Datenverwaltung – tabellarisch

Die Datenschicht von PlaidCloud baut auf Tabellen (strukturierte Daten in Zeilen und Spalten) und Ansichten (gespeicherte Abfragen über Tabellen) auf. Beide liegen in einem Projekt und werden von der Lakehouse-Engine betrieben, die von kleinen Referenztabellen bis zu analytischen Datensätzen mit Milliarden Zeilen skaliert – ohne Konfigurationsänderungen.

Inhalt dieses Abschnitts

• Tabellen und Ansichten – was beides ist, wann Sie welches verwenden und wie sie zusammenwirken
• Tabellen-Explorer – Tabellen in Ihrem Projekt durchsuchen und prüfen
• Datentyp Currency – ein exakter Spaltentyp mit halber Breite für Geldwerte und wann Sie ihn gegenüber Numeric wählen
• Datentyp Vector – vorberechnete Embeddings in einer Projekttabelle speichern, die erwartete Breite deklarieren und nach den nächstgelegenen Zeilen suchen
• Tabellen-Snapshots – den Snapshot-Verlauf durchsuchen, Daten zum Stand eines früheren Snapshots anzeigen und eine Tabelle zurücksetzen oder wiederherstellen
• Daten veröffentlichen – Projekttabellen für Dashboards, BI-Werkzeuge und nachgelagerte Systeme bereitstellen und deren Leistungshinweise prüfen
• Den neuesten Datensatz in einer großen Verlaufstabelle auswählen – ein verbreitetes Muster mit einer leistungsbewussten Lösung
• Geocoding API – eine Google- oder Mapbox-Geokodierungsintegration auf die REST-Geokodierungs-Endpunkte von PlaidCloud migrieren
• Drive-Time-Routing-API – Opt-in-Vorschau: Fahrzeit-Isochronen und Rangfolge nach nächster Fahrzeit über REST

Woher die Daten stammen

Tabellen werden typischerweise von Workflows befüllt – automatisierten Pipelines, die Daten importieren, transformieren und die Ergebnisse zurückschreiben. Wie Sie sie aufbauen, lesen Sie unter Workflows; jeden verfügbaren Schritttyp finden Sie in der Referenz der Workflow-Schritte.

Informationen zum Anbinden externer Systeme als Datenquellen finden Sie unter Verbindungen (Leitfaden) und Konnektoren (Referenz).

Verwandte Themen

• Konzepte – wie Tabellen mit Workflows, Dimensionen und dem übrigen Datenmodell zusammenhängen
• Projekte – Projekte besitzen die Tabellen; Tabellen existieren nicht außerhalb eines Projekts
• Dashboards – veröffentlichte Tabellen für die Visualisierung nutzen