在導入 lakehouse 之前，Metro Transit Analytics 同時維運一個用於 BI 儀表板的資料倉儲，以及一個獨立的資料湖供資料科學使用。維護兩套系統成本高昂，且經常造成資料重複。
你的主管要你探索工作區，實際體驗 lakehouse 如何在同一個平台上，同時處理結構化分析工作負載，以及彈性的原始資料儲存。
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
了解 lakehouse 與傳統架構的差異、medallion 模式如何組織資料，以及各項資源在 Databricks 平台中的位置。
當前練習
為工作挑選合適的叢集、針對成本與效能進行設定、熟悉 Notebook 環境，並在 Databricks 工作區中把你的工作連結到 Git。
使用 Unity Catalog 保護你的資料，透過 Delta Sharing 安全分享，並將查詢聯邦到外部來源——全程不需複製任何位元組。
使用 Databricks Asset Bundles 打包你的成果、部署到正式環境，並在綜合情境中把一切串聯起來。
