Cross-cloud conversational analytics made simple with open standards
The reality for most organizations is that data lives everywhere. As engineering teams expand and adopt specialized platforms for their workloads, enterprise data naturally disperses across multiple clouds and operational systems.
The reality for most organizations is that data lives everywhere. As engineering teams expand and adopt specialized platforms for their workloads, enterprise data naturally disperses across multiple clouds and operational systems.
Traditional architectures address this fragmentation with scheduled extraction pipelines that copy remote datasets into a central staging warehouse. This approach creates synchronization lag, adds recurring storage costs, and triggers variable network egress fees. When schemas change upstream, pipelines break, and teams spend hours reconciling metrics across out-of-sync dashboards.
BigQuery and Google Cloud’s borderless Lakehouse offer a streamlined way to solve this challenge with a foundation based on the open Apache Iceberg REST catalog specification. Rather than moving data to the compute engine, you can bring Google Cloud compute and generative AI directly to your data, querying it in place across Databricks, Snowflake, and AWS Glue.
In this post, we walk through how to configure Databricks Unity Catalog for federation into BigQuery (AWS Glue and Snowflake set up in appendix), run a single query joining data across all three external catalogs, and use conversational analytics in BigQuery to explore the consolidated data with natural language.
Figure 1: BigQuery federates metadata across external Apache Iceberg REST catalogs through Lakehouse, enabling in-place conversational analytics without data migration.
The borderless lakehouse architecture This solution uses Lakehouse runtime catalog to synchronize metadata from other cloud providers, allowing you to query data with BigQuery or external open source engines through the Apache Iceberg REST catalog endpoint, all without migrating the data. Because Databricks Unity Catalog, Snowflake Horizon Catalog, and AWS Glue Data Catalog support the open Apache Iceberg REST catalog specification, you can apply a consistent connection pattern across all three platforms.
In context
- Topic: Cloud y Arquitectura — Nube pública, híbrida, costos y decisiones de infraestructura.
- Source: Google Cloud Blog
- Published: 13/10/2026
Continue reading at the original source →
Excerpt published automatically by the site radar. The full text belongs to its publisher and is linked above.
Por que importa
A nuvem deixou de ser uma decisão técnica faz tempo. Hoje é uma decisão financeira com consequências técnicas: troca-se investimento de capital por gasto mensal, e essa troca cai bem para algumas empresas e muito mal para outras.
Separo o que se move por custo do que se move por capacidade. Migrar para economizar quase nunca funciona; migrar para poder fazer algo que antes não se podia, sim. Quando o argumento é só economia, convém revisar os números de novo porque costumam estar incompletos.
O que costuma dar errado
O que mais vejo falhar é a migração literal. Move-se o sistema exatamente como estava, sem redesenhar nada, e passa-se a pagar por hora o que antes se pagava uma vez. Funciona igual, custa mais, e dois anos depois alguém pergunta para que foi feito. Levantar e mover não é modernizar.
O que observar
- Quem vê a fatura e com que detalhe: sem dono do gasto, o gasto cresce sozinho.
- Onde ficam fisicamente os dados e o que a regulação local exige sobre isso.
- O que acontece quando o fornecedor tem uma queda, porque vai ter, e o que segue operando enquanto isso.
Como leio esta publicação
Se isto entrasse numa decisão de infraestrutura, eu pediria o custo total em três anos com o crescimento real embutido, não o do primeiro ano com desconto de entrada. A maioria das surpresas de nuvem está no ano dois, quando o desconto acaba e o volume já subiu.
A notícia original está publicada em outro idioma; o trecho é citado como o veículo o entrega e o comentário é escrito em português.
Comentários
Ainda não há comentários. O primeiro pode ser o seu.
Está vivendo isso na sua equipe?
Abra o chat e me conte como estão lidando com isso. Tenho interesse em comparar notas.
