| De quel type de plateforme s'agit-il ? | Un service de data warehouse entièrement managé. Aucun serveur ni aucune version à exploiter. | Une plateforme lakehouse construite sur Apache Spark et Delta Lake, avec des notebooks et des jobs à côté du SQL. | Un moteur de requêtes SQL distribué qui lit les données là où elles se trouvent. Il nécessite un stockage en dessous, par exemple un stockage objet avec des tables Iceberg. | Une base de données massivement parallèle construite sur PostgreSQL, en shared-nothing comme Teradata. C'est votre équipe qui l'exploite. |
|---|
| Comment le code Teradata y arrive-t-il ? | Snowflake publie un convertisseur de code, SnowConvert, avec des options propres à Teradata. Le résultat est une ébauche qu'il faut valider. | Databricks Lakebridge liste Teradata parmi ses dialectes SQL sources. Il convertit le code mais ne déplace pas les données. | La syntaxe propre à Teradata, les scripts BTEQ et les procédures stockées sont réécrits pour le SQL de Trino, à la main ou avec des outils. | La syntaxe propre à Teradata et les procédures stockées sont réécrites pour le dialecte PostgreSQL. |
|---|
| Comment est-il facturé ? | Des crédits pour le calcul, plus le stockage. La conception des warehouses détermine la facture. | Des unités Databricks pour le calcul, plus l'infrastructure cloud sous-jacente. | Du calcul que vous exploitez, ou les éditions commerciales de Starburst, plus le stockage facturé séparément. | Du matériel ou des instances cloud que vous exploitez. Greenplum est un produit commercial depuis mai 2024 : la licence ou un fork est donc une décision à prendre. |
|---|
| Qu'est-ce qu'elle fait bien avec un workload Teradata ? | Le BI et le reporting SQL sur du calcul élastique, quand le data warehouse est l'ensemble du besoin. | Les parcs qui ont aussi besoin de data engineering, de machine learning ou de streaming à côté du data warehouse. | Interroger plusieurs sources sur place, ou échelonner une migration pour ne pas avoir à tout copier d'abord. | Une architecture à l'identique pour les équipes qui souhaitent continuer à exploiter elles-mêmes une base MPP. |
|---|
| Où est la difficulté ? | Le contrôle des coûts après la migration, et la recréation des règles de workload Teradata sous forme de dimensionnement de warehouse. | La gouvernance et la concurrence de type data warehouse demandent un travail de conception, et l'optimisation du SQL diffère de celle de Teradata. | C'est un moteur, pas un data warehouse : la maintenance des tables, les catalogues et le stockage sont à votre charge. | Rester sur une plateforme plus petite que les data warehouses cloud, et en assumer l'exploitation soi-même. |
|---|