK или API	Как работает автомасштабирование — поведение вычислений под нагрузкой Масштабирование до нуля — приостановка , повторная активация, время ожидания простоя Как работают ветви — изоляция копирования на записи для разработки и тестирования Проверка подлинности — смена маркеров для рабочих приложений

Агенты ИИ и ML

Lakebase служит серверной частью для памяти агента ИИ и обслуживания функций в режиме реального времени. Агенты, созданные с помощью LangGraph или пакета SDK openAI Agent, хранят состояние беседы и долгосрочную память в Postgres. Модели с доступом к данным признаков Mosaic AI обслуживаются через онлайн-хранилища признаков, работающие на базе автомасштабирования Lakebase. Оба используют автоматическое масштабирование, масштабирование до нуля и средства управления в Unity Catalog.

Первые шаги	Схема обучения
Развертывание агента в Databricks Apps — клонирование шаблона и развертывание Состояние агента и память — добавление краткосрочной и долгосрочной памяти с помощью Lakebase	Агенты с отслеживанием состояния в приложениях — контрольные точки LangGraph, шаблоны памяти Агенты с сохранением состояния в Model Serving — перемещение во времени, управление контрольными точками Хранилище компонентов и обслуживание моделей — данные функций с низкой задержкой, предоставляемые Lakebase Интернет-магазины компонентов — создание, публикация и управление хранилищами компонентов