Databricks 推出 LTAP：统一的 OLAP/OLTP 数据架构

# Databricks 推出 LTAP：首个湖事务与分析处理架构 来源：https://www.databricks.com/company/newsroom/press-releases/databricks-launches-ltap-first-lake-transactionalanalytical - Databricks 今日发布 LTAP（湖事务与分析处理），一种新的数据处理架构，将 OLAP 和 OLTP 统一在湖中的单一数据副本上，从根本上消除了 ETL、副本和管道。 - Lakebase 作为 LTAP 架构的基础，现已服务数千客户，每天在平台上处理 1200 万次数据库启动。 - Databricks 是全球首个 LTAP 平台。它将 Lakebase（基于开放对象存储的无服务器 Postgres）与 Lakehouse 结合，采用统一的治理模型、单一事实来源和存储层，覆盖所有运营、分析和流数据。 **DATA + AI SUMMIT – 2026 年 6 月 16 日** – Databricks (https://www.databricks.com/)，数据与 AI 公司，今日正式推出 Lake Transactional/Analytical Processing (LTAP) ——一种新的数据处理架构，将事务、分析、流和运营数据统一在湖中的单一存储副本上。借助 LTAP，企业拥有一个统一的受治理基础，可以读取、推理和操作，无需管道、副本或数十年来定义数据基础设施的 ETL 开销。由 Lakebase 的重大进展驱动，LTAP 为 AI 应用时代提供了新的数据基础。 **智能体时代的新数据基础** 四十年来，事务和分析工作负载一直位于独立的系统中：运营数据库服务于应用，分析系统回答问题。连接两者意味着构建 CDC 管道，这些管道脆弱且在高负载下容易崩溃。当人类以人类速度编写软件时，这已经是一个糟糕的权衡。今天，AI 帮助开发者编写的应用数量比以往增加了约 50 倍，其中许多由智能体驱动，需要近乎实时地读取、推理和操作数据。旧架构并不适合这种情况。 数据行业之前曾试图解决系统分散的问题。HTAP 承诺在单一引擎中统一事务和分析数据，但在此过程中丧失了工作负载隔离，削弱了两者的性能，并给组织留下了庞大且昂贵的专有足迹。Zero ETL 采取了不同的方法，隐藏了 CDC 管道而非消除它。底层架构问题依然存在。 LTAP 采取了根本不同的方法：它不是将两种工作负载强制塞入一个引擎或隐藏管道，而是在存储层统一数据。所有运营数据立即可查询，并可在湖中用于分析，无需管道。事务和分析工作负载独立扩展，具有完整的性能和严格的隔离。而且由于 LTAP 基于开放标准构建，它可以与任何支持 Postgres 的应用以及任何理解开放表格式（如 Iceberg 和 Delta）的读取器配合使用。 *“几十年来，复杂的数据基础设施是团队必须缴纳的税款，”Databricks 联合创始人兼首席执行官 Ali Ghodsi 表示。“然后智能体出现了。在几个月内，组织的劳动力实际上翻了一番，但不是通过人类。智能体以人类团队永远无法达到的速度编写代码、拨打电话和运行循环。驱动上一个计算时代的基础设施现在已成为无人能承受的瓶颈。LTAP 移除了它。”* **Lakebase 新增灾难恢复、Git 风格分支和快照** 迈向 LTAP 的第一步是 Lakebase，它将为 Postgres 原生事务引入对象存储，即与 Lakehouse 相同的层。通过将计算与存储分离，Lakebase 改变了同时运行数千个应用和智能体的经济性。去年刚刚推出的 Lakebase 已经服务于数千客户，包括 Block、Ensemble、Superhuman 和 Zillow，每天处理 1200 万次数据库启动。 今天，Databricks 宣布了新的功能，将 Lakebase 扩展到企业级 AI 规模。新的跨云、跨区域灾难恢复使组织能够构建更具弹性的数据架构，这在智能体承担关键任务运营时变得越来越重要。此外，新的 Git 风格分支和快照允许针对生产数据进行安全实验，而自主数据库操作让智能体能够监控健康状况、检测减速、建议索引并协助恢复。 **LTAP 如何完善架构** Lakebase 和 Lakehouse 已经共享了一个存储层，但各自以独立格式维护自己的数据副本。LTAP 填补了这一差距。Lakebase 直接将数据存储在 Unity Catalog 中，使用与 Lakehouse 相同的开放格式。结果是一个更简洁的架构，由三个属性定义，共同消除了数十年来定义企业数据基础设施的权衡： - **统一治理，单一事实来源**：所有运营、分析和流数据都以开放格式（Delta 和 Iceberg）存储在开放对象存储上，无需转换或降级。一切通过 Unity Catalog 进行治理，具有单一身份、权限和审计模型，因此每个引擎读取相同的副本，智能体共享一个统一的受治理表面进行操作。 - **无性能权衡，适用于任何工作负载**：事务工作负载在标准 Postgres 中运行，具有完整的 ACID 语义。分析工作负载在完整的 Lakehouse 上以任意规模和并发运行。两者独立扩展，并且由于系统之间没有数据移动，运营和分析结果始终同步——没有副本或影子基础设施。 - **无 ETL 管道（甚至隐藏的也没有）**：没有同步运营和分析存储的管道，没有需要维护的副本，也没有在系统之间移动数据的连接器。该架构完全消除了 ETL 层，降低了保持系统同步的运营成本，同时确保数据保持最新。 *“对于我们服务的医疗系统，收入周期中的速度和准确性直接影响他们提供护理的能力，”Ensemble 首席技术官 Grant Veazey 表示。“我们与 Databricks 的早期投资帮助我们建立了一个受治理的基础，支持超过两 PB 的干净、统一的收入周期数据。Lakebase 和 LTAP 通过在一个层上统一运营和分析工作负载扩展了该基础，使我们的 RCM 原生 AI 能够在实时运营中获取所需的实时访问。这为供应商带来了更强的财务表现，并让更多回收的收入回流到急诊科、NICU 和其他关键护理服务中。”* **可用性** LTAP 即将作为 Lakebase 的一部分推出。 **关于 Databricks** Databricks 是一家数据与 AI 公司。全球超过 20,000 家组织——包括 adidas、AT&T、Bayer、Block、Mastercard、Rivian、Unilever 以及 70% 的财富 500 强企业——依赖 Databricks 构建和扩展数据与 AI 应用、分析和智能体。Databricks 总部位于旧金山，在全球拥有 30 多个办事处，提供统一的平台，包括 Lakebase、Genie、Agent Bricks、Lakeflow、Lakehouse 和 Unity Catalog。了解更多信息，请关注 Databricks 的 LinkedIn (https://www.linkedin.com/company/databricks)、X (https://x.com/databricks)、YouTube (https://www.youtube.com/@Databricks) 和 Instagram (https://www.instagram.com/databricksinc/?hl=en)。