Google Cloud获评Gartner数据湖仓平台领导者

Gartner 首次发布数据湖仓平台(Lakehouse Platform)魔力象限,Google Cloud 被评为领导者,并在愿景维度上排在最远。Google 认为这验证了一个正在发生的转变:在 AI 代理时代,企业湖仓不再是被动存储,而是代理跨所有数据推理和行动的基础。

湖仓最初是为了把数据仓库的可靠性带到开放、低成本的存储上,但现在衡量这个品类的基准变了。领先企业正从静态报表转向自主 AI 代理,这些代理持续监控、标记异常并执行业务流程。传统分散的数据栈由脆弱管道、重复存储和割裂治理构成,无法满足代理规模工作负载对性能、延迟和规模的要求。

Google 的回应是 Borderless Lakehouse。它基于开源 Apache Iceberg,连接多云、SaaS 和操作数据,形成统一治理的“数据织物”。企业无需复制数据即可在 AWS、Azure 和 Google Cloud 上直接分析;BigQuery 和 Managed Service for Apache Spark 直接跑在开放 Iceberg 表上,价格性能接近原生存储。通过 Cross-Cloud Interconnect 和智能缓存,只缓存查询触及的活动数据块,降低重复查询的出口费用,同时保护数据驻留。安全方面,Lakehouse runtime catalog 的凭据分发让安全策略随代理移动。

代理需要业务上下文,而不只是数据访问。Knowledge Catalog 作为通用上下文引擎,自动从存储层抓取元数据并传递给代理。它统一聚合 Looker、dbt、BigQuery 的元数据、指标和业务逻辑,防止指标漂移;与 Gemini 配合的 context sets 通过标准 API 和 MCP 让代理消费打包好的上下文;新的无代码工作室让数据管理员治理代理可访问的上下文。

文中给出了三个客户案例:德国商业银行基于该湖仓和 Iceberg 构建 AI 代理,营销活动制作从数周缩短到数天,联系中心代理几秒内获得验证过的下一步动作;Bloomberg Media 将对话查询接到 Knowledge Catalog 语义层,查询准确率提升 63% 并消除了幻觉;PayPal 将 Looker 语义模型直连 AI 代理,5000 名员工以接近 100% 的准确率查询实时数据,洞察速度加快 50%。

性能与成本方面,Google 称 BigQuery 通过 fluid scaling 等工作负载加速优化,查询速度提高 40% 以上,查询处理成本降低超过 50%;面向 Spark 的 Lightning Engine 在开放格式工作负载上比主要竞品有超过 3 倍的价格性能优势;BigQuery 按秒计费、取消最低分钟限制,可节省高达 34% 的计算成本;BigQuery 的 AI 函数通过内置 token 控制,比逐行生成式 AI 处理少用 230 倍 token。

面向使用者,Data Agent Kit 允许数据工程师用文本提示在 IDE 和 CLI 中构建管道,覆盖 15+ Google Cloud 数据服务;业务用户可用对话式分析和一键发布功能,无需编码即可查询和定制代理。

以上性能数据均为 Google 在该文中的表述。原文是 Google Cloud 对 Gartner 报告的官方解读,并在末尾提供免费下载完整报告的链接。

Google in the Gartner Magic Quadrant for Data Lakehouse Platforms

查看原文