Kullanım örnekleri

Lakebase Otomatik Ölçeklendirme üç temel kullanım modelini destekler: Postgres'te lakehouse verilerini sunmak, uygulama arka ucunu çalıştırmak ve ajanları ve ML'yi desteklemek. Her model, uygulamanıza lakehouse ile senkronize kalan düşük gecikmeli bir veritabanı sağlamak için Postgres’i Unity Catalog ile birlikte kullanır.

Göl evi verilerini sunma

Eşitlenen tablolar, düşük gecikmeli işlem okumaları için Unity Kataloğu verilerini Lakebase veritabanınıza getirir. Bir kaynak tablo seçin, bir eşitleme modu seçin ve işlem hattı tam olarak yönetilir. Eşitleme betikleri yok, harici orkestrasyon yok, izlenecek görev yok. Sürekli mod, verileri kaynağın saniyeleri içinde tutar. Tetiklenen mod, zamanlanmış artımlı güncelleştirmelerle yeniliği ve maliyeti dengeler. Uygulamanız her zaman kendi işletimsel verilerinin yanı sıra en son analizlere de hizmet eder.

İlk adımlar	Öğrenme yolu
Eşitlenmiş tablo oluşturma Devam eden eşitlemeleri zamanlayın	Eşitleme modları — Anlık Görüntü, Tetiklenen veya Sürekli Veri türü eşlemesi — UC ile Postgres tür uyumluluğu Kapasite planlaması — bağlantı sınırları, aktarım hızı oranları Unity Kataloğu'nda kaydolma — operasyonel ve analitik veriler arasında kaynaklar arası sorgular

Uygulama arka ucu

Uygulamanız, Herhangi bir Postgres veritabanına bağlandığınız gibi Lakebase'e bağlanır. Zaten bildiğiniz sürücüleri ve çerçeveleri kullanın. Uygulamanızda ani bir trafik artışı olduğunda, otomatik ölçeklendirme bağlantıları kesmeden işlem gücü ekler. Trafik kesildiğinde, sıfıra ölçeklendirme veritabanını askıya alır ve bir sonraki sorguda yüzlerce milisaniye içinde yeniden etkinleşir. Tepe talebe göre kapasite tahsis etmezsiniz ve atıl kapasite için ödeme yapmazsınız. Geliştirme için dallanma, her geliştiriciye veri dağıtımı, depolama yinelemesi ve bekleme olmadan üretim veritabanının yalıtılmış bir kopyasını verir.

İlk adımlar	Öğrenme yolu
Databricks Uygulaması oluşturma — yönetilen kimlik bilgileriyle şablon dağıtma Özel Databricks Uygulaması, SDK veya API gibi kendi uygulamanızı bağlama	Otomatik ölçeklendirme nasıl çalışır ? Yük altında işlem davranışı Sıfıra ölçeklendirme — askıya alma, yeniden etkinleştirme, boşta kalma zaman aşımı Branşlar nasıl çalışır — geliştirme ve test için copy-on-write yalıtımı Kimlik doğrulaması — üretim uygulamaları için belirteç döndürme

Ajanlar ve ML

Lakebase, ajan belleği ve gerçek zamanlı özellik sunumu için arka uç görevi görür. LangGraph veya OpenAI Aracıları SDK'sı ile oluşturulan aracılar konuşma durumunu ve uzun süreli belleği Postgres'te depolar. Model Serving erişim özelliğiyle sunulan modeller, Lakebase Autoscaling tarafından desteklenen Çevrimiçi Özellik Depoları aracılığıyla özellik verilerine erişir. Her ikisi de otomatik ölçeklendirme, sıfıra kadar ölçeklendirme ve Unity Catalog yönetişiminden yararlanır.

İlk adımlar

Öğrenme yolu

Databricks Uygulamalarında aracı dağıtma — şablonu kopyalama ve dağıtma Aracı durumu ve bellek — Lakebase ile kısa ve uzun vadeli bellek ekleme

Kendi kendini yöneten ajan belleği (Lakebase) — LangGraph denetim noktası oluşturucuları, bellek şablonları Model Sunma konusunda durum bilgisi olan aracılar — zaman yolculuğu, denetim noktası yönetimi Özellik Deposu ve Model Sunma — Lakebase tarafından desteklenen düşük gecikme süreli özellik verileri Çevrimiçi Özellik Mağazaları — özellik depoları oluşturma, yayımlama ve yönetme Karma vektör ve anahtar sözcük araması — lakebase_vector ve lakebase_text uzantılarıyla anlamsal ve tam metin araması