Η Databricks παρουσιάζει τη διακλάδωση Lakebase για παράλληλους κωδικοποιητικούς πράκτορες

Η Databricks στις 8 Οκτωβρίου 2026 δημοσίευσε μια ανάρτηση ιστολογίου που περιγράφει μια ροή ανάπτυξης στην οποία κάθε παράλληλος κωδικοποιητικός πράκτορας και κάθε pull request εκτελείται σε δική του απομονωμένη, παροδική βάση δεδομένων Postgres, η οποία δημιουργείται μέσω της διακλάδωσης copy‑on‑write που ενσωματώνεται στην υπηρεσία βάσης δεδομένων Lakebase.

Στο άρθρο, η Databricks περιγράφει τη βάση δεδομένων ως ένα συχνά παραβλεπόμενο μέρος της ροής ανάπτυξης τη στιγμή που οι κωδικοποιητικοί πράκτορες αναλαμβάνουν ένα αυξανόμενο μερίδιο της εργασίας ανάπτυξης και η εκτέλεση πολλαπλών πρακτόρων παράλληλα γίνεται ο κανόνας. Με τα παραδοσιακά κοινόχρηστα περιβάλλοντα, όπως μια μοναδική βάση δεδομένων ανάπτυξης ή staging, οι ταυτόχρονες πράξεις μπορούν να συγκρούονται σε αλλαγές σχήματος, να παρεμβαίνουν η μία στην άλλη ή να βασίζονται σε mock‑s που δεν αντανακλούν πραγματικά δεδομένα. Αυτά ήταν ήδη σημεία πόνου για τους προγραμματιστές, δηλώνει το άρθρο, αλλά οι πράκτορες τα εντείνουν επειδή κινούνται πιο γρήγορα, λειτουργούν παράλληλα και χρειάζονται ένα ασφαλές περιβάλλον που αποφεύγει την έκθεση των δεδομένων παραγωγής ή των ευαίσθητων δεδομένων.

Μηχανισμοί Διακλάδωσης

Η Databricks αναφέρει ότι η διακλάδωση Lakebase επιτρέπει σε έναν χρήστη να δημιουργήσει ένα κλάδο ολόκληρης βάσης δεδομένων σε λιγότερο από ένα δευτερόλεπτο, ανεξάρτητα από το μέγεθός της. Οι κλάδοι βασίζονται σε αποθήκευση copy‑on‑write: ένας νέος κλάδος κληρονομεί το σχήμα και τα δεδομένα του γονέα του ενώ μοιράζεται την υποκείμενη αποθήκευση, καταναλώνοντας πρόσθετο χώρο μόνο όταν αποκλίνει. Σύμφωνα με Τεκμηρίωση διακλάδωσης Lakebase της Databricks, κάθε έργο δημιουργείται με έναν προεπιλεγμένο κλάδο με όνομα production, και κάθε κλάδος εκτός του ριζικού κλάδου έχει έναν γονέα. Οι αλλαγές σε έναν υποκλάδο δεν επηρεάζουν ποτέ τον γονέα του, και η απομόνωση επεκτείνεται στην κατάσταση ρόλων Postgres: ρόλοι και βάσεις δεδομένων που δημιουργούνται, GRANTs και REVOKEs που εφαρμόζονται, και τροποποιήσεις ιδιοτήτων ρόλου σε έναν κλάδο δεν έχουν καμία επίδραση στους άλλους κλάδους.

Κάθε κλάδος διαθέτει τους δικούς του πόρους υπολογισμού, κλιμακώνεται στο μηδέν όταν είναι αδρανής και χρεώνεται μόνο για τις ενεργές ώρες υπολογισμού, όπως δηλώνει η τεκμηρίωση. Η χρέωση αποθήκευσης εξαρτάται από το εάν ένας κλάδος λήγει: ένας κλάδος που λήγει χρεώνεται μόνο για τα δεδομένα που τροποποιήθηκαν σε αυτόν, ενώ ένας μόνιμος κλάδος χωρίς λήξη χρεώνεται για το πλήρες μέγεθος των δεδομένων του, όπως μια ανεξάρτητη βάση δεδομένων. Η επαναφορά κλάδου, η οποία ανανεώνει έναν υποκλάδο από τον γονέα του, λειτουργεί μόνο σε μία κατεύθυνση, από γονέα σε υποκλάδο. Η ανάκτηση σε συγκεκριμένο χρονικό σημείο δημιουργεί έναν νέο ριζικό κλάδο από ιστορικά δεδομένα εντός του παραθύρου επαναφοράς, ενώ διατηρεί τον αρχικό κλάδο αμετάβλητο και λειτουργικό.

Στη η σελίδα προϊόντος του, η Databricks περιγράφει το Lakebase ως μια πλήρως διαχειριζόμενη, serverless υπηρεσία Postgres που τρέχει τη μηχανή ανοιχτού κώδικα Postgres αντί για ένα fork.

Ένας Κλάδος ανά Πράκτορα

Η ροή εργασίας στο άρθρο συνδυάζει τα Git worktrees με τους κλάδους Lakebase. Ένα worktree παρέχει σε κάθε πράκτορα τον δικό του κατάλογο με τον δικό του κλάδο ελεγμένο, αφαιρώντας συγκρούσεις σε επίπεδο αρχείων μεταξύ των πρακτόρων, και ένα hook μετά το checkout δημιουργεί αυτόματα έναν κλάδο βάσης δεδομένων για κάθε νέο worktree. Στο παράδειγμα, που δημιουργήθηκε με το Claude Code, ένας πράκτορας εκτελεί claude -worktree feature-123, το Git δημιουργεί το worktree, το hook ενεργοποιείται, και ο πράκτορας καταλήγει με τον δικό του κατάλογο κώδικα και τη δική του πλήρως απομονωμένη βάση δεδομένων. Αρχεία οδηγιών αποθετηρίου όπως AGENTS.md ή CLAUDE.md καθοδηγούν τη συμπεριφορά του πράκτορα, και όταν ο πράκτορας ολοκληρώνει ανοίγει ένα pull request, μετά από το οποίο τόσο το worktree όσο και ο κλάδος βάσης δεδομένων μπορούν να αφαιρεθούν.

Μία διαφορά από το Git, σημειώνει το άρθρο, είναι ότι οι κλάδοι Lakebase δεν συγχωνεύονται ξανά στον κύριο κλάδο, επειδή ο γονέας και το παιδί μπορούν και οι δύο να αλλάξουν ανεξάρτητα και η εναρμόνιση των δεδομένων τους μπορεί γρήγορα να γίνει μη πρακτική. Αντίθετα, οι αλλαγές σχήματος παρακολουθούνται στον κώδικα μαζί με τη λογική της εφαρμογής και προωθούνται στον γονικό κλάδο μέσω μεταναστεύσεων, χρησιμοποιώντας εργαλεία όπως Drizzle, Flyway, Liquibase ή Alembic. Το παράδειγμα χρησιμοποιεί το Drizzle: όταν απαιτείται μια αλλαγή σχήματος, ο πράκτορας προσθέτει τη σχετική μετανάστευση στη βάση κώδικα, και η αυτοματοποίηση ανάπτυξης την εφαρμόζει κατά την ανάπτυξη της προεπισκόπησης της εφαρμογής και ξανά όταν η αλλαγή συγχωνεύεται στο main.

Κλάδος ανά Pull Request

Για συνεχή ολοκλήρωση, το άρθρο παρουσιάζει μια ροή εργασίας GitHub Actions στην οποία το άνοιγμα ενός pull request προς το main ενεργοποιεί το Lakebase CLI για να δημιουργήσει έναν παροδικό κλάδο, ονομασμένο σύμφωνα με το pull request, ως υποκλάδο του κλάδου production, και αυτός ο κλάδος γίνεται το περιβάλλον βάσης δεδομένων του pull request. Το εργαλείο μετανάστευσης εκτελείται στον νέο κλάδο, αναπτύσσεται μια προεπισκόπηση εφαρμογής και συνδέεται με τη συμβολοσειρά σύνδεσης του κλάδου, και δημιουργείται μια διαφορά σχήματος που δημοσιεύεται ως σχόλιο pull‑request, δείχνοντας ακριβώς ποιοι πίνακες, στήλες ή δείκτες άλλαξαν. Όταν το pull request κλείσει ή συγχωνευτεί, η αυτοματοποίηση διαγράφει τον κλάδο. Επειδή ο κλάδος ξεκινά από το production, η μετανάστευση σχήματος μπορεί να εφαρμοστεί και να δοκιμαστεί πριν η αλλαγή φθάσει στο production. Το παράδειγμα αναπτύσσει προεπισκοπήσεις σε Databricks Apps, αν και το άρθρο δηλώνει ότι η έννοια ισχύει και για άλλες πλατφόρμες φιλοξενίας όπως Vercel, Netlify και Cloudflare.

Σχετικά με τα περιβάλλοντα, το άρθρο σημειώνει ότι μια κοινή ρύθμιση Lakebase χρησιμοποιεί έναν χώρο εργασίας Databricks ανά περιβάλλον, όπως ανάπτυξη, staging και παραγωγή, και ότι οι ομάδες συνήθως δημιουργούν κλάδους από μια προετοιμασμένη βάση δεδομένων αντί για τη βάση παραγωγής, ώστε να αποφεύγεται η έκθεση ευαίσθητων δεδομένων όπως PII. Η παρουσίαση χρησιμοποιεί έναν μόνο χώρο εργασίας για απλότητα, ενώ επισημαίνει ότι οι ίδιες έννοιες ισχύουν και για ρυθμίσεις πολλαπλών χώρων εργασίας.

Αναπαραγωγή Σφαλμάτων και Δοκιμή Μετανάστευσης

Πέρα από τις βρόχους ανά πράκτορα και ανά αίτημα έλξης, η ανάρτηση περιγράφει ροές εργασίας διακ branching που δεν έχουν υλοποιηθεί στο παράδειγμα αποθετηρίου. Ένας προγραμματιστής μπορεί να δημιουργήσει ένα απομονωμένο κλάδο από την παραγωγή σε συγκεκριμένο χρονικό σημείο, συνήθως λίγο πριν εμφανιστεί ένα σφάλμα, να αναπαράγει και να διερευνήσει το πρόβλημα με πραγματικά δεδομένα, και να διαγράψει τον κλάδο μόλις επικυρωθεί η διόρθωση. Οι ομάδες μπορούν επίσης να δημιουργήσουν κλάδο πριν από την ανάπτυξη στην παραγωγή, να εφαρμόσουν μια μεταναστευτική σχήματος, να εκτελέσουν δοκιμές και να επαληθεύσουν ότι η εφαρμογή εξακολουθεί να συμπεριφέρεται όπως αναμένεται πριν προωθήσουν την αλλαγή. Αυτές οι ροές εργασίας επιτρέπουν στους προγραμματιστές να εργάζονται με δεδομένα παρόμοια με την παραγωγή ή προερχόμενα από την παραγωγή, χρησιμοποιώντας, για παράδειγμα, τη μάσκα του Unity Catalog, χωρίς να θέτουν σε κίνδυνο τη ζωντανή βάση δεδομένων, όπως δηλώνει η ανάρτηση.

Η ανάρτηση παραπέμπει σε ένα παράδειγμα αποθετηρίου στο GitHub, στον κατάλογο Lakebase-Agentic-CI του αποθετηρίου databricks/tmm, το οποίο περιέχει παραδείγματα ροών εργασίας GitHub Actions που υλοποιούν το πρότυπο. Συμπεραίνει ότι μαζί αυτά τα πρότυπα σχηματίζουν αυτό που αποκαλεί το βρόχο ανάπτυξης Lakebase: ένας κλάδος ανά πράκτορα, ένας κλάδος ανά αίτημα έλξης και απομονωμένοι κλάδοι για επικύρωση παραγωγής.