GCP und AWS: Ein strategischer Cloud-Vergleich für Datenteams

Google Cloud Platform (GCP) und Amazon Web Services (AWS) sind zwei der am häufigsten verwendeten Cloud-Computing-Anbieter. Beide bieten eine skalierbare Infrastruktur und Hunderte von Cloud-Diensten in den Bereichen Datenverarbeitung, Speicher und Netzwerk.

In diesem Leitfaden werden Preismodelle, Kerndienste, Anwendungsfälle und Leistung verglichen, um technischen Teams dabei zu helfen, die für ihre Integrationsanforderungen und betrieblichen Prioritäten am besten geeignete Lösung auszuwählen.

GCP und AWS: Direkter Vergleich

GCP im Vergleich zu AWS: Detaillierte Einblicke in die Funktionen

GCP im Vergleich zu AWS: Rechnen

Sowohl AWS als auch GCP bieten eine große Auswahl an Rechenservices:

Virtuelle Maschinen:

• GCP bietet verschiedene Rechendienste wie Google Compute Engine (GCE), Google App Engine (GAE).
• Der führende Rechenservice von AWS ist die Elastic Compute Cloud (EC2), ein Äquivalent zu GCE.
• AWS bietet Hunderte von Instance-Typen, die für GPU, Arbeitsspeicher, CPU und Speicher optimiert sind. Es verfügt auch über benutzerdefinierte Graviton-ARM-CPUs, die eine bessere Leistung zu geringeren Kosten bieten.
• GCP bietet einen gleichwertigen Satz von Instanzen mit weniger vorhandenen Optionen. GCP ermöglicht jedoch benutzerdefinierte vCPU- und RAM-Kombinationen.

Container und Orchestrierung

• GCP bietet die Google Kubernetes Engine (GKE) für containerisierte Workloads und lässt sich in Anthos integrieren, um Hybrid- und Multi-Cloud-Portabilität zu gewährleisten.
• AWS hat den Elastic Kubernetes Service (EKS). Obwohl es sich bei beiden um vollständig verwaltete Kubernetes-Dienste handelt, bietet GKE Multi-Cloud-Portabilität.
• AWS bietet auch ECS, eine Nicht-Kubernetes-Containerplattform, die den nativen Orchestrator von AWS verwendet.

Serverlos

• GCP bietet beides Cloud-Funktionen und Cloud Run, mit denen Sie Code ausführen können, ohne Server bereitstellen oder verwalten zu müssen.
• AWS Lambda unterstützt mehr Laufzeitumgebungen mit maximal 15 Minuten pro Funktion
• GCP Cloud Functions der zweiten Generation ermöglicht bis zu 60 Minuten pro Funktion.

Spezialisierte Rechenhardware

• Sowohl GCP als auch AWS bieten mehrere Optionen für GPUs und Beschleuniger. GCP bietet Tensor Processing Units (TPUs) an, während AWS eine Reihe von NVIDIA-GPUs anbietet. AWS umfasst auch benutzerdefinierte ML-Chips wie AWS Trainium (speziell für KI-Training entwickelt) und AWS Inferentia für Inferenz.
• AWS bietet eine größere Auswahl an Rechenoptionen und Instanztypen als GCP. GCP verfolgt jedoch einen einfacheren, entwicklerfreundlicheren Ansatz und bietet mehr Anpassungsmöglichkeiten.

GCP im Vergleich zu AWS: Dienstleistungen

Die Hauptdienste von GCP sind stärker auf eine bestimmte Domain zugeschnitten, während AWS einige sich überschneidende Dienste für eine ähnliche Aufgabe anbietet, um Entwicklern mehr Optionen zu bieten.

Jede Plattform hat ihre wichtigsten Unterscheidungsmerkmale:

GCP hat BigQuery, eine serverlose Data-Warehouse-Plattform für Big-Data-Abfragen. BigQuery hebt sich von Wettbewerbern wie Amazon Redshift. Ein weiterer herausragender Dienst ist Vertex AI, der fortschrittliche Funktionen für maschinelles Lernen bietet.

AWS zeichnet sich durch eine große Auswahl an Datenbanken aus, die Entwicklern dabei helfen, unterschiedliche Workload-Anforderungen zu erfüllen. Dazu gehören:

• Amazon RDS: Verwalteter relationaler Datenbankservice für PostgreSQL, MariaDB, MySQL und SQL Server.
• Amazon DynamoDB: NoSQL-Leistung mit Millisekunden-Leistung.
• Amazon ElastiCache: Caching-Service mit Latenz im Mikrosekundenbereich.
• Amazon Neptune: Graphdatenbank für Graphanalysen mit einer serverlosen Option.
• Amazon Keyspaces — Apache Cassandra-kompatibler Datenbankdienst.
• Amazon DocumentDB: Dokumentendatenbankdienst, der mit der MongoDB-API kompatibel ist.
• Amazon Aurora: Verteilte SQL-Datenbank.
• Amazon MemoryDB: In-Memory-Datenbank, die mit Redis OSS und Valkey kompatibel ist.

Es bietet auch den AWS Snowball für die Offline-Datenübertragung, die Bodenstation für die Satellitenkommunikation und Amazon Braket für Quantencomputerexperimente. Es bietet auch mehrere Dienste, die sich auf das Internet der Dinge konzentrieren, wie IoT Core, IoT SiteWise und IoT Greengrass.

GCP im Vergleich zu AWS: Daten und Analysen

Die Datenfunktionen von GCP sind größtenteils an BigQuery gebunden. Die Architektur ist für Hochgeschwindigkeitsanalysen konzipiert, ohne dass Server konfiguriert werden müssen. Benutzer können eine Verbindung zu Datenquellen herstellen und mit der Ausführung von SQL-Abfragen beginnen. Es verfügt auch über integriertes maschinelles Lernen über BigQuery ML, wo du trainieren kannst Datenmodelle maßstabsgetreu.

Amazon Redshift ist BigQuery von GCP am nächsten, funktioniert aber eher wie ein herkömmliches Data Warehouse. Obwohl es sich um einen verwalteten Dienst handelt, ist er nicht ganz ohne Weiteres möglich, da Sie Aufgaben wie das Staubsaugen von Tabellen und das Sortieren von Schlüsseln ausführen müssen. Er eignet sich gut für strukturierte Daten.

Während Redshift gut in AWS integriert ist, lässt sich BigQuery neben externen Datenquellen wie Cloud Storage JSON auch in andere Google-Dienste wie Google Sheets und Looker Studio integrieren.

Plattform für maschinelles Lernen

• Google Vertex AI von GCP bietet ein einheitliches KI- und maschinelles Lernerlebnis. Es bietet Entwicklern vorgefertigte und benutzerdefinierte Modelle zum Erstellen, Trainieren, Optimieren, Bereitstellen und Überwachen von ML-Workloads in großem Maßstab.
  • Vertex AI lässt sich auch in BigQuery integrieren, sodass Sie Modelle auf einfache Weise mit Daten in BigQuery mithilfe von SQL trainieren und in Vertex-Pipelines exportieren können.
  • Vertex AI ist anfängerfreundlicher, hauptsächlich aufgrund der AutoML-Funktion.

• AWS verwendet Amazon SageMaker für Workloads für maschinelles Lernen. SageMaker bietet Zugriff auf Amazon Redshift Data Warehouses, S3-Datenseenund andere Quellen von Drittanbietern. Es ermöglicht Workloads wie Datenkennzeichnung, Hyperparameter-Tuning und die Bereitstellung von Endpunktmodellen.
  • SageMaker verfügt über hervorragende Integrationen, die eine feinkörnigere Steuerung ermöglichen, insbesondere für ML-Ingenieure.

GCP im Vergleich zu AWS: Netzwerk und Leistung

Sowohl GCP als auch AWS verfügen über eine zuverlässige Netzwerkarchitektur, allerdings mit subtilen Unterschieden:

Globale Netzwerkarchitektur

• Google Cloud verfügt standardmäßig über ein vollständig globales, privates Netzwerk. Die Erstellung einer Virtual Private Cloud (VPC) wird zu einer globalen Ressource, die sich über alle Google Cloud-Regionen erstreckt. Außerdem verfügt Google über ein ausgedehntes privates Glasfasernetz, das eine zuverlässige Übertragung zwischen Gebieten mit niedriger Latenz ermöglicht.
• AWS-VPCs sind regionsspezifisch, was bedeutet, dass für den Verkehr zwischen Regionen Datenübertragungsgebühren anfallen. Außerdem sind die meisten Netzwerkdienste, wie der Application Load Balancer, regional.

Regionen und Verfügbarkeitszonen

• GCP ist in über 200 Gebieten mit über 40 Regionen und über 120 Verfügbarkeitszonen verfügbar, sodass Sie wählen können, wo Sie Ihre Anwendungen für niedrige Latenz und hohe Verfügbarkeit bereitstellen möchten.
• AWS hat etwas weniger, mit über 35 Regionen, von denen jede über mindestens drei physisch isolierte AZs verfügt, und insgesamt über 110. Jede AZ verfügt über unabhängige Hardware, Kühlung und physische Sicherheit, um sicherzustellen, dass die Workloads fehlertolerant sind.

Edge-Standorte

• Obwohl GCP über mehr Regionen und Verfügbarkeitszonen verfügt, verfügt AWS über weitaus mehr Edge-Standorte. Wann immer Sie eine Anwendung auf AWS bereitstellen, können Sie CloudFront verwenden, um Inhalte zwischenzuspeichern und Benutzer mit reduzierter Latenz zu bedienen.
• Das Cloud-CDN von GCP hat mit etwas mehr als 180 Edge-Standorten weniger. AWS bietet auch lokale Zonen und Mini-Rechenzentren in Ballungsräumen, um eine höhere Fehlertoleranz und eine niedrige Latenz zu gewährleisten.

GCP im Vergleich zu AWS: Sicherheit und Compliance

Google Cloud und AWS verfolgen eine gemeinsame Verantwortung, bei der Anbieter Infrastruktur und Dienste sichern, während Nutzer ihre Anwendungen, Konfigurationen und Daten sichern.

Identitäts- und Zugriffsmanagement (IAM)

Beide Plattformen verwenden feingranulares, richtliniengesteuertes IAM und unterstützen Single Sign-On (SSO) mit externen Identitätsanbietern sowie kurzlebige Anmeldeinformationen für eine zentrale Verwaltung.

Zero-Trust-Architektur:

• Das Zero-Trust-Modell von BeyondCorp von Google schützt virtuelle Standorte ohne VPN. Es bietet Authentifizierung sowohl für Nutzer als auch für Geräte und autorisiert den Zugriff auf die Kerninfrastruktur und Ressourcen von Google. Es ermöglicht auch SSO- und Zugriffskontrollrichtlinien.
• AWS bietet eine ähnliche Vertrauensarchitektur durch AWS Verified Access, IAM Identity Center und Amazon VPC Lattice. Bei beiden Methoden wird zwar Zero-Trust erreicht, BeyondCorp von Google ist jedoch etablierter.

Einhaltung

• AWS: ~100 Compliance-Programme; GovCloud für behördliche Arbeitsbelastungen.
• GCP: ~80 Compliance-Programme; Gesicherte Workloads für regulierte Branchen.
• AWS bietet GovCloud, eine hochgradig konforme und dedizierte Region für sensible Daten, die häufig von Regierungs- und Verteidigungsbehörden verwendet werden. Im Gegensatz dazu verfügt GCP über Assured Workloads, mit denen Unternehmen Sicherheitskontrollen anwenden können, um bestimmte Compliance-Anforderungen zu erfüllen. Mit dem AWS Control Tower können Sie viele Konten nach bewährten Methoden erstellen und verwalten, während Sie mit AWS Organizations Regeln festlegen können, um die Aktivitäten einiger untergeordneter Konten einzuschränken.

GCP im Vergleich zu AWS: Ökosystem- und Partnerunterstützung

Sowohl GCP als auch AWS verfügen über umfangreiche Ökosysteme und Partnerunterstützung:

Partnernetzwerk

• Das Partnerprogramm (APN) von AWS ist umfangreich und umfasst mehr als 12.000 Beratungspartner und 25.000 Marketplace-Produkte in über 70 Kategorien.
• GCP Partner Advantage ist ein kleineres Partnernetzwerk, das jedoch schnell wächst und auf Open-Source-Tools und Google-native Tools abgestimmt ist.

Gemeinschaft und Talent

• AWS verfügt über eine große Community und Foren mit Tausenden von AWS-zertifizierten Architekten und Entwicklern auf dem Arbeitsmarkt. Dies ist auf die umfangreichen AWS-Zertifizierungsprogramme zurückzuführen, die sich über mehrere Fachstufen erstrecken.
• GCP erweitert auch seine Zertifizierungsmöglichkeiten und bietet Programme an, die von Grundlagenprogrammen bis hin zu professionellen Programmen reichen.

GCP im Vergleich zu AWS: Multi-Cloud- und Hybrid-Bereitschaft

GCP erfordert Lizenzierung und Einrichtungsaufwand. Es bietet verschiedene Multi-Cloud-Lösungen zur Migration und Optimierung von Anwendungen in verschiedenen Umgebungen. Google Anthos, eine containerbasierte Anwendungsverwaltungsplattform, ermöglicht es Benutzern, Anwendungen in der Google Cloud, vor Ort und auf anderen öffentlichen Cloud-Plattformen wie Azure und AWS konsistent zu erstellen.

AWS konzentriert sich darauf, AWS über AWS-Außenposten vor Ort bereitzustellen. Es erfordert jedoch von AWS bereitgestellte Hardware, während Anthos auf vorhandener Hardware läuft. Anthos ist Cloud-neutral, während Outposts tief in AWS integriert ist.

GCP im Vergleich zu AWS: Komplexität

Sowohl GCP als auch AWS verfügen über CLI-Tools, APIs und Dokumentation, die Entwicklern beim Erstellen und Bereitstellen von Anwendungen helfen.

Benutzererfahrung und UI

• Die Cloud-Verwaltungskonsole von GCP ist intuitiv und einfach zu bedienen. Sie bietet an einem Ort Einblicke in Ihre Google Cloud-Bereitstellungen, Kontingente und den Zustand Ihrer Infrastruktur. Es verfügt über ein Navigationsmenü und eine einheitliche Suchleiste, die alle übersichtlich gestaltet sind.
• Die Navigation auf der AWS-Managementkonsole fühlt sich dichter an, was hauptsächlich auf die große Anzahl von Diensten zurückzuführen ist.

Befehlszeilen- und Browser-Shells

• GCP bietet die Cloud Shell, die direkt in die Konsole integriert ist, zusammen mit einem Code-Editor, der eine bequeme Möglichkeit bietet, Befehle auszuführen oder Konfigurationsdateien zu bearbeiten.
• AWS bietet AWS CloudShell, das für einen schnellen Start mit seinen CLIs und Editoren vorab authentifiziert ist, mit ähnlichem CLI-Zugriff im Browser an.

CLIs und SDKs

• Die AWS-CLI ist jedoch gut dokumentiert, um jeden AWS-Service zu unterstützen. AWS bietet außerdem SDKs mit vollem Funktionsumfang in allen wichtigen Programmiersprachen wie Python, JavaScript, Ruby, .NET und mehr, sodass Sie AWS-Services ganz einfach von Ihren Anwendungen aus aufrufen können.
• Die CLI von GCP, die gcloud CLI, ist ebenfalls gut gestaltet und konsistent. Beide CLIs unterstützen alltägliche Abläufe wie das Streamen von Protokollen, die Verwaltung von IAM-Richtlinien, die Bereitstellung von Ressourcen usw.

Dokumentation

• GCP und AWS verfügen beide über eine umfassende Dokumentation und einen Beispielcode, um Entwicklern den Einstieg zu erleichtern.
• Die Dokumentation von AWS ist ausführlich, während die von GCP etwas einfacher nachzuvollziehen ist.
• AWS bietet zahlreiche Anleitungen und eine große, aktive Community. Google bietet auch interaktive Tutorials über Cloud Skills Boost (ehemals Qwiklabs).

GCP im Vergleich zu AWS: Preise und Rabatte

GCP und AWS haben ein Pay-as-you-go-Preismodell, bei dem Sie für die verwendeten Ressourcen bezahlen.

Es fallen keine Vorabkosten an, aber die Abrechnungs- und Rabattmethoden weisen komplexe Preisnuancen auf. Es ist wichtig, den Taschenrechner und das Rechnungsanalyse-Tool jedes Anbieters zu verwenden, z. B. den AWS Cost Explorer, für genaue Schätzungen, da viele Faktoren zu den tatsächlichen Kosten beitragen.

Preisgestaltung berechnen

GCP GCE und AWS EC2 berechnen für viele VM-Typen die Berechnung sekundengenau. Die On-Demand-Preise für eine kleine Basisinstanz sind niedrig.

• GCP: e2-Micro-VMs (2 vCPUs, 1 GB RAM) kosten ungefähr 0,008 bis 0,010$ pro Stunde oder 6-7 $ pro Monat.
• ALS: EC2 t3.micro VMs (1 vCPU, 1 GB RAM) kosten etwa 0,0116$ pro Stunde oder etwa 8,70$ pro Monat.

Preise für Speicher

• Google Cloud Storage Standard (US-Regionen, z. B. us-east1): 0,020$ pro GB-Monat.
  • Höhere Tarife für Stufen mit mehreren Regionen.
  • Niedrigere Tarife für Archivstufen (Nearline/Coldline/Archive).
• ALS S3 Standard (US-Regionen): 0,023 USD pro GB-Monat für die ersten 50 TB pro Monat.
  • Höhere Kosten für Speicher in mehreren Regionen.
  • Seltener Zugriff und Archivierungsebenen haben ebenfalls die Kosten gesenkt.

Preise für Netzwerke (Bandbreite)

Eingehende Daten (Ingress) sind in beiden Clouds kostenlos.

Ausgangswert Datenausgang Die Tarife für das öffentliche Internet (US-Regionen) sind:

• GCP: 0,12 USD pro GB für das erste GB
• AWS: 0,09 USD/GB für die ersten 10 TB pro Monat, mit reduzierten Tarifen bei höheren Volumes.

Rabatte und kostenlose Tarife

Neue GCP-Benutzer erhalten 90 Tage lang kostenlose Credits in Höhe von 300 USD sowie Limits für immer kostenlos.

AWS bietet 12 Monate lang eine durchgehend kostenlose Nutzung (mit Einschränkungen) sowie immer kostenlose Nutzungsbeschränkungen für viele Dienste.

GCP wird automatisch angewendet Rabatte bei anhaltender Nutzung die bis zu 30% Rabatt für laufende VMs bieten. Benutzer mit geplanter, kontinuierlicher Nutzung (für 1 oder 3 Jahre) erhalten Rabatte für feste Nutzung, die bis zu 57% auf bestimmte Mengen an vCPU/RAM-Nutzung bieten. Mit Spot-VMs (für kurzlebige Workloads), die jederzeit beendet werden können, können Sie außerdem zwischen 60 und 91% der Compute Engine-Kosteneinsparungen erzielen.

AWS bietet ermäßigte Tarife im Austausch für ein- oder dreijährige Verträge mit Kosteneinsparungen von bis zu 72%, die gelten für Reserved Instances und Sparpläne. AWS verfügt über Spot-Instances für fehlertolerante Workloads, die 90% weniger kosten als reguläre On-Demand-VMs.

Wann sollte GCP verwendet werden?

🠆 KI/ML und Analytik

🠆 Kostensensible, stetige Workloads

🠆 Multi-Cloud/Hybrid

🠆 Entwicklung mobiler Apps

KI/ML und Echtzeitanalysen

Dank Diensten wie BigQuery, Vertex AI und Cloud Dataflow ist GCP die erste Wahl für KI- und Machine-Learning-Workloads. Damit können Teams Datenpipelines schneller erstellen, einschließlich Workloads wie der Verarbeitung natürlicher Sprache und Bilderkennung.

Kostensensible Workloads mit stetiger Nutzung

GCP bietet eine einfachere Preisgestaltung und automatische Rabatte für nachhaltige Nutzung, wodurch die VM-Kosten bei langfristiger Nutzung gesenkt werden. Dadurch eignet es sich für SaaS-Anwendungen mit niedrigeren VM-Kosten. Außerdem verfügt GCP über ein einfacheres Abrechnungssystem, das bei der Prognose und Verwaltung der Kosten hilft.

Multi-Cloud- oder Hybridstrategie

Anthos bietet konsistentes Richtlinien- und Workload-Management für GCP, On-Premise und AWS oder Azure. Einige GCP-Produkte, wie BigQuery Omni, ermöglichen cloudübergreifende Analysen, ohne dass Daten verschoben werden müssen. Dies ist ideal, wenn Sie Daten aus mehreren Clouds aggregieren möchten. Die Ausrichtung von GCP auf andere offene Plattformen wie TensorFlow, Docker und Kubernetes unterstützt Portabilität.

Entwicklung mobiler Apps

GCP bietet eine entwicklerfreundliche Umgebung für Teams, die Mobil-, Web- und Microservice-Architekturen entwickeln. Mit Cloud Functions können Sie ereignisgesteuerte Funktionen ausführen, während Cloud Run die Bereitstellung serverloser Container ermöglicht.

Cloud Run eignet sich für Web-Backend- und REST-APIs, während Firebase eine Backend-Plattform mit Authentifizierung, Echtzeitdatenbank und mehr bietet. Darüber hinaus können Sie Google Kubernetes Engine (GKE) verwenden, um containerisierte Workloads auszuführen.

Wann sollte AWS verwendet werden

🠆 Dienstleistungen auf Unternehmensebene

🠆 Weltweit niedrige Latenz

🠆 Partner-Ökosystem

🠆 Schnellere Entwicklung/Markteinführungszeit

Vielfältige Services auf Unternehmensebene

Es hat fast jede Lösung, die Sie zum Ausführen von Anwendungen benötigen. Wenn es um die Datenverarbeitung geht, können Sie die gewünschten Instance-Typen auswählen, Daten in S3 speichern und containerisierte Workloads ausführen — und das alles in großem Umfang.

AWS kann einige der größten Bereitstellungen unterstützen, wie Netflix-Streaming und Formel-1-Rennanalysen in Echtzeit. Große Plattformen für Softwarebereitstellung und Hosting wie Supabase und Vercel basieren auf AWS.

Globale Anwendungen mit niedriger Latenz

AWS ist stark verteilt und verfügt über Regionen (Rechenzentren) und AZs. Diese Architektur ermöglicht es Ihnen, Ressourcen bereitzustellen, die den Benutzern am nächsten sind. Aus Gründen der Fehlertoleranz und Hochverfügbarkeit können Sie die Bereitstellung auch in mehreren Verfügbarkeitszonen durchführen. AWS-Edge-Services wie CloudFront, Wavelength und Local Zones bieten eine extrem niedrige Latenz, was für Echtzeitanwendungen von entscheidender Bedeutung ist.

Umfassende Partnerintegrationen und Marktplatzsoftware

Wenn Ihre Architektur auf Software von Drittanbietern basiert, bietet das AWS-Partnernetzwerk Zugang zu Tausenden von Entwicklern, Beratern und Lösungsarchitekten, die Ihnen zur Verfügung stehen. Der AWS-Marktplatz bietet Tausende von Softwareprodukten, sodass Sie Software für Unternehmen bereitstellen können.

Schnellere Markteinführungszeit für Managed Services

AWS bietet eine umfassende Palette von Services, um die Anwendungsentwicklung zu beschleunigen und schneller auszuliefern. Beispielsweise können Sie unter anderem Amazon Cognito für die Authentifizierung, Amazon SNS für Benachrichtigungen in Echtzeit und Elemental MediaConvert für die Videotranskodierung verwenden.

Speicherung, Sicherung und Archivierung

AWS verfügt über mehrere Speicherebenen, sodass Sie Daten je nach Anwendungsfall und Abrufhäufigkeit speichern können. Sie können die Standard-Stufe für Daten verwenden, auf die häufig zugegriffen wird, oder die Glacier Deep Archiv für Daten, auf die selten zugegriffen wird, mit mehreren Ebenen dazwischen.

‍

Wie Fivetran die Einführung von GCP und AWS unterstützt

GCP und AWS sind beide solide, seriöse Plattformen. Jede hat mehrere spezialisierte Angebote, eine globale Präsenz und eine sichere Architektur. Unabhängig von Ihrer Wahl können Sie sicher sein, dass Sie zuverlässige Leistung, Skalierbarkeit und Datensicherheit erhalten.

Egal, ob Sie sich für AWS oder GCP entscheiden, Fivetran bietet Ihrem Team eine konsistente, automatisierte Möglichkeit, Datenpipelines mit minimaler Konfiguration zu erstellen und zu verwalten. Auf GCP stellt Fivetran eine Verbindung zu BigQuery her, verwaltet Datenbanken und Tabellenund verarbeitet Schemaänderungen automatisch.

Auf AWS Fivetran verbindet sich mit Amazon Redshift, stellt Zielschemas und Tabellen bereit und führt inkrementelle Zusammenführungen durch, wodurch Warehouses mit minimalem Wartungsaufwand ermöglicht werden.

[CTA_MODULE]