Google Data Cloud 近期有一系列产品更新，覆盖 BigQuery、Dataflow、Kafka、Lakehouse 和数据库等多个方向。以下是按时间线梳理的关键发布，信息均源自官方公告。

BigQuery 连续查询支持状态化处理（Preview）

BigQuery 的连续查询现在可以在流式处理中直接执行 JOIN、聚合和窗口函数。这意味着用户能实时计算跨时间窗口的指标（例如 30 分钟平均值），从而为下游应用和 AI Agent 提供更丰富的实时信号。

Managed Service for Kafka 推出合成数据生成工具（GA）

该工具用于向 Kafka 集群注入模拟数据，无需修改客户端应用或启动虚拟机。官方称只需3 次点击即可启动，数据流在不到两分钟内即可进入集群。适合测试集群和新功能。

Dataflow 管道更新更灵活（GA）

Dataflow 新增了“停止并替换”管道的更新方式，并行运行新旧管道以加速迁移，减少业务中断。同时，用户可以为管道排空设置超时，防止因处理卡顿而产生失控的成本。

Lakehouse 托管表（Preview）

基于 Apache Iceberg 的 Google 托管表现已上线。它消除了在 BigQuery 和开源引擎之间维护重复数据管道和复杂同步逻辑的开销。这种统一表格式支持多引擎并发读写，并内置了自动任务管理（如压缩和分区调优）。

数据库服务更新

– Firestore 企业版：重新设计了查询引擎，新增了超过 100 种查询功能、无索引查询、新型索引类型和可观测性工具，以提升查询性能。支持内置工具无缝迁移。
– Google Cloud SQL for SQL Server：新增了对 Microsoft Entra ID（原 Azure AD）的集成（Public Preview），支持在多云环境中使用现有 Microsoft 身份基础设施进行数据库访问治理，包括集中式身份管理和多因素认证（MFA）。该功能支持 SQL Server 2022。
– Cloud SQL 新增自动扩缩容读取池：可动态调整读取能力，以匹配实时应用需求。

Google 自建驱动发布

– BigQuery ODBC 驱动（Preview）：Google 团队自研的开源驱动程序，提供高性能连接。
– BigQuery JDBC 驱动（Preview）：同样由 Google 内部开发的开源驱动程序，为 Java 应用提供高性能连接。

AI Agent 与数据库集成

– 数据库 MCP 支持：AlloyDB、Spanner、Cloud SQL、Bigtable 和 Firestore 均已支持托管和远程 MCP（Model Context Protocol），让 AI 模型能够连接这些数据库工具，进行规划、构建和解决问题。
– BigQuery 对话式分析 Agent：用户可以使用对话式分析 API 构建能够理解自然语言、查询数据并返回文本、表格和可视化图表的 Agent。
– Looker 嵌入环境对话式分析：用户可以在自定义数据应用中集成 Gemini 驱动的自然语言查询体验。

数据分析与协作

– Data Studio 重新定位：将在 AI 时代承担更重要的角色，从数据可视化和报表扩展为托管 BigQuery 对话式 Agent 和 Colab 笔记本中的数据应用。
– BigQuery Graph（Preview）：提供易用、可扩展的图形分析解决方案，用于建模和分析大规模关系。
– Cloud Composer 智能故障排查：针对 Airflow 3.1，Gemini Cloud Assist 现在可以直接对失败的任务进行根因分析，识别资源耗尽或超时等模式，并提供可操作的建议。

重要说明：以上所有“功能是否可用”以及“具体效果数据（如延迟降低百分比）”必须以官方最新文档为准，本文仅作版本披露。