Zum Inhalt springen
← Alle News
Databricks Blog30. Juni 2026

Vom Monolithen zu Lakebase zu LTAP: Die Datenbank von Grund auf neu denken

Von KI aus dem englischen Original übersetzt. Auf Englisch ansehen

Zusammenfassung

Lakebase macht Postgres-Compute zustandslos, indem Protokoll- und Datendateien in unabhängige Cloud-Dienste ausgelagert werden, was unbegrenzten Speicher, elastisches Compute, dauerhafte Schreibvorgänge und sofortiges Branching ermöglicht. LTAP speichert Betriebsdaten zusätzlich einmalig in offenen Spaltenformaten, die sowohl von Postgres- als auch von Lakehouse-Engines gelesen werden können, was Analysen auf frischen Daten ohne CDC-Pipelines oder eine zweite Kopie ermöglicht.

Fast jede traditionelle Datenbank speichert ihre Write-Ahead-Logs und Datendateien auf der Festplatte einer Maschine, was die Ursache für Datenverlustrisiken, teure Read Replicas und Hochverfügbarkeitsklone sowie Analyseabfragen ist, die Transaktionen verlangsamen. Lakebase macht Postgres-Compute zustandslos, indem Protokoll- und Datendateien in unabhängige Cloud-Dienste (SafeKeeper und PageServer) ausgelagert werden. Dies ermöglicht unbegrenzten Speicher, elastisches Compute, dauerhafte Schreibvorgänge, einfachere HA und sofortiges Branching, alles ohne nennenswerte zusätzliche Latenz. LTAP geht noch weiter, indem Betriebsdaten einmalig in offenen Spaltenformaten gespeichert werden, die sowohl von Postgres- als auch von Lakehouse-Engines gelesen werden können. So laufen Analysen auf denselben frischen Daten, die Transaktionen gerade geschrieben haben, ohne CDC-Pipeline, ohne zweite Kopie und ohne Verlangsamung der Transaktions-Workload. Im Gegensatz zu HTAP, das versucht, beide Workloads in einer Engine zu vereinheitlichen, vereinheitlicht LTAP auf der Speicherschicht und behält für jede Aufgabe die beste Engine bei.

Ähnliche Artikel

News

How Databricks Feature Store serves features with sub-second freshness

databricks-blog4h ago
News

The prototyping tax is killing your AI roadmap

databricks-blog7h ago
News

AI_Functions im Data Warehouse nutzen: die wichtigsten Anwendungsfälle

databricks-blog3d ago
News

Wie Scottish Water seine Investitionsdaten mit Databricks Genie dialogfähig machte

databricks-blog4d ago