Samenvatting
Databricks Lakebase Postgres geeft elke pull request een eigen productiedatatak voor tests zonder productie te raken.
Databricks Lakebase Postgres per pull request
Hamlet gebruikt Databricks Lakebase Postgres om voor elke pull request een eigen branch van de productiedatabase te maken. Engineers testen wijzigingen daardoor met de data die een fout veroorzaakte, zonder de productieomgeving aan te passen.
AI-codeagents voeren de pipelines uit en controleren hun resultaten op dezelfde branch. Een medewerker keurt elke merge alsnog goed. Hamlet indexeert en transcribeert vergaderingen van meer dan 7.200 bestuursorganen in de Verenigde Staten, waaronder gemeenteraden, plancommissies en bestemmingscommissies.
Lakebase Postgres voor testen met echte data
De aanpak koppelt codebeoordeling direct aan representatieve productdata. Engineers hoeven een probleem niet na te bouwen met een beperkte dataset; ze kunnen de wijziging testen tegen de brondata die het probleem zichtbaar maakte. Tegelijk blijft productie buiten schot.
Dat sluit aan op de technische uitdaging van Hamlet. Lokale overheden gebruiken uiteenlopende websites, contentmanagementsystemen en documentformaten. Soms komt een agenda als pdf binnen, soms als scan van papier. Hamlet moet die variatie standaardiseren voordat gebruikers vergaderingen kunnen doorzoeken of meldingen kunnen instellen.
Databricks Lakebase Postgres fungeert hier dus niet alleen als database voor de applicatie, maar ook als gecontroleerde testomgeving per wijziging. Hamlet onderzoekt daarnaast Lakebase Search voor vector- en tekstzoekopdrachten in Postgres, naast branching voor object storage en een plek voor langere agentic jobs.
Concrete takeaway voor Databricks-teams
Richt je testproces zo in dat iedere pull request een geïsoleerde branch met productiedata krijgt. Laat geautomatiseerde agents daar de pipelines uitvoeren, maar houd menselijke goedkeuring verplicht voordat een wijziging productie bereikt.
Verdiep je kennis
Data lakehouse uitgelegd — Het beste van twee werelden
Wat is een data lakehouse en waarom combineert het het beste van data warehouses en data lakes? Vergelijking, architectu...
KennisbankETL uitgelegd — Extract, Transform, Load in gewone taal
Wat is ETL? Leer hoe Extract, Transform en Load werkt, het verschil met ELT, en welke tools je kunt gebruiken. Helder ui...