Databricks 与 Linux Foundation 将 Delta Sharing 演进为 OpenSharing 开放协议

Databricks：Blog·2026-11-06 00:25· 2 小时前AI 评分56

从 Delta Sharing 到 OpenSharing：有哪些变化，下一步是什么

AI 导读

Databricks 与 Linux Foundation 于 2026 年 6 月 10 日宣布 Delta Sharing 演进为 OpenSharing，一个 Apache 2.0 许可的开放、厂商中立共享协议，扩展到 Volumes、Agent Skills 和 AI 模型等资产类型。

正文 · 原文

Delta Sharing 一直是数千家组织跨云和跨平台交换实时数据而无需复制数据的方式。2026 年 6 月，Databricks 和 Linux Foundation 宣布 Delta Sharing 已演进为 OpenSharing，这是一个开放、厂商中立的协议，不仅能共享表，还能共享 AI 团队如今依赖的更广泛资产：agent skills、AI 模型和非结构化数据。如果你已经在使用 Delta Sharing 共享数据，或者正在评估如何与合作伙伴在数据和 AI 资产上协作，本文将介绍 OpenSharing 究竟是什么、底层发生了哪些变化，以及该项目将走向何方。

简要回顾：Delta Sharing 解决了什么问题

当 Databricks 在 2021 年 Data + AI Summit 上推出 Delta Sharing 时，它所解决的核心问题说起来简单，做好却很难：组织希望与合作伙伴、客户和其他团队共享实时数据，而不必导出文件、搭建脆弱的 ETL 作业，或强迫每个接收方使用同一平台。Delta Sharing 作为开放协议贡献给了 Linux Foundation，构建在 Delta Lake 和 Parquet 之上，因此提供方可以授予对某张表的访问权限，接收方可以直接从 Apache Spark、Power BI、Tableau、pandas 等众多工具中实时查询该表。

这种开放的零拷贝模式引起了共鸣。据 Databricks 称（Databricks 新闻稿），Delta Sharing 已发展成为最广泛采用的安全数据共享开放协议，Amadeus、Atlassian、LSEG、SAP、Stripe 和 The Trade Desk 等组织都使用它进行跨云和跨平台协作。到 Databricks 于 2026 年 6 月宣布 OpenSharing 时，Delta Sharing 已覆盖超过 28,000 个数据接收方，其中约三分之一的共享通过开放连接器跨平台流动，而非停留在 Databricks 到 Databricks 的共享之内（Databricks 博客）。

为什么 Delta Sharing 需要演进

共享早已远远超出表的范畴。通过 Databricks 到 Databricks 的共享，团队在 agent 出现之前数年就已经在交换视图、非结构化文件卷、notebook 和已注册的 ML 模型，因此结构化数据从来都不是全部。Agent 改变的是需要移动的资产类型，以及这些资产需要传播多远。Agent skills、agent 本身以及它们运行所依赖的语义上下文，都需要共享已经验证过的同一种受治理的零拷贝访问。企业还希望这种访问能够跨平台、超越 Databricks 到 Databricks 的连接，而开放协议仍然以表为中心，因此这些较新的资产落在了开放跨平台共享实际能够提供的范围之外。

与此同时，企业不断提出两项相关需求：与 Apache Iceberg 等格式实现更广泛的互操作性，以及一种无需先迁移就能将本地或私有云中的数据纳入同一受治理共享模型的方法。要弥补这两个缺口，意味着要重新思考 Delta Sharing 的范围，而不仅仅是给它增加功能。

OpenSharing 究竟是什么

2026年6月10日，Databricks与Linux基金会联合宣布OpenSharing，作为Delta Sharing的下一代演进（Databricks新闻稿，Linux基金会新闻稿）。这里的措辞需要精确，因为OpenSharing在两个不同的层面上运作：

开源协议与规范，由Databricks贡献，现作为Linux基金会AI & Data Foundation下的项目进行开发。该规范采用Apache 2.0许可证，托管在GitHub上，任何厂商或社区成员都可以完全独立于Databricks来实现它（GitHub，OpenSharing）。
Databricks OpenSharing，即该协议在Databricks平台内的企业级实现，与Unity Catalog、Databricks Marketplace和Clean Rooms集成。

开放生态的范围不止于协议本身。开源Unity Catalog是一个同样由Linux基金会治理的Apache 2.0项目，为这些资产提供厂商中立的目录与治理层，因此团队可以将其与开源共享服务器搭配，完全在Databricks之外运行受治理的共享（GitHub，Unity Catalog）。

Databricks联合创始人兼CTO Matei Zaharia如此阐述这一举措：“Delta Sharing证明了业界会选择开放而非锁定。OpenSharing将这一原则扩展到完整的AI技术栈，同时将跨平台生态扩展到Iceberg接收方和本地部署提供方”（Databricks新闻稿）。Linux基金会CEO Jim Zemlin补充说，目标是“一个通用、厂商中立的框架，使组织能够跨平台和生态系统安全、可互操作地交换AI资产”（Linux基金会新闻稿）。

有一点需要事先澄清：现有的Delta Sharing客户端和集成仍与OpenSharing兼容。这是协议的演进，而非断裂，delta-io/delta-sharing仓库继续存在，与新的OpenSharing-IO/OpenSharing GitHub组织并存。

示意图：Delta Sharing演进为OpenSharing，后者作为GitHub上的开放协议层加上Databricks企业实现层运作，并新增对Iceberg REST Catalog客户端以及本地部署或私有云存储的支持。

技术层面的变化

更广泛的资产模型。最初的开放Delta Sharing协议以表为中心，尽管Databricks到Databricks的共享已扩展到覆盖更多资产类型。OpenSharing将这一更广泛的模型纳入开放规范本身，并引入Share → Schema → Asset层级结构，将共享从Tables扩展到新的资产类型，包括Volumes（任意格式的文件目录）、Agent Skills和AI模型（GitHub，OpenSharing）。这意味着提供方可以打包一个数据产品，其中既包含底层表，也包含构建于其上的AI资产，并通过一个协议共享整个产品。

示意图：OpenSharing的资产层级。Table、Volume、Agent Skill和Model是目前已规范的资产类型。Agent和Page或Glossary类型被列为仍在讨论中的社区提案。

支持 Iceberg REST Catalog。 OpenSharing 新增对 Apache Iceberg REST Catalog（IRC）兼容客户端的支持，因此提供方可以将数据共享给任何兼容 Iceberg 的引擎，而不仅限于 Delta Sharing 原生客户端。Databricks 将此描述为将开放共享的覆盖范围扩展到以 Iceberg 工具链为标准的企业（Databricks 产品页面）。

覆盖本地部署和私有云。 通过 Databricks Storage Ecosystem，存储厂商可以运行直接连接 Unity Catalog 的 OpenSharing 服务器，因此位于本地或私有云的数据无需先迁移即可被治理和共享（Databricks 博客）。MinIO 的 AIStor 集成已正式可用，其他存储合作伙伴处于预览阶段或已承诺在 2026 年晚些时候推出。

零拷贝凭证分发仍是核心模式。 提供方无需移动数据即可共享。共享服务器签发临时的、限定范围的凭证，且服务器本身位于数据路径之外，这与 Delta Sharing 的工作方式一致（GitHub，OpenSharing）。

新的共享能力。 除了协议变更，Databricks 还在 OpenSharing 之上引入了多项能力：

SecureConnect（正式可用），这是由 Databricks 管理的代理，无需为每个新接收方配置防火墙或网络规则（Databricks 博客）。
Global Distribution（私有预览），将共享数据复制到更靠近跨区域和跨云接收方的位置，以降低延迟并使出口成本更可预测。
Genie Agent Sharing（Beta），允许提供方与外部合作伙伴共享对其数据的对话式自然语言访问，并可控制配额以及暴露哪些底层逻辑。
Lakebase 表和变更数据流共享（公开预览），用于共享实时运营数据而无需单独的 ETL 步骤。

治理权移交 Linux Foundation。 OpenSharing 已贡献给 Linux Foundation AI & Data Foundation，目前处于沙盒阶段，这是该基金会下新项目进入孵化前的入口（GitHub，OpenSharing 和 opensharing.io）。规范变更通过公开提案和评审流程进行，而非单方面决定，这与 Delta Lake 和 Delta Sharing 作为 Linux Foundation 项目所遵循的治理模式相同。

如果你已在使用 Delta Sharing，这意味着什么

如果你目前已经设置了共享、接收方和连接器，这些都不会消失。OpenSharing 是增量式的：你现有的表、连接器和工作流继续有效，新的资产类型和能力可在你选择采用时使用。为 Unity Catalog 元存储启用 OpenSharing 是一个配置步骤，而非迁移，你熟悉的 Create Share、Create Recipient 和 Grant Access 工作流仍适用于新资产类型（Databricks 文档）。

对于一直维护自定义集成以在平台之间移动智能体技能或模型产物的团队，实际价值主张是一套用于发现、授权和访问的开放 API，而不是为每个合作伙伴和每种资产类型分别构建的定制管道。

路线图上还有什么

2026 年 6 月发布公告中描述的一些能力明确处于早期阶段，而非如今已普遍可用。外部 Iceberg 表共享允许提供方直接共享位于外部目录中的表，该功能在发布时处于公开预览阶段，正式可用被描述为即将推出。基于电子邮件的共享允许提供方通过输入电子邮件地址而非更长的设置流程来邀请协作者，在发布公告时也被列为即将推出。

除了 Databricks 已承诺交付的内容之外，OpenSharing 项目在 GitHub 上的公开路线图还列出了一系列社区提案，这些提案仍是开放的设计问题，而非最终确定的功能，包括支持以限定范围访问权限共享评估数据集和基准、带来源元数据的合成数据集共享，以及一个用于共享预计算向量索引的拟议资产类型（OpenSharing ROADMAP.md）。由于这些是社区提案，时间表和最终范围可能会变化，值得在 GitHub 上跟踪，而不应将其视为已承诺的日期。

OpenSharing 还处于更广泛、快速演进的 AI 开放标准体系中的特定层级。正如 Databricks 产品管理总监 Akram Chetibi 所描述的那样，用于智能体到工具以及智能体到智能体通信的协议所解决的问题与 OpenSharing 不同：“OpenSharing 提供用于发现和授权访问存储资产（例如智能体技能或 AI 模型）的 API”（diginomica）。如果你正在设计需要这两类协议协同工作的架构，理解这一区别很重要。

入门

如果你是 OpenSharing 的新手，入门路径与 Delta Sharing 一直以来的路径相同：在管理你要共享的数据的 Unity Catalog 元存储上启用 OpenSharing，创建一个包含你要公开的资产的共享，创建一个接收方，并授予该接收方访问权限（Databricks 文档）。在此基础上，你可以决定某个接收方应通过 Databricks 到 Databricks 共享、面向非 Databricks 接收方的 Databricks 到 Open 共享连接，还是在你希望完全在 Databricks 之外运行该协议时使用自托管的 OpenSharing 服务器。阅读文档时请注意，协议和品牌写作一个词 OpenSharing，而平台文档使用小写短语“Databricks-to-Open sharing”来指代与 Databricks 之外接收方共享的模式。

深入了解：

阅读来自 Databricks 和 Linux 基金会的原始公告。
查阅技术深度解析：Introducing OpenSharing: the Next Evolution of Delta Sharing for the Agentic Era。
在 GitHub 上探索协议规范和路线图。
按照 Databricks OpenSharing 文档中的设置步骤操作。
通过 Databricks 存储生态公告了解如何连接本地和私有云存储。

Delta Sharing 改变了团队对跨平台数据移动的认知。OpenSharing 将同样的开放、零拷贝方式扩展到智能体世界所依赖的各类资产。如果你目前已经在使用 Delta Sharing 共享数据，那么自然的下一步就是审视你的技术栈中还有哪些内容可以用同样的方式共享，无论是智能体技能、模型，还是一组非结构化文件。试着在你的工作区中为 Unity Catalog 元存储启用 OpenSharing，或者先阅读 GitHub 上的协议规范，了解自托管实现如何融入你自己的平台。

准备好试用 OpenSharing 了吗？在你的工作区中为 Unity Catalog 元存储启用它，或阅读 GitHub 上的协议规范，了解自托管实现如何适配你的平台。有疑问或反馈？请联系你的 Databricks 客户团队，在 OpenSharing GitHub 仓库中提交 issue，或加入 Databricks Community 中的讨论。

来源：Databricks：Blog · databricks.com