本页介绍了 AlloyDB for PostgreSQL 中的 Lakehouse Federation，这是一种统一的数据管理解决方案，可扩展 AlloyDB 的查询功能。借助此集成，您可以无缝查询各种 BigQuery 资源，包括：
- 原生表和物化视图。
- BigQuery 视图（逻辑视图）。
- BigLake 外部表，包括适用于 Apache Iceberg 受管理表的外部表。
- 标准外部表。
借助 Lakehouse Federation，您可以使用 AlloyDB 的查询引擎，通过同一界面为应用的事务型和分析型工作负载提供支持。您还可以在 AlloyDB 上实现或导入这些数据，以便在应用中更快地访问这些数据，从而使用 AlloyDB AI 和列式引擎。
借助 AlloyDB 的 Lakehouse Federation，您可以将 BigQuery 或 Iceberg 中的数据加载并转换到 AlloyDB 中，以支持您的运营应用，或将历史数据与实时事务数据联接起来。此使用情形支持统一分析，并可在应用情境中全面了解您的业务。
您可以将 AlloyDB 用作事务型数据库，也可以在 BigQuery 或 BigLake 中存储大量数据。您的应用通常会与这两个系统分别独立集成，以访问这些不同 Google Cloud服务中的数据。借助 Lakehouse Federation，您可以使用 AlloyDB 的联合查询支持（以外部数据封装容器的形式实现），通过 AlloyDB 中的 SQL 接口访问 BigQuery 和 AlloyDB 数据。
下推式
您可以使用过滤和汇总下推技术，通过在 BigQuery 中过滤或汇总数据，然后再将数据移动到 AlloyDB 或由 AlloyDB 处理，从而加快查询速度并降低费用。此方法可最大限度减少网络流量和内存用量，让您能够快速高效地分析海量数据集，而不会超出资源限制。
过滤下推
过滤条件推送（也称为谓词推送）是一种优化技术，可将数据过滤尽可能靠近存储层。数据库不会将大型表读入内存，然后舍弃不需要的行，而是将过滤条件（使用 WHERE 子句）“下推”到初始数据扫描中。
借助过滤下推，您可以使用带有 WHERE 子句的 SQL 查询来访问远程表中的部分数据。此数据也可以在本地表中具体化，或作为本地分区附加到 PostgreSQL 表中。
支持的过滤条件
如果以下比较和算术运算出现在 PostgreSQL 查询的过滤 (WHERE) 子句中的表达式中，则会使用 BigQuery API 将它们下推到 BigQuery：
比较运算符
=、>、<、>=、<=、<>、~~、!~~
算术运算符
+、-、*、/
汇总下推
聚合下推是一种高级数据库优化技术，可尽可能在存储层附近执行计算（例如 SUM、COUNT、AVG 或 GROUP BY）。过滤下推会移除不需要的行，而聚合下推会在数据库引擎进一步处理所需的行之前对其进行汇总。
支持的聚合
如果聚合函数适用于支持的数据类型，则会使用 BigQuery API 将其下推到 BigQuery：
- SUM
- AVG
- MIN
- MAX
- COUNT
BigQuery 费用和结算
BigQuery 外部数据封装器依赖于以下各项：
- BigQuery 计算价格
- BigQuery Storage API 价格
如需了解详情，请参阅 BigQuery 价格。
限制
- AlloyDB 和 BigQuery 可能使用不同的排序规则，这可能会导致两个系统之间的数据排序不同。对于在 BigQuery 上远程执行的查询的任何部分，排序规则都遵循 BigQuery 的设置。
- 从 BigQuery 返回大量数据的查询在下推后未得到优化。