【要約】ADB のカタログにマウントしたIceberg テーブルに自然言語検索（Select AI）してみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
従来のmetadata.json直接指定方式には以下の課題がある。
- ・スナップショット更新時に外部表の再作成が必要。
- ・スキーマ変更への追従が困難。
- ・カタログ機能がなく、テーブルや名前空間の探索ができない。
- ・データの鮮度維持に手動運用が介在する。
// Approach
以下のステップで、カタログベースの自動連携を構築する。
1.Snowflake-managed IcebergをPolarisに同期。
2.ADBで
DBMS_CATALOG.MOUNT_ICEBERGを実行し、REST Catalogをマウント。3.
DBMS_CATALOG.CREATE_SYNCHRONIZED_VIEWSを用い、ADB内に同期ビューを作成。4.Select AIのプロファイル作成時、
object_listに当該同期ビューを指定。// Result
カタログ経由による以下の成果を確認した。
- ・最新スナップショットの自動反映（INSERTデータの即時検知）。
- ・新規Icebergテーブルの自動発見（Discovery機能）。
- ・Select AIによる、同期ビューを介した正確な自然言語クエリの生成。
Senior Engineer Insight
> データレイクとDWHの疎結合化を、カタログ層で解決する優れたアーキテクチャである。同期ビューを介在させる設計は、AIの認識精度と運用の柔軟性を両立しており、実戦的。ただし、AWS IAM、OAuth、ADBのACLなど、権限設定のレイヤーが多層に渡る。構築時の設定ミスが原因で、トラブルシューティングに時間を要するリスクがある。大規模環境では、カタログの可用性と権限反映の遅延（最大1時間）を考慮した設計が必須である。