Todas tus fuentes en Google Cloud Storage, en formatos de archivo abiertos.

Parquet, CSV, JSON y JSONL. Cada ejecución del flujo escribe un archivo en el formato que elijas, con controles a nivel de formato - delimitador, cabecera y formato de fecha de CSV, o la unidad de timestamp para Parquet, JSON y JSONL.

Cada ejecución del flujo aterriza como su propio archivo con fecha, así Google Cloud Storage se organiza como un dataset particionado por fecha. Los motores de consulta leen entonces solo las particiones que necesitan en lugar de escanearlo todo, lo que mantiene las consultas rápidas y los costes predecibles.

De dos formas: iniciando sesión con una cuenta de Google (OAuth) o subiendo una clave JSON de cuenta de servicio con el rol Storage Object Admin (lectura y escritura) sobre el bucket de destino.

En el proyecto, el bucket y la ruta que definas (la ruta debe terminar en barra; usa / para la raíz del bucket), como CSV, JSON, JSONL, Parquet, XML o XLSX. Los nombres de archivo usan tokens como {{objectLabel}} y {{today|Ymd}}, con el patrón por defecto {{objectLabel}}-{{today|Ymd}}.

Tú eliges. insert escribe un archivo nuevo por ejecución, así que los nombres con fecha crean un historial de instantáneas, mientras que truncate_insert reemplaza el archivo con el nombre resuelto. Los nombres de archivo estáticos se sobrescriben en cada ejecución.

Sí. Insert sigue escribiendo archivos nuevos, y create-new-or-replace sobrescribe el archivo con el mismo nombre. Para formatos de tabla lakehouse como Apache Iceberg, Dataddo aplica modos de escritura estilo warehouse sobre la propia tabla.

Dataddo cuenta con las certificaciones SOC 2 Type II e ISO 27001. Los datos se cifran en tránsito y en reposo, la PII se puede enmascarar o aplicar hash, y hay residencia de datos disponible en la UE o EE. UU. Conectas Google Cloud Storage con tus propias claves o un rol asumido.

Las cargas incrementales escriben solo los datos nuevos o modificados, y el Parquet columnar comprime bien - así almacenas y escaneas menos. Tú controlas la programación y la disposición de las particiones, lo que mantiene predecibles los costes de almacenamiento y consulta.

No. Los datos aterrizan en formatos de archivo abiertos en un bucket que es tuyo, y los pipelines son independientes del almacenamiento - puedes añadir o cambiar de object store, o apuntar las mismas fuentes a un warehouse, sin reconstruir nada.