Puis-je connecter un data lake à iDBQuery ?

Un data lake est un magasin de fichiers — souvent des CSV, du JSON et du Parquet — dans un stockage objet tel que S3, ADLS ou GCS, généralement avec une couche de requête SQL par-dessus (un moteur de lakehouse, un service de tables externes ou un entrepôt). iDBQuery aborde un lac de la manière honnête et pratique, plutôt que de prétendre être lui-même un moteur de lac :

• Connectez la couche SQL du lac comme une source d'entrepôt / de base de données standard. Si votre lac est interrogeable via un lakehouse ou un service de tables externes, iDBQuery se connecte à ce point de terminaison comme à n'importe quel entrepôt SQL et lit les tables en direct.
• Ingérez directement les fichiers exportés. iDBQuery lit le Parquet, le CSV et le JSON : vous pouvez donc le pointer vers des fichiers exportés, y compris des fichiers dans un stockage objet de type S3, et il en construit un modèle interrogeable.

Dans les deux cas, vous obtenez un modèle unique et en direct et pouvez demander en langage courant des choses comme le chiffre d'affaires par région sur les tables du lac, ou l'évolution d'une métrique sur l'historique stocké dans le lac, chaque valeur étant sourcée jusqu'aux lignes sources. Le véritable avantage est de joindre les données du lac à des systèmes qui n'y figurent pas — une base de données opérationnelle, une feuille de calcul financière, un export SaaS — de sorte qu'une question puisse couvrir le lac et tout ce qui l'entoure. iDBQuery interroge sur place lorsque c'est possible et ne vous oblige pas à construire un projet d'entrepôt ou un pipeline distinct pour obtenir des réponses.