‏به‌روزرسانی‌های تازهٔ Agentic Data Cloud گوگل

گوگل تو پست تازهٔ وبلاگ کلودش یه سری به‌روزرسانی برای Agentic Data Cloud معرفی کرده؛ مجموعه‌ای از سرویس‌های داده که گوگل می‌گه برای کار کردن ایجنت‌های AI در مقیاس بزرگ ساخته شده. محور اصلیش سه چیزه: دسترسی ایجنت‌ها به همهٔ داده‌ها هرجا که باشن، دادن context درست بهشون تا جواب دقیق بدن، و زیرساختی که زیر بار میلیون‌ها ایجنت کم نیاره.

بخش اول borderless Lakehouse هست که روی فرمت باز Apache Iceberg (یعنی یه فرمت جدول باز برای نگه‌داشتن داده تو object storage) ساخته شده. حالا Gemini مستقیم روش کار می‌کنه و کاربر می‌تونه با زبان طبیعی روی داده‌های چند کلود کوئری بزنه. اتصال cross-cloud و کش برای AWS و Azure هم عمومی شده، یعنی بدون هزینهٔ متغیر egress (هزینهٔ بیرون بردن داده از یه کلود) داده رو کوئری می‌کنی. به گفتهٔ گوگل، talabat از Delivery Hero با این روش هزینهٔ جابه‌جایی داده رو حدود ۴۰٪ کم کرده.

تو AlloyDB (دیتابیس سازگار با PostgreSQL گوگل) حالا می‌شه مستقیم جدول‌های Iceberg رو بدون ETL و کپی کوئری کرد و داده‌های زنده رو با داده‌های تاریخی تو یه کوئری PostgreSQL join کرد. گوگل ادعا می‌کنه این قابلیت روی کوئری‌های aggregation تا ۷ برابر از سرویس مشابه آمازون سریع‌تره. Spanner Omni هم عمومی شده و Spanner رو به محیط‌های on-premises، edge و چندکلودی می‌بره.

Knowledge Catalog که گوگل بهش موتور context می‌گه، حالا قابلیت self-learning داره: از Google Workspace، GitHub، Jira، Confluence و SharePoint یاد می‌گیره و context ایجنت‌ها رو خودکار کامل می‌کنه. دانش هر حوزه هم تو فرمت Open Knowledge Format (OKF) بسته‌بندی می‌شه. طبق بنچمارک داخلی گوگل، این ابزار دقت ایجنت‌ها رو نزدیک ۴ برابر می‌کنه، latency رو تا ۳۳٪ و مصرف توکن رو تا ۷۵٪ کم می‌کنه.

Knowledge Catalog همین‌طور به مدل‌های semantic از BigQuery، Looker، Databricks، Snowflake، dbt و SAP وصل می‌شه تا فرمول‌هایی مثل درآمد خالص رو ایجنت از خودش نسازه.

برای توسعه‌دهنده‌ها، Data Agent Kit عمومی شده که ابزارهای داده‌ای گوگل رو با MCP به VS Code، Claude Code و Antigravity میاره. AlloyDB Express هم تو preview اومده: نسخه‌ای سبک با راه‌اندازی زیر ۲ ثانیه، scale-to-zero و ۱ تا ۲ vCPU با ۲۰ گیگ فضا، مخصوص تست و نمونه‌سازی. نسخهٔ PostgreSQL for agents هم به گفتهٔ گوگل بیش از ۳ میلیون کوئری در ثانیه رو پشتیبانی می‌کنه.

تو BigQuery هم گوگل می‌گه تو یه سال کوئری‌ها بیش از ۴۰٪ سریع‌تر و هزینهٔ پردازش بیش از ۵۰٪ کمتر شده. BigQuery Graph عمومی شده و تحلیل گراف رو مستقیم روی جدول‌های رابطه‌ای میاره. دو مدل TimesFM 3.0 برای پیش‌بینی سری زمانی تو SQL و TabFM برای یادگیری ماشین روی داده‌های جدولی هم تو preview اضافه شدن.

نکات کلیدی:

• AlloyDB حالا مستقیم جدول‌های Iceberg رو بدون ETL کوئری می‌کنه؛ تا ۷ برابر سریع‌تر از سرویس مشابه آمازون طبق ادعای گوگل.
• اتصال cross-cloud و کش برای AWS و Azure عمومی شده و هزینهٔ متغیر egress نداره.
• Knowledge Catalog طبق بنچمارک داخلی دقت ایجنت رو نزدیک ۴ برابر و مصرف توکن رو تا ۷۵٪ کمتر می‌کنه.
• AlloyDB Express با راه‌اندازی زیر ۲ ثانیه و ۲۰ گیگ فضا تو preview عرضه شده.
• BigQuery Graph و Spanner Omni و Data Agent Kit به‌صورت عمومی در دسترسن.
• TimesFM 3.0 و TabFM تو preview مستقیم داخل BigQuery اجرا می‌شن.