Google.Cloud.BigQuery.AnalyticsHub.V1 1.9.0版本发布:增强数据共享与分析能力
Google.Cloud.BigQuery.AnalyticsHub.V1是Google Cloud平台提供的一个.NET客户端库,它允许开发者在应用程序中轻松集成BigQuery Analytics Hub功能。Analytics Hub是Google Cloud提供的一项数据共享服务,使组织能够安全地共享和发现数据集,促进数据协作与分析。
核心功能增强
本次1.9.0版本更新带来了多项重要功能增强,进一步提升了Analytics Hub的数据共享与管理能力:
-
Analytics Hub与Marketplace集成支持:新增了对Analytics Hub与Google Cloud Marketplace集成的支持,这使得数据提供者能够更便捷地将他们的数据集发布到Marketplace,扩大数据集的可见性和可访问性。
-
商业信息管理:新增了CommercialInfo消息类型,可附加到Listing(列表)和Subscription(订阅)资源上。这一功能为商业化数据共享场景提供了更好的支持,允许数据提供者添加商业相关信息,如定价、许可条款等。
-
元数据共享控制:在Listing资源中新增了allow_only_metadata_sharing字段,使数据提供者能够精确控制是否仅共享元数据而不共享实际数据内容。这对于需要展示数据目录但暂不开放数据访问的场景非常有用。
-
共享资源类型扩展:在SharedResource消息中新增了routine字段,现在除了可以共享数据集外,还可以共享存储过程(routine),进一步丰富了可共享资源的类型。
-
订阅目标数据集支持:为Subscription资源新增了DestinationDataset字段,允许订阅者指定数据将复制到的目标数据集,提供了更大的灵活性。
-
商业操作增强:在DeleteListingRequest和RevokeSubscriptionRequest中新增了delete_commercial和revoke_commercial选项,为商业化数据共享场景提供了更精细的操作控制。
技术实现与应用场景
这些更新为不同场景下的数据共享提供了更强大的支持:
对于数据市场运营者,CommercialInfo的引入和Marketplace集成支持使得构建商业化数据平台更加容易。数据提供者可以设置商业条款,并通过Marketplace触达更广泛的潜在用户。
对于企业数据治理团队,allow_only_metadata_sharing功能允许他们在确保数据安全的前提下,先展示可用的数据资产目录,待审批通过后再开放实际数据访问,实现更精细的数据治理。
对于数据分析团队,routine共享功能意味着现在可以共享数据分析逻辑而不仅仅是原始数据,促进分析方法和最佳实践的传播。DestinationDataset的支持则让数据订阅后的使用更加灵活。
开发者体验提升
从开发者角度看,这些新功能都通过清晰的API设计暴露出来,保持了Google Cloud客户端库一贯的易用性风格。例如,添加CommercialInfo只需构建相应的消息对象并附加到资源上:
var listing = new Listing
{
CommercialInfo = new CommercialInfo
{
// 设置商业信息
}
// 其他字段...
};
allow_only_metadata_sharing等布尔字段的使用也非常直观,开发者可以轻松理解和使用这些新功能。
总结
Google.Cloud.BigQuery.AnalyticsHub.V1 1.9.0版本的发布显著增强了BigQuery数据共享服务的功能,特别是在商业化场景和企业数据治理方面。通过支持更多类型的资源共享、提供更精细的访问控制以及与Marketplace的集成,Analytics Hub现在能够更好地满足组织在不同场景下的数据共享需求。对于已经在使用或考虑使用BigQuery数据共享服务的开发者来说,这个版本值得升级以利用这些新功能。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00