谷歌去年发布的全托管低延迟NoSQL数据库BigLake，迎来了几项重要更新，包括可用于构建事件驱动应用程序的更改串流，还通过在混合交易和分析处理加入优先等级，避免资源争夺，而用户现在也可以不需使用ETL，就直接将BigQuery数据导出至Bigtable。
BigLake作为统一储存引擎，能够跨不同云和格式，提供精细度一致的储存控制，解决企业在不同环境以多种数据格式储存数据，造成数据孤岛的问题。
BigLake推出新的更改串流功能，用户能够追踪Bigtable变更，并且和其他系统整合，官方举例，Bigtable的数据变更可以复制到BigQuery中进行分析，又或是复制到ElasticSearch执行全文搜寻，甚至复制到其他数据库中以支持多云和混合云架构。 透过消息传递服务Pub/Sub和无服务器服务Cloud Functions，就能够触发下游操作，甚至是整合Vertex AI建立机器学习驱动应用。
更改串流可以让零售商更简单地监控产品目录变化，随时监控产品的定价和可用性，并且触发应用内或是电子邮件通知，提醒客户商品状态变更。 银行应用也可以利用更改流流，将上传的文件交付给Cloud Vision人工智能，以解析其内容。
另外，过去在分析营运数据的应用上，企业常会担心资源竞争的问题，当分析操作消耗过多的资源，可能破坏具延迟敏感性的工作负载，部分团队需要创建额外的执行个体，专门执行批次分析任务，又或是在低流量时刻进行操作，但这些方法可能产生额外成本或是管理工作。
而Bigtable新的请求优先等级功能，则可以解决这个问题，当用户在执行较不具时效性的大型工作负载，像是分析查询和批次写入，便能够将其设为低优先等级，Bigtable便会选择优先处理高时效性的查询作业，进而减少批次处理对系统的影响。
常用的Bigtable数据访问路径，诸如BigQuery联合、Dataflow和Spark连接器，也都支持请求优先等级，分析师、数据工程师和数据科学家都能够操作数据，Bigtable将会依优先等级排序工作，降低批次数据加载或是模型训练对整体系统效能的影响。
BigQuery现在也可以直接将数据导出到Bigtable，过去将数据移入营运数据库需要经过复杂的ETL工作管线，而Bigtable更新后开发者能够自助，将数据从数据仓储移动到营运数据库。 此外，Bigtable的另一项重要更新是能够与 HBase 双向复制，通过Bigtable所提供 Apache HBase 兼容 API，还有通用的宽字段数据库结构，能够简单地实践双向复制，使用户建构多云或是混合云部署。
