- A Databricks lançou hoje o LTAP (Lake Transactional/Analytical Processing), uma nova arquitetura de processamento de dados que unifica OLAP e OLTP em uma única cópia de dados no lake, eliminando ETL, réplicas e pipelines desde a concepção da arquitetura.
- O Lakebase, base da arquitetura LTAP, já atende milhares de clientes e processa 12 milhões de inicializações de bancos de dados por dia em toda a plataforma.
- A Databricks é a primeira plataforma LTAP do mundo. Ela combina o Lakebase (Postgres serverless sobre armazenamento de objetos aberto) com o Lakehouse sob um único modelo de governança, uma única fonte da verdade e uma única camada de armazenamento para todos os dados operacionais, analíticos e de streaming.
DATA + AI SUMMIT – 16 de junho de 2026 – A Databricks, empresa de Dados e IA, apresentou hoje o Lake Transactional/Analytical Processing (LTAP), uma nova arquitetura de processamento de dados que unifica transações, análises, streaming e dados operacionais em uma única cópia de armazenamento no lake. Com o LTAP, as empresas passam a contar com uma base única e governada para ler, raciocinar e agir sobre os dados, sem pipelines, réplicas ou a sobrecarga de ETL que definiu a infraestrutura de dados nas últimas décadas. Impulsionado por avanços significativos no Lakebase, o LTAP oferece uma nova base de dados para a era das aplicações de IA.
A nova base de dados para a era dos agentes
Por quatro décadas, cargas de trabalho transacionais e analíticas viveram em sistemas separados: bancos de dados operacionais atendiam aplicações, enquanto sistemas analíticos respondiam a perguntas. Conectar esses ambientes exigia a construção de pipelines de CDC (Change Data Capture) frágeis e propensos a falhas sob pressão. Isso já representava uma troca desfavorável quando humanos desenvolviam software em ritmo humano. Hoje, a IA ajuda desenvolvedores a criar cerca de 50 vezes mais aplicações do que antes, muitas delas impulsionadas por agentes que precisam ler, raciocinar e agir sobre dados quase em tempo real. A arquitetura tradicional não foi projetada para essa realidade.
A indústria de dados já tentou resolver o problema dos sistemas fragmentados. O HTAP prometia unificar dados transacionais e analíticos em um único mecanismo, mas acabou comprometendo o isolamento das cargas de trabalho, prejudicando o desempenho de ambas e deixando as organizações dependentes de uma infraestrutura proprietária, cara e complexa. O conceito de Zero ETL seguiu outro caminho, ocultando o pipeline de CDC em vez de eliminá-lo. O problema arquitetural de base permaneceu.
O LTAP adota uma abordagem fundamentalmente diferente: em vez de forçar ambos os tipos de carga de trabalho para um único mecanismo ou esconder o pipeline, ele unifica os dados na camada de armazenamento. Todos os dados operacionais tornam-se imediatamente consultáveis e disponíveis no lake para análises, sem necessidade de pipelines. As cargas transacionais e analíticas escalam de forma independente, com desempenho total e isolamento rigoroso. E, por ser construído com base em padrões abertos, o LTAP funciona com qualquer aplicação compatível com Postgres e qualquer mecanismo capaz de ler formatos de tabela abertos, como Iceberg e Delta.
“Durante décadas, a infraestrutura complexa de dados foi um custo inevitável para as equipes”, afirmou Ali Ghodsi, cofundador e CEO da Databricks. “Então chegaram os agentes. Em questão de meses, as organizações praticamente dobraram sua força de trabalho, mas não com pessoas. Os agentes escrevem código, fazem chamadas e executam ciclos de trabalho em uma velocidade impossível para equipes humanas. A infraestrutura que sustentou a última era da computação agora se tornou um gargalo que ninguém pode se dar ao luxo de manter. O LTAP elimina isso.”
Lakebase adiciona recuperação de desastres, ramificações no estilo Git e snapshots
O primeiro passo rumo ao LTAP foi o Lakebase, que trouxe transações nativas de Postgres para armazenamento de objetos, a mesma camada que sustenta o Lakehouse. Ao separar a computação do armazenamento, o Lakebase transforma a economia ao executar milhares de aplicações e agentes simultaneamente. Lançado no ano passado, o Lakebase já atende milhares de clientes, incluindo Block, Ensemble, Superhuman e Zillow, e processa 12 milhões de inicializações de bancos de dados por dia.
Hoje, a Databricks anunciou novos recursos que expandem o Lakebase para atender às necessidades de IA corporativa em escala. A nova recuperação de desastres entre nuvens e regiões permite que organizações construam arquiteturas de dados mais resilientes, algo cada vez mais importante à medida que agentes assumem operações críticas. Além disso, novas funcionalidades de ramificação e snapshots inspiradas no Git possibilitam experimentação segura com dados de produção, enquanto operações autônomas de banco de dados permitem que agentes monitorem a saúde dos ambientes, detectem lentidão, proponham índices e auxiliem na recuperação de falhas.
Como o LTAP completa a arquitetura
O Lakebase e o Lakehouse já compartilhavam a mesma camada de armazenamento, mas cada um mantinha sua própria cópia dos dados em formatos distintos. O LTAP elimina essa separação. O Lakebase passa a armazenar dados diretamente no Unity Catalog, utilizando os mesmos formatos abertos do Lakehouse. O resultado é uma arquitetura mais simples, definida por três características que eliminam os compromissos que marcaram a infraestrutura de dados corporativa durante décadas:
- Governança unificada e uma única fonte da verdade: todos os dados operacionais, analíticos e de streaming residem em armazenamento de objetos aberto, utilizando formatos abertos — Delta e Iceberg — sem transformação ou degradação. Tudo é governado pelo Unity Catalog, com uma única identidade, permissões e modelo de auditoria, garantindo que todos os mecanismos acessem a mesma cópia dos dados e que agentes operem sobre uma superfície única e governada.
- Ausência de compromissos de desempenho para qualquer carga de trabalho: cargas transacionais são executadas em Postgres padrão, com semântica ACID completa. Cargas analíticas operam em toda a plataforma Lakehouse, em qualquer escala e nível de concorrência. Cada ambiente escala de forma independente e, como não há movimentação de dados entre sistemas, os resultados operacionais e analíticos permanecem sempre sincronizados, sem cópias ou infraestrutura paralela.
- Ausência de pipelines de ETL (inclusive os ocultos): não há pipelines para sincronizar armazenamentos operacionais e analíticos, nem réplicas ou conectores que movimentem dados entre ambientes. A arquitetura elimina completamente a camada de ETL, reduzindo os custos operacionais de manter ambientes sincronizados e garantindo que os dados estejam sempre atualizados.
“Para os sistemas de saúde que atendemos, velocidade e precisão no ciclo de receitas impactam diretamente sua capacidade de prestar cuidados”, afirmou Grant Veazey, CTO da Ensemble. “Nosso investimento inicial com a Databricks nos ajudou a construir uma base governada que suporta mais de dois petabytes de dados limpos e harmonizados sobre o ciclo de receitas. O Lakebase e o LTAP expandem essa base ao unificar cargas operacionais e analíticas em uma única camada, oferecendo à nossa IA nativa o acesso em tempo real necessário para operar em ambientes de produção. Isso se traduz em melhor desempenho financeiro para os provedores e mais receitas recuperadas para departamentos de emergência, UTIs neonatais e outros serviços críticos.”
Disponibilidade
O LTAP estará disponível em breve como parte do Lakebase.
Sobre a Databricks
A Databricks é a empresa de dados e IA. Mais de 20.000 organizações em todo o mundo — incluindo adidas, AT&T, Bayer, Block, Mastercard, Rivian, Unilever e 70% das empresas da Fortune 500 — confiam na Databricks para criar e escalar aplicativos, análises e agentes de dados e IA. Com sede em São Francisco e mais de 30 escritórios ao redor do mundo, a Databricks oferece uma plataforma unificada que inclui Lakebase, Genie, Agent Bricks, Lakeflow, Lakehouse e Unity Catalog. Para saber mais, siga a Databricks no LinkedIn, X, YouTube e Instagram.