Formato de tabla abierto de alto rendimiento para Data Lakes masivos que proporciona transacciones ACID, viajes en el tiempo (time travel) y evolución de esquemas.
Explicación y Contexto Conceptual
Apache Iceberg es la tecnología de formato de tabla abierto que está redefiniendo el almacenamiento de macrodatos corporativos, adoptada oficialmente por Snowflake, Databricks, Google Cloud, AWS y Apple. Históricamente, consultar terabytes de archivos Parquet en un Data Lake (S3 o GCS) era lento, peligroso y carente de transacciones ACID: una escritura fallida corrompía todo el conjunto de datos.
Iceberg introduce una sofisticada capa de metadatos jerárquicos (snapshots, manifiestos y archivos de datos) que convierte un simple directorio de archivos en una tabla relacional robusta con soporte pleno para SQL.
Permite capacidades extraordinarias como 'Time Travel' (consultar la tabla tal y como estaba hace 15 días con una sola cláusula SQL), 'Schema Evolution' sin reescribir datos existentes y 'Partition Evolution' sin romper consultas previas.
Ejemplo en la Práctica
Una corporación de retail consulta 500 terabytes de logs de promociones en Iceberg utilizando indistintamente Snowflake, Spark y Trino sobre el mismo almacenamiento en S3.