AI & Analytics

Databricks Lakebase Postgres: testen van veranderingen met productdata

Databricks Blog
Databricks Lakebase Postgres: testen van veranderingen met productdata

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.

Lees het volledige artikel
Meer over AI & Analytics →