Databricks Lakebase Postgres 正式登陆 Google Cloud

在 Google Cloud 上，借助完全托管的无服务器 Postgres，为智能体（agentic）和关键任务工作负载提供强大支持。

今天，我们很高兴地宣布 Lakebase Postgres 已在 Google Cloud 上正式可用。在 Google Cloud 上构建的团队现在可以直接在 Databricks Data + AI Platform 上运行生产级、无服务器的 Postgres。

Lakebase 架构将计算与存储分离，从而消除了传统数据库的资源冲突和基础设施开销。它还与你的分析数据共享同一存储层，从而无需构建和维护管道。最终得到的 Postgres 数据库可随你的应用扩展，与你的其余数据资产共享同一治理模型，并降低你的总拥有成本。

Lakebase Postgres 消除了运维障碍，让团队更快交付

多年来，事务型数据库和分析平台一直彼此分离。将运营数据移入湖仓意味着需要构建和维护 ETL 管道、重复存储并接受数据延迟。如今，AI 智能体实时对数据采取行动，这种运维开销成为更大的负担。

而借助 Lakebase，运营工作负载运行在同一平台上，与分析及 AI 享有相同的安全与治理。无需管理孤立的数据库，无需维护单独的访问控制，也无需保持数据移动同步。Lakebase 是 Lake Transactional/Analytical Processing (LTAP) 架构的关键组件，该架构使组织能够统一其数据基础、减少运维开销并降低基础设施成本。

Google Cloud 上的 Lakebase Postgres 提供让团队更快交付的能力：

无服务器自动扩缩容与缩容至零： 计算资源会根据流量自动调整，并在空闲时关闭，因此你无需为未使用的容量付费。
即时分支： 在几秒内创建生产数据的隔离、零拷贝分支，以安全地测试变更。
时间点恢复（PITR）： 将数据库恢复到特定时刻，以从缺陷或意外删除中恢复。
标准 Postgres： 使用你已熟悉的工具、驱动和扩展，包括内置搜索引擎（兼容 pgvector）用于 AI 驱动的搜索。
通过 Unity Catalog 实现统一治理： 在运营、分析和 AI 数据上应用一致的访问控制、血缘和审计。

“我们选择 Lakebase Postgres 作为 KaBuM! 中 AI 智能体的默认记忆层，因为它提供了我们的对话式 AI 实现无缝客户体验所需的低延迟读写。借助 Google Cloud 上的 Lakebase，我们的 AI 工程师拥有了一个快速、可靠且完全集成到我们数据平台中的基础。”- Pablo Henrique de Freitas，KaBuM! 数据与 AI 经理

建立在 Google Cloud 的信任与规模之上

除了让团队更快构建之外，Google Cloud 上的 Lakebase Postgres 还提供生产工作负载所需的规模、可靠性和安全性：

企业级可用性： 多区域高可用端点支持自动故障转移，并提供 99.99% 的 SLA；单区域端点则提供 99.9% 的 SLA。
私有连接（Beta）：企业客户可以通过 Google Cloud Private Service Connect 让数据库流量不经过公共互联网，将其自有 VPC 中的应用直接连接到 Lakebase。
统一身份与访问：用户和服务主体使用 Databricks OAuth 或原生 Postgres 凭据进行身份验证，访问权限在 Unity Catalog 中集中管理。
Postgres 中的可扩展搜索：借助 Lakebase Search，可直接在 Lakebase Postgres 中结合向量搜索与全文搜索，吞吐量达到 pgvector 的 2 倍，成本降低至 1/4（无需第二套系统，无需同步管道）。
优化数据摄取：Direct writes 可让你将丰富的湖仓数据推送到 Lakebase Postgres，而不会拖慢应用。测试显示，加载 1TB 数据耗时不到五分钟。

在 Google Cloud 上开始使用 Lakebase Postgres

Google Cloud 上的 Lakebase Postgres 为下一代应用和 AI 智能体提供了生产就绪的基础，无需管理基础设施，也无需维护管道。正式版（GA）现已可在以下区域使用：

asia-southeast1
europe-west3
us-central1
us-east4
us-west1

在 Google Cloud 上的 Databricks 工作区中创建你的第一个 Lakebase 项目，使用现有的 Postgres 工具连接，几分钟内即可开始构建。

初次使用 Databricks？可在此处免费开始使用here。