{"id":184634,"date":"2026-02-27T10:34:11","date_gmt":"2026-02-27T09:34:11","guid":{"rendered":"https:\/\/liora.io\/es\/por-que-el-nuevo-motor-de-google-spanner-lo-cambia-todo"},"modified":"2026-02-27T10:34:11","modified_gmt":"2026-02-27T09:34:11","slug":"por-que-el-nuevo-motor-de-google-spanner-lo-cambia-todo","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/por-que-el-nuevo-motor-de-google-spanner-lo-cambia-todo","title":{"rendered":"Por qu\u00e9 el nuevo motor de Google Spanner lo cambia todo"},"content":{"rendered":"

Google Cloud ha presentado hoy su motor columnar de Spanner en vista previa p\u00fablica, ofreciendo velocidades de consulta anal\u00edtica hasta 200 veces m\u00e1s r\u00e1pidas, manteniendo al mismo tiempo las capacidades transaccionales en tiempo real. La nueva arquitectura de almacenamiento dual permite a la base de datos Cloud Spanner procesar cargas de trabajo operativas y anal\u00edticas simult\u00e1neamente sin degradaci\u00f3n del rendimiento, posicion\u00e1ndolo como una soluci\u00f3n unificada para las organizaciones que buscan eliminar complejos flujos de datos entre sistemas transaccionales y anal\u00edticos.<\/strong><\/p>\n

La mejora funciona manteniendo los datos en formatos basados en filas y columnas simult\u00e1neamente, con el procesador de consultas de Spanner<\/strong> dirigiendo autom\u00e1ticamente las solicitudes a la capa de almacenamiento \u00f3ptima. Las consultas transaccionales breves contin\u00faan utilizando el almac\u00e9n de filas para operaciones de alto rendimiento, mientras que las consultas anal\u00edticas aprovechan el almac\u00e9n columnar para escaneos y agregaciones a gran escala, seg\u00fan la documentaci\u00f3n de Google Cloud.<\/p>\n

El sistema emplea ejecuci\u00f3n vectorizada<\/strong>, procesando datos en lotes en lugar de fila por fila para lograr sus mejoras de rendimiento. Las pruebas de referencia de Google Cloud utilizando Clickbench mostraron consultas espec\u00edficas ejecut\u00e1ndose 46,3 veces<\/strong> y 58,6 veces<\/strong> m\u00e1s r\u00e1pido en un solo nodo, contribuyendo a las afirmaciones de mejora general de una aceleraci\u00f3n de hasta 200 veces para cargas de trabajo anal\u00edticas.<\/p>\n

Integraci\u00f3n con Apache Iceberg<\/h3>\n

Una decisi\u00f3n arquitect\u00f3nica clave implica la integraci\u00f3n de Spanner<\/strong> con los lakehouses de Apache Iceberg<\/strong> a trav\u00e9s de lo que Google denomina un patr\u00f3n de \u00abETL inverso\u00bb. En lugar de consultar directamente archivos Iceberg en lagos de datos, Spanner ingiere datos tratados desde el almacenamiento en fr\u00edo y los transforma en datos operativos en caliente para lograr un acceso de baja latencia, seg\u00fan explic\u00f3 la empresa en su blog.<\/p>\n

La integraci\u00f3n se sustenta en varias v\u00edas, con el componente BigLake de BigQuery<\/strong> actuando como conector principal para leer tablas Iceberg en Google Cloud Storage. Las organizaciones tambi\u00e9n pueden usar plantillas de Dataflow<\/strong> para flujos de datos complejos o conectar datos desde plataformas como Databricks UniForm<\/strong> y Snowflake<\/strong> a trav\u00e9s de BigQuery, ampliando as\u00ed la interoperabilidad del sistema.<\/p>\n

Impacto comercial y disponibilidad<\/h3>\n

Entre los primeros usuarios se encuentran Palo Alto Networks<\/strong>, que requiere informaci\u00f3n estrat\u00e9gica de detecci\u00f3n de amenazas en tiempo real, y Vodafone<\/strong>, que busca conectar datos anal\u00edticos y operativos para mejorar la experiencia del cliente, seg\u00fan el anuncio de Google Cloud.<\/p>\n

El motor columnar est\u00e1 actualmente disponible en vista previa p\u00fablica<\/strong>, con precios basados en el consumo de almacenamiento. Habilitar la funci\u00f3n crea representaciones columnares adicionales que se facturan a las tarifas de almacenamiento est\u00e1ndar de Spanner, seg\u00fan la documentaci\u00f3n de Google Cloud. Las limitaciones se\u00f1aladas durante la vista previa incluyen copias de seguridad de instancias que no contienen datos columnares y posibles impactos en el rendimiento debido a actualizaciones de alta frecuencia o inserciones aleatorias.<\/p>\n

El sistema tambi\u00e9n cuenta con una integraci\u00f3n directa con Vertex AI<\/strong>, lo que permite a los usuarios invocar modelos de aprendizaje autom\u00e1tico dentro de consultas SQL utilizando la funci\u00f3n ML.PREDICT, posicionando a Spanner tanto como una base de datos como una capa de servicio para aplicaciones impulsadas por IA.<\/p>\n

\n

\n Sources
\n <\/h3>\n
    \n
  • Blog de Google Cloud<\/li>\n
  • Documentaci\u00f3n de Google Cloud<\/li>\n<\/ul>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

    Google Cloud ha presentado hoy su motor columnar de Spanner en vista previa p\u00fablica, ofreciendo velocidades de consulta anal\u00edtica hasta 200 veces m\u00e1s r\u00e1pidas, manteniendo al mismo tiempo las capacidades transaccionales en tiempo real. La nueva arquitectura de almacenamiento dual permite a la base de datos Cloud Spanner procesar cargas de trabajo operativas y anal\u00edticas simult\u00e1neamente sin degradaci\u00f3n del rendimiento, posicion\u00e1ndolo como una soluci\u00f3n unificada para las organizaciones que buscan eliminar complejos flujos de datos entre sistemas transaccionales y anal\u00edticos.<\/p>\n","protected":false},"author":87,"featured_media":184625,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2439,2428],"class_list":["post-184634","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-cloud-dev","category-noticias"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184634","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/users\/87"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/comments?post=184634"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184634\/revisions"}],"predecessor-version":[{"id":184638,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184634\/revisions\/184638"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media\/184625"}],"wp:attachment":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media?parent=184634"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/categories?post=184634"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}