生态体系
云器 Lakehouse 与主流数据集成、BI、AI 和开发工具均已适配，部署在阿里云、腾讯云、AWS 等七朵公有云上。本文档按方向汇总已验证的第三方工具和连接方案。
如果你需要的工具不在列表中，不代表不支持——Lakehouse 通过 JDBC、MySQL 协议和 Python/Java SDK 提供标准接入，任何兼容这些协议的工具都可以直接连接。如果你希望基于 Lakehouse 开发新的连接器或集成方案，也可以联系我们的合作伙伴团队。
下图展示云器 Lakehouse 在企业 AI + 数据栈中的位置：左侧是数据来源，右侧是模型供应商，上方是各类消费者（AI Agent、业务用户、应用系统），下方是云基础设施，中间是云器产品矩阵。
云平台（CSP）
Lakehouse 部署在阿里云、腾讯云、AWS、GCP、华为云、百度智能云和火山引擎七朵云上。其中阿里云、腾讯云和 AWS 提供完整的独立文档（含存储连接、私网连接和权限配置），其余云平台的配置方式一致。同时支持 BYOS（自带存储）部署——数据存储在用户自己的云账号下，不经过云器平台。详见 支持云服务和地域 · 私有存储概述。
数据集成（Data Integration）
以下数据集成工具已适配 Lakehouse，覆盖离线批量、实时 CDC、消息流和日志采集等场景。Lakehouse 同时支持 50+ 数据源（MySQL、Oracle、PostgreSQL、MongoDB、Hive、MaxCompute 等），通过 Studio 数据同步直接接入，无需第三方工具：
| 工具 | 连接方式 | 说明 | 参考文档 |
|---|---|---|---|
| Apache Kafka | Kafka Connector | 消息流实时写入 Lakehouse | Kafka 数据源 |
| AutoMQ | Kafka 协议 | 新一代消息队列，兼容 Kafka 协议 | AutoMQ 数据源 |
| Airbyte | JDBC | 开源 ELT 平台，连接器丰富 | Airbyte 集成指南 |
| DataX | 插件式 | 阿里开源，适合批量数据同步 | DataX 集成指南 |
| Apache Flink | Flink Connector | 流计算引擎，实时写入 Lakehouse | Flink Connector |
| Apache Spark | Spark Connector | 大规模数据读写 Lakehouse 表 | Spark Connector |
| Logstash | Logstash Connector | 日志数据导入 Lakehouse | Logstash 集成指南 |
| Bluepipe | 原生接入 | Oracle 到 Lakehouse 的 CDC 实时同步 | Bluepipe 同步指南 |
BI 与可视化
以下 BI 工具已适配 Lakehouse。任何支持 JDBC、ODBC 或 MySQL 协议的 BI 工具均可直接连接，不限于以下列表：
| 工具 | 连接方式 | 说明 | 参考文档 |
|---|---|---|---|
| 帆软 FineBI | JDBC / MySQL | 国内主流 BI | JDBC 连接 · MySQL 协议 |
| Tableau | JDBC | 适合复杂可视化和探索分析 | Tableau 连接指南 |
| PowerBI | MySQL 协议 | 通过 MySQL 协议连接 | PowerBI 连接指南 |
| Apache Superset | SQLAlchemy | 开源，适合自助分析 | Superset 连接指南 |
| Metabase | JDBC | 开源，部署简单，适合中小团队 | Metabase 连接指南 |
| Apache Zeppelin | JDBC | Notebook 风格数据探索 | Zeppelin 连接指南 |
| Rath | JDBC | 开源智能分析，支持自动洞察 | Rath 连接指南 |
| Streamlit | Python SDK | 数据科学团队快速搭建数据应用 | Streamlit 连接指南 |
数据加工与计算引擎（Transformation & Compute）
以下数据转换工具和计算引擎已适配 Lakehouse：
| 工具 | 连接方式 | 说明 | 参考文档 |
|---|---|---|---|
| dbt | dbt-clickzetta adapter | 数据建模和转换，支持 Dynamic Table 物化 | dbt 集成指南 |
| Apache Spark | Spark Connector | 大规模批处理和机器学习 | Spark Connector |
| Apache Flink | Flink Connector | 实时流计算 | Flink Connector |
dbt 系列文档覆盖从快速入门到迁移实战的全部场景：jaffle-shop 体验、Snowflake/BigQuery 迁移、增量处理、实时管道、数据质量测试。详见 DBT 实战系列。
AI 与机器学习
以下 AI 框架和平台已适配 Lakehouse，支持向量存储、RAG 应用和 AI 工作流等场景：
| 工具 | 集成方式 | 说明 | 参考文档 |
|---|---|---|---|
| LangChain | Python SDK | 向量存储和 RAG 应用开发 | LangChain 集成 |
| LlamaIndex | Python SDK | 数据索引和检索 | LlamaIndex 集成 |
| Dify | MCP Server / SDK | 向量数据库 + 文件存储 | Dify 集成概览 |
| N8N | MCP Server | 统一 AI 工作流 | N8N 集成 |
| MindsDB | JDBC | ML/LLM 对 Lakehouse 数据建模和预测 | MindsDB 集成 |
| Datus | MCP Server | 数据工程智能体 | Datus 集成 |
| Zilliz | 联合方案 | 向量数据库联合方案 | Zilliz 联合方案 |
| Unstructured.io | SDK | 非结构化文档解析和向量化 | Unstructured.io 集成 |
Lakehouse 同时提供 MCP Server，可以被任意支持 MCP 协议的 AI Agent 调用。
LLM Providers
云器 AI Gateway 统一接入主流 LLM Provider，提供模型路由、API Key 管理和用量追踪。接入 AI Gateway 后，所有调用 AI 功能的产品（Data Engineering Agent、Data Analytics Agent、Lakehouse AI Functions）均无需单独配置模型连接。
| Provider | 说明 |
|---|---|
| OpenAI | GPT-4o、o1、Embeddings |
| Anthropic | Claude 3.5 / 4 系列 |
| Azure OpenAI | 企业级部署，数据不出租户 |
| Google Vertex AI | Gemini、PaLM、Embeddings |
| 阿里云百炼 | Qwen 系列，国内合规部署 |
| 火山引擎 | Doubao 系列，国内合规部署 |
| Self-hosted | Ollama、vLLM 等私有化部署 |
AI Gateway 作为企业统一 LLM 出口，支持在不修改代码的情况下切换模型供应商。详见 AI Gateway。
AI Agents
以下 Agent 可通过 CZ-CLI 或 MCP Server 直接操作 Lakehouse 和 Studio，完成数据工程和数据分析任务。
CZ-CLI 是主推接入方式，提供确定性命令接口，支持 Sub-Agent、CI/CD 和自动化场景。所有支持 shell 工具调用的 AI 编程 Agent（包括但不限于下表）均可通过 CZ-CLI 操作 Lakehouse 和 Studio。
内置 Agent
| Agent | 说明 | 参考文档 |
|---|---|---|
| Data Engineering Agent | 自然语言构建和运维数据管道、任务调度、DAG 编排 | Data Engineering Agent |
| Data Analytics Agent | 自然语言查询、分析、预测和看板 | Data Analytics Agent |
通过 CZ-CLI 接入的 AI 编程 Agent
以下 Agent 均可通过 CZ-CLI 直接操作 Lakehouse 和 Studio：
| Agent | 说明 |
|---|---|
| OpenClaw | 支持 CZ-CLI 工具调用，数据工程任务自动化 |
| Hermes Agent | 支持 CZ-CLI 工具调用，Lakehouse 数据管道管理 |
| Claude Code (Anthropic) | 支持 CZ-CLI 工具调用，代码生成 + 数据工程 |
| Kiro (Amazon) | 支持 CZ-CLI 工具调用，数据工程和分析任务 |
| Kilo Code | 支持 CZ-CLI 工具调用，数据管道开发 |
| Codex (OpenAI) | 支持 CZ-CLI 工具调用，SQL 生成和数据工程 |
任何支持 shell 工具调用的 AI Agent 均可通过 CZ-CLI 接入，详见 CZ-CLI Agent 集成。
通过 MCP Server 接入的 AI 平台
| 平台 | 说明 | 参考文档 |
|---|---|---|
| Dify | AI 工作流平台，调用 Lakehouse 数据和向量能力 | Dify 集成 |
| N8N | 自动化工作流，AI + 数据联动 | N8N 集成 |
| Datus | 数据工程智能体 | Datus 集成 |
| 其他支持 MCP 的 Agent | 任意支持 MCP 协议的 Agent 均可接入 | MCP Server |
开发接口（Programmatic Interfaces）
Lakehouse 提供以下原生编程接口和 SDK：
| 接口 | 语言 | 说明 | 参考文档 |
|---|---|---|---|
| JDBC 驱动 | Java / JVM | 标准 JDBC 接口，兼容所有 JVM 生态 | JDBC 驱动 |
| MySQL 协议 | 所有 | 无客户端依赖，兼容 MySQL 生态 | MySQL 协议连接 |
| Python SDK | Python | PEP 249 兼容，支持批量/实时写入 | Python SDK |
| Java SDK | Java | 支持 BulkLoad 和实时流写入 | Java SDK 批量上传 |
| SQLAlchemy | Python | Python 生态标准 ORM / SQL 工具 | SQLAlchemy 连接 |
| ZettaPark | Python | pandas / PySpark 风格 DataFrame API，Python 操作转译为 SQL 分布式执行 | ZettaPark 指南 |
| cz-cli | Shell | 命令行客户端，SQL + Studio Tasks + AI Agent | cz-cli 指南 |
SQL 客户端与数据库管理工具
这些工具通过 JDBC 或 MySQL 协议连接，兼容标准 SQL 操作：
| 工具 | 连接方式 | 说明 | 参考文档 |
|---|---|---|---|
| DBeaver | JDBC | 开源免费，社区版即可，适合日常查询和数据探索 | DBeaver 连接指南 |
| DataGrip | JDBC | JetBrains 出品，代码补全和 SQL 分析能力强 | DataGrip 连接指南 |
| SQL Workbench/J | JDBC | 轻量级，基础 SQL 执行 | SQL Workbench/J 连接指南 |
| Navicat | MySQL 协议 | 可视化管理，操作直观 | Navicat 连接指南 |
数据湖格式
Lakehouse 原生基于 Apache Iceberg，表以 Iceberg 格式存储，支持时间旅行、分区演进、Schema 演进和跨引擎访问。同时通过外部表兼容 Delta Lake 和 Hudi 格式：
| 格式 | 关系 | 说明 | 参考文档 |
|---|---|---|---|
| Apache Iceberg | 原生格式 | 所有 Lakehouse 表的底层格式，跨引擎访问 | Spark + Iceberg 分析 |
| Delta Lake | 外部表 | Databricks 生态的开放表格式 | Delta Lake 外部表 |
| Apache Hudi | 外部表 | 适用于流式写入的开放表格式 | Hudi 外部表 |
联邦查询：通过 External Catalog 直接查询 Hive、Databricks、Snowflake OpenCatalog 中的 Iceberg 表，无需迁移数据。详见 联邦查询。
现代数据栈（Modern Data Stack）
以下组合方案展示如何用 Lakehouse + 生态工具构建完整数据平台：
| 方案 | 工具链 | 参考文档 |
|---|---|---|
| 面向 ELT | Airbyte → Lakehouse → dbt → Metabase | ELT 现代数据栈 |
| 面向分析 | Lakehouse ← dbt → Superset | 分析现代数据栈 |
| BI + AI | Lakehouse + Zilliz | BI + AI 联合方案 |