Cas d'usage — Plateformes
beVault génère du code natif. Pas du SQL générique traduit.
Chaque plateforme a ses mécanismes de performance propres. beVault les connaît et génère du code qui les exploite — distribution keys pour Redshift, micro-partitions pour Snowflake, SQL natif pour SQL Server ou PostgreSQL. Le résultat est du code lisible, commenté et exportable. Vous ne dépendez pas d'une boîte noire.
- Code natif optimisé pour chaque plateforme cible
- Orchestration calculée à partir du graphe de dépendances du modèle
- Historisation native, sans rechargements complets
- Code lisible, commenté, exportable — vous gardez la main
Plateformes supportées
Les plateformes cibles, disponibles ou à venir
Snowflake, Amazon Redshift, Microsoft SQL Server et PostgreSQL sont supportés aujourd'hui. Databricks, Microsoft Fabric et Google BigQuery arrivent bientôt. Le statut indiqué sur chaque carte précise ce qui est disponible.
DisponibleSnowflake
Structurer et maîtriser les coûts de warehouse
En savoir plus
DisponibleAmazon Redshift
Tirer parti de l'écosystème AWS nativement
En savoir plus
DisponibleMicrosoft SQL Server
Moderniser sans migration cloud forcée
En savoir plus
DisponiblePostgreSQL
La fondation Data Vault open source
En savoir plus
Prévu dans une prochaine versionIBM DB2
Structurer les données critiques mainframe
En savoir plus
Prévu dans une prochaine versionOracle
Réduire la dépendance Oracle sans tout reconstruire
En savoir plus
Arrive bientôtDatabricks
Donner une structure Data Vault au lakehouse
En savoir plus
Arrive bientôtGoogle BigQuery
Data Vault dans l'écosystème Google Cloud
En savoir plusÉvolution produit
Extension du support de plateformes cibles
Les organisations qui ont standardisé sur un moteur donné veulent la même génération de code natif que sur les plateformes déjà couvertes, sans devoir maintenir une modélisation parallèle par cible.
Le générateur couvre les mécanismes propres à chaque moteur — formats de table du lakehouse, partitionnement, spécificités SQL — en s'appuyant sur le même métamodèle, sans réécriture du modèle existant.
Un Data Vault modélisé pour un entrepôt relationnel est régénéré vers un lakehouse : les hubs, links et satellites sont produits avec les formats et les optimisations natifs de la cible.
Le modèle reste l'actif durable : changer de plateforme cible relève de la génération, pas d'un nouveau projet de modélisation.
Voir le déploiementÉtape suivante