Databricks anuncia Lakehouse//RT e LTAP no Data + AI Summit 2026 para unificar dados em tempo real

O Lakehouse//RT não é só mais um data warehouse rápido: é uma mudança de paradigma no modelo de execução. Ele roda sobre o motor Reyden, que adota um modelo totalmente assíncrono, diferente do Spark (síncrono por natureza) e dos motores OLAP tradicionais como ClickHouse ou Druid, que dependem de estruturas de dados em memória otimizadas para leitura. Isso permite escalabilidade horizontal real sob carga concorrente extrema, sem picos de latência. Já o LTAP não é HTAP disfarçado: ele separa rigorosamente os papéis, Lakebase lida com transações PostgreSQL 17 com branching instantâneo e scale-to-zero; Lakehouse//RT serve consultas analíticas em milissegundos; e o Unity Catalog governa tudo com linhagem unificada. A peça-chave que conecta os dois é o Lakehouse Sync, em Public Preview desde maio de 2026, que faz CDC contínuo e de baixa latência entre Lakebase e Delta, sem Kafka ou Airflow.

Essa arquitetura só se tornou viável graças a três pilares anteriores da Databricks já em produção: o Iceberg v3 (com Deletion Vectors e Row Lineage, lançado em abril), o OpenSharing (padronizado pela Linux Foundation em junho, permitindo acesso federado a dados e modelos sem movimentação), e o SDS (Software-Defined Storage), anunciado em 12 de junho, que elimina silos de armazenamento corporativo ao conectar diretamente servidores on-prem e endpoints de nuvem à plataforma.

Antes, em abril de 2026, a Databricks só oferecia suporte a Iceberg v3 em preview e o Lakebase ainda estava em beta para Azure. Agora, em junho de 2026, o Lakebase está em GA na AWS e em beta avançado na Azure, com todos os novos clusters sendo Autoscaling por padrão, incluindo scale-to-zero. O Lakehouse Sync, que antes era apenas conceito, agora está em Public Preview com integração real entre Lakebase e Delta via CDC nativo. E o Lakehouse//RT, que em 18 de junho era descrito como 'novo data warehouse em tempo real', foi oficialmente lançado em Beta em 16 de junho, com benchmarks reais (12k QPS, 10ms de latência) e integração confirmada com Power BI.

Isso muda o custo total de propriedade (TCO) de arquiteturas de dados. Um time que hoje opera Lakehouse + ClickHouse + PostgreSQL + Kafka + Airflow pode reduzir para três componentes: Lakebase (OLTP), Lakehouse//RT (serving analítico), Unity Catalog (governança). Sem cópias de dados, sem pipelines de sincronização, sem políticas duplicadas. Para agentes de IA, que já criam 80% dos bancos no Lakebase, essa unificação significa que cada novo agente pode provisionar, consultar, atualizar e apagar dados em segundos, não em horas. Não é só simplificação: é escala operacional para IA nativa.