Google与Databricks宣布合作，要在Google云计算上提供Databricks平台，集成两家企业的资料工程以及机器学习服务，让用户可以在Google云计算架构上，用到Databricks的资料分析和机器学习解决方案。
通过Google全球云计算网络，Databricks用户可以更快地创建湖边小屋（Lakehouse），以可扩展且灵活的方式，构建资料科学和机器学习应用。用户在Google云计算上交付Databrick，除了获得安全性和资料保护功能之外，还可以快速地在全球网络上配置Databrick，根据业务需求调整使用量。
Google云计算上的Databricks与BigQuery深度集成，用户可以自由地选择资料分析服务，并且扩展其现有的Databricks湖边小屋，使用BigQuery进行分析，官方提到，在Google云计算上提供Databricks的特点，在于用户可以跨资料湖、数据仓库和多种商业智能工具，扩展人工智能分析规模。
另外，预先构建的连接器，可以让用户快速地将Databricks、BigQuery、Google云计算存储、Looker和Pub/Sub集成在一起，而且在Google的人工智能平台，使用在Databricks所创建的资料工作流程，无论是速度以及规模都可获得提升，并可利用人工智能平台的Prediction功能，简化Databricks内置模型的部署。
官方提到，这是Databricks首次在云计算上提供容器化部署，其使用GKE（Google Kubernetes Engine）作为基础，支持Databricks以容器的形式部署在云计算，借由把GKE当作操作环境，Databricks可以利用托管服务实例安全、网络政策和运算功能，进而提供分析、人工智能和机器学习功能。
Google云计算和Databricks的集成，可让用户使用Google人工智能平台托管服务，减少部署Databricks模型的成本开销，并且Databricks用户可以搭配使用Google云计算服务，加快新资料工作管线、分析应用程序和机器学习模型推出的速度。由于Databricks、Google云计算和额外分析应用程序，都在共享的基础设施上执行，因此官方提到，从定价角度来看，提供了规模经济，且减少企业分析基础架构的管理工作。
这项合作还包括共同支持开源社群的承诺，致力开放式创新和开源软件，鼓励开源创新和协作，让共同的客户能够更简单地使用开源技术。用户之后将可以从Google云计算市场部署Databricks，简化采购和用户配置，并使用单一登录以及统一计费。