【要約】SnowflakeのIcebergテーブルをOCI Autonomous DatabaseからSELECT AIで自然言語検索してみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
[WARN: Partial Data] 本記事は前編であり、後編でローカルデータとの統合および顧客分析を行う構成となっている。
// Problem
- ・データがDWH、データレイク、業務DBに分散している。
- ・分散データの統合に物理的なコピーが必要となり、コストや鮮度の低下を招く。
- ・非エンジニアが複雑なSQLを書かずに、分散データを探索する手段が不足している。
// Approach
1.SnowflakeでIcebergテーブルを作成し、AWS S3へ書き出し。
2.AWS IAMでADB用の読み取り権限を構成。
3.OCI ADBでS3へのアクセス権（ACL/Credential）を設定。
4.
DBMS_CLOUD.CREATE_EXTERNAL_TABLE を用い、Icebergのmetadata JSONを指定して外部表を作成。5.
DBMS_CLOUD_AI.CREATE_PROFILE でOCI Generative AIと連携し、自然言語検索を可能にする。// Result
- ・データの物理移動なしに、S3上のIcebergデータとADB内のローカルデータを統合可能になった。
- ・SELECT AIにより、自然言語からSQL生成および実行（
action => 'runsql'）を実現。
Senior Engineer Insight
> マルチクラウドにおけるデータレイク活用として非常に合理的な設計。物理コピーを回避する点は、コストと鮮度の観点で高く評価できる。ただし、metadata JSON指定方式はSnowflake側の更新を自動追従できない。実戦では、メタデータの更新を検知し、外部表を再作成するワークフローの構築が運用の鍵となる。また、マルチクラウド間のIAM管理やネットワークACLの設定など、セキュリティ設計の複雑さには注意が必要だ。