# Часто задаваемые вопросы о Lake Compute [Закрытая бета-версия](https://docs.getdbt.tech/docs/dbt-versions/product-lifecycles "Подробнее о статусе или тарифе")

Lake Compute находится на этапе закрытого бета-тестирования

Чтобы запросить доступ, заполните [форму регистрации Lake Compute](https://docs.google.com/forms/d/e/1FAIpQLSdWXHU3VFqq1t8GVAA2BMfY_AfeVJH26OXJFlNwXiVv4pcuXQ/viewform). Lake Compute активно разрабатывается и, вероятно, будет меняться. Возможны изменения, нарушающие обратную совместимость; документация может быть неполной, а техническая поддержка — ограниченной. Во время бета-тестирования соглашение об уровне обслуживания не действует. Прежде чем планировать использование Lake Compute для реальных задач, ознакомьтесь с разделом [Ограничения закрытого бета-тестирования](https://docs.getdbt.tech/docs/lake-compute.md#private-beta-limitations).

Эти вопросы посвящены использованию Lake Compute в существующем проекте dbt во время закрытого бета-тестирования. Вводную информацию о продукте и его требованиях см. в разделе [О Lake Compute](https://docs.getdbt.tech/docs/lake-compute.md).

## Настройка и требования

 Нужно ли переносить конвейеры загрузки данных в Fivetran или MDLS?

Нет. Вам не нужно переносить существующие конвейеры загрузки данных или настраивать коннекторы Fivetran для загрузки в целевую систему MDLS. Во время закрытого бета-тестирования Lake Compute использует учётную запись Fivetran и целевую систему MDLS для предоставления доступа и аутентификации. Ваши существующие конвейеры загрузки данных остаются без изменений.

 Нужно ли задавать переменную окружения для использования Lake Compute?

Да. В dbt доступ к Lake Compute требует явного включения экспериментальной функции, поэтому перед выполнением любых команд задайте `DBT_ENGINE_EXPERIMENTAL_MULTI_ADAPTER=true`:

```bash
export DBT_ENGINE_EXPERIMENTAL_MULTI_ADAPTER=true
```

Одна переменная управляет доступностью `type: lakecompute` в `profiles.yml`, конфигурации `adapter` для узла и флага `--adapter`, поэтому она нужна независимо от того, используете ли вы Lake Compute как вспомогательный («sidecar») адаптер или как адаптер по умолчанию. Пока функция отключена, dbt завершает работу с ошибкой на этапе разбора и сообщает имя переменной, а не выполняет построение на адаптере по умолчанию без предупреждения.

`DBT_ALLOW_EXPERIMENTAL_ADAPTERS` не снимает это ограничение. Полное описание поведения см. в разделе [Обязательная переменная окружения](https://docs.getdbt.tech/docs/lake-compute.md#required-environment-variable).

## Проекты, модели и данные

 Требует ли Lake Compute переноса или разделения проекта dbt?

Нет. dbt v2 поддерживает экспериментальную функцию вызовов с несколькими адаптерами, которая позволяет выполнять один и тот же проект dbt как единый DAG одновременно в основном хранилище данных и в Lake Compute. Вы выбираете адаптер, или вычислительный движок, на уровне модели.

 Какие форматы таблиц Lake Compute поддерживает для чтения и записи?

Lake Compute читает и записывает таблицы Iceberg. Поэтому любой вышестоящий источник или таблица, на которые ссылается модель Lake Compute, должны быть доступны в виде таблицы Iceberg.

Нижестоящие модели могут ссылаться на модели Lake Compute обычным образом, и вы можете материализовать эти нижестоящие модели любым нужным способом: как представления, собственные таблицы хранилища, таблицы Iceberg и не только.

 Определяет ли Lake Compute автоматически, какие модели следует перенести?

Нет. Проанализируйте рабочую нагрузку хранилища и выберите модели для оценки в Lake Compute. Начните с небольшого числа моделей, проверьте результаты их выполнения и сравните их поведение и производительность с существующей реализацией в хранилище.

 Преобразует ли Lake Compute диалекты SQL автоматически?

Нет. Lake Compute выполняет SQL диалекта DuckDB и не преобразует автоматически SQL, написанный для другого хранилища. Некоторые простые модели работают без изменений или с минимальными изменениями, тогда как более сложные модели требуют существенной доработки и тестирования.

При переходе с одного диалекта SQL на другой обращайте внимание на:

* Встроенные функции хранилища, включая проприетарные функции AI или ML
* Полуструктурированные типы, такие как `VARIANT`, `OBJECT` и `ARRAY`
* Поведение неявного приведения типов данных столбцов
* Оконные функции, поведение которых различается в разных движках
* Представление временных меток и других типов данных при перемещении данных между хранилищем и Iceberg

 Какие модели следует оставить в хранилище?

Оставляйте модели в хранилище, если им нужны распределённое или многоузловое выполнение, соединения с большими объёмами данных с обеих сторон, встроенные функции AI или ML хранилища, проприетарное поведение SQL, высокая степень параллелизма или другие возможности, которые Lake Compute не поддерживает.

 Где находятся мои данные?

Для моделей, которые выполняет Lake Compute, данные находятся в вашем собственном бакете облачного хранилища, в открытом каталоге под управлением Fivetran MDLS. Lake Compute читает и записывает эти таблицы. Отдельную копию данных он не хранит.

Для моделей, которые ваша платформа данных выполняет и записывает в таблицы Iceberg, данные находятся в управляемом каталоге Iceberg этой платформы — Snowflake Horizon или Databricks Unity. Этот каталог может использовать ваш собственный бакет облачного хранилища или хранилище, управляемое платформой.

 Сможет ли моё хранилище по-прежнему читать таблицы, которые записывает Lake Compute?

Да. Ваше хранилище получает доступ к тем же таблицам Iceberg через интеграцию с MDLS или вашим бакетом хранилища. Модели, выполняемые в хранилище, и модели в Lake Compute могут ссылаться друг на друга в рамках единого DAG без необходимости поддерживать две независимые копии данных.

 Что делать, если модель плохо работает в Lake Compute?

Перенастройте модель на выполнение в основном хранилище данных. Все данные остаются доступными в каталоге Iceberg, поэтому смена движка выполнения для одной модели не требует перемещения данных или разделения проекта dbt.

## Стоимость

 Нужно ли платить за Lake Compute во время закрытого бета-тестирования?

Нет. Во время закрытого бета-тестирования Lake Compute бесплатен.

## Поддержка

 Действует ли для Lake Compute соглашение об уровне обслуживания во время закрытого бета-тестирования?

Нет. Во время закрытого бета-тестирования на Lake Compute не распространяется соглашение об уровне обслуживания (SLA). Используйте Lake Compute только для оценки и предоставления обратной связи и учитывайте, что техническая поддержка ограничена. Не используйте бета-версию для критически важных производственных задач, если ваша команда не оценила риски и не подготовила резервный план.

Полный список возможностей, которые Lake Compute не поддерживает во время закрытого бета-тестирования, см. в разделе [Ограничения закрытого бета-тестирования](https://docs.getdbt.tech/docs/lake-compute.md#private-beta-limitations).

 Что следует включить в обращение в службу поддержки?

Предоставьте достаточно сведений, чтобы служба поддержки могла воспроизвести проблему и направить обращение нужной команде:

* Укажите, что проблема связана с **закрытым бета-тестированием Lake Compute**.
* Укажите имя вашей целевой системы MDLS и облачный регион. Не включайте секреты, закрытые ключи или токены доступа.
* Укажите, успешно ли выполняется та же модель в вашем хранилище.
* Приложите минимальный SQL-код или воспроизводимый пример, удалив конфиденциальные значения.

 Следует обращаться в службу поддержки dbt или Fivetran?

Начните с команды, которая отвечает за компонент, в котором произошёл сбой:

| К кому обращаться                                          | Примеры                                                                                                                                                                                                                                                                                                                                                                                             |
| ---------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Служба поддержки dbt**                                   | Разбор или компиляция проекта dbt; поведение dbt v2 или Fusion; выбор моделей; поведение DAG или `ref`; оркестрация заданий; настройка подключения или модели на стороне dbt; модель выполняется в хранилище, но dbt не направляет её в Lake Compute, как ожидалось.                                                                                                                                |
| **Служба поддержки Fivetran**                              | Настройка учётной записи Fivetran или MDLS; работоспособность целевой системы MDLS; учётные данные для записи; каталог под управлением MDLS; выделение ресурсов хранилища или каталога через Fivetran; ошибка сервиса Fivetran.                                                                                                                                                                     |
| **Любая из команд, если неясно, кто отвечает за проблему** | Выполнение в Lake Compute, аутентификация, сетевое взаимодействие или сбой на стыке dbt, Lake Compute, MDLS и хранилища. Укажите, что обращение связано с закрытым бета-тестированием Lake Compute, и добавьте идентификаторы обеих учётных записей, чтобы служба поддержки могла направить его нужной команде. Не создавайте дублирующие обращения, если служба поддержки не попросит вас об этом. |

## Связанная документация

* [О Lake Compute](https://docs.getdbt.tech/docs/lake-compute.md)
* [Настройка Lake Compute](https://docs.getdbt.tech/docs/lake-compute/compute-onboarding.md)