4 Gestisci con il catalogo principale

Questo capitolo consente di utilizzare e comprendere il catalogo principale, i cataloghi standard ed esterni, lo schema, le tabelle e i volumi.

Argomenti:

Catalogo principale

Master Catalog in AI Data Platform Workbench è l'entità di livello superiore che consente di gestire i dati e i metadati fornendo una vista centralizzata.

Il catalogo principale è un contenitore per cataloghi sia standard che esterni. Puoi creare cataloghi con i relativi asset di dati in Oracle Autonomous AI Lakehouse, OCI Object Storage e Kafka. Il catalogo principale consente di applicare le autorizzazioni per i relativi oggetti figlio.

I cataloghi standard ed esterni hanno funzioni e casi d'uso diversi:

  • Catalogo standard: un catalogo standard è un contenitore logico per gli schemi (database), gli utenti possono creare tabelle, viste e volumi in uno schema. Il catalogo standard gestisce il ciclo di vita dei metadati di tutti gli oggetti figlio.
  • Catalogo esterno: un catalogo esterno è supportato da origini dati esterne come Oracle Autonomous AI Lakehouse, Kafka e così via. In caso di catalogo esterno, i metadati vengono sincronizzati dall'origine esterna e gli utenti possono eseguire query sui dati in un'origine esterna utilizzando il nome a 3 parti come: catalog_name.schema_name.table_name. In caso di catalogo esterno, il ciclo di vita dei metadati viene gestito dall'origine esterna e il catalogo principale conserva una copia dei metadati.

Casi d'uso per catalogo principale

I cataloghi master possono essere utilizzati per facilitare la preparazione e l'analisi dei dati, la memorizzazione di dati non strutturati e altro ancora.

Esegui query e analizza dati mediante sintassi SQL

Crea tabelle gestite o esterne in un catalogo standard per eseguire query e analizzare i dati utilizzando una sintassi simile a SQL familiare, semplificando l'esplorazione e la comprensione dei dati memorizzati in AI Data Platform.

Preparazione dati

Sfrutta il formato strutturato dei dati memorizzati in tabelle gestite/esterne per preparare i dati per i modelli di machine learning, semplificando la pulizia, la trasformazione e i dati dei tecnici delle funzioni. Ciò facilita l'accesso e l'elaborazione efficienti dei dati per l'ingegneria delle funzionalità e l'addestramento dei modelli

Viaggio nel tempo

I formati di tabella aperta supportano l'evoluzione dello schema. La struttura dei dati può cambiare nel tempo senza riscrivere l'intero set di dati. Queste tabelle possono essere sottoposte a controllo delle versioni e gli utenti possono eseguire query di viaggio nel tempo che consentono di eseguire query sulle versioni cronologiche dei dati, facilitando l'analisi retrospettiva e il recupero dei dati.

Supporto transazioni ACID

I formati di tabella aperta supportano le operazioni complete di creazione, lettura, aggiornamento ed eliminazione (CRUD), garantendo la coerenza dei dati e abilitando gli aggiornamenti dei dati. Le tabelle possono essere utilizzate per memorizzare e gestire i dati transazionali, consentendo alle applicazioni di tenere traccia delle modifiche ai dati.

Lettura e scrittura dei dati in modo efficiente

Le tabelle in AI Data Platform Workbench possono essere partizionate, consentendo un accesso ed un'elaborazione efficienti dei dati, in particolare per set di dati di grandi dimensioni.

Memorizza ed elabora dati non strutturati

Crea volumi gestiti o esterni per memorizzare dati non strutturati in modo che possano essere elaborati utilizzando Apache Spark.