Databricksとは？レイクハウスの仕組みと料金を解説

「BIはSnowflakeで動いているが、これからは機械学習や生成AIも社内でやりたい。そのときDatabricksを使うべき？」

データ基盤の相談で、この質問が明らかに増えてきました。生成AIの実装が現場テーマになってきた影響ではないかと思います。

Databricksは、分析だけでなくAIの開発まで1つの基盤で回せる「レイクハウス」という考え方の代表格です。ただ、DWHとは何が違うのか、DBUという聞き慣れない単位の料金がいくらになるのか。ここが正直、公開情報だけを追ってもつかみにくい。

まずDatabricksとレイクハウスの位置づけを押さえ、そのうえで主要機能・料金体系・費用相場、そしてSnowflake・BigQuery・Redshiftとの使い分けまで、順に見ていきます。DWHそのものの役割はDWH（データウェアハウス）とは？クラウドDWHの比較と選び方で解説しています。

Databricksとは：データとAIを1つにまとめるレイクハウス基盤

Databricksは、データ分析・データエンジニアリング・機械学習・生成AIを、1つの基盤でまとめて扱えるデータAIプラットフォームです。大規模データ処理の技術であるApache Sparkを生み出した研究者が2013年に立ち上げた会社が提供しています。

一番の特徴は、扱えるデータの幅の広さです。売上や在庫のような表形式（構造化データ）だけでなく、ログやJSONのような半構造化データ、さらに画像や音声、テキストといった非構造化データまで、同じ場所に置けます。そのうえで、データを運ぶETL、集計してBIで見る分析、AIモデルを作って動かす機械学習までを、1つの環境で完結できます。

この「あらゆるデータを1か所に置き、分析もAIも回す」という設計を支えるのが、次に説明するレイクハウスです。生成AIをうまく使うにはデータ側の整備が要る、という背景はなぜAI時代にこそデータ基盤が必要か｜生成AIが失敗する理由で詳しく整理しています。

レイクハウスとは：データレイクとDWHのいいとこ取り

Databricksを理解する鍵が、レイクハウス（Lakehouse）という考え方です。名前のとおり、データレイク（Lake）とデータウェアハウス（Warehouse）を1つにまとめた設計を指します。データレイクとDWH、そして両者を1つにまとめたレイクハウスの関係は、次の図のとおりです。

もともと、データの置き場には2つの流れがありました。

• データレイク：あらゆる形式のデータを、安く大量に置ける場所。ただし、そのままでは集計が遅く、数字の信頼性も担保しにくい。
• DWH：集計クエリが速く、数字の定義もそろえやすい分析専用の場所。ただし、画像や音声のような非構造化データは苦手で、保管コストも高め。

レイクハウスでは、この両方を同じ基盤で両立できます。安いストレージ（データレイク）の上に、DWH並みの速さと信頼性を足す、というアプローチです。データを2か所にコピーして持つ必要がなくなり、分析用とAI用でデータがずれる問題も起きにくくなります。

DWHでは、生データをそのまま取り込んでから中で変換するELTが主流になりました。レイクハウスはこの流れをさらに押し進めた形とも言えます。ETLとELTの違いはETLとELTの違いとは？5つの比較軸とELTが主流になった理由で解説しています。

Databricksの主要機能

Databricksがレイクハウスを実現するために持つ、代表的な機能を4つ挙げます。

• Delta Lake：安いストレージの上に、DWH並みの信頼性を足すための土台です。データの書き換えを安全に行うトランザクション保証や、過去の状態に戻せるバージョン管理を提供します。オープンソースで、特定の製品に縛られにくいのも利点です。
• Unity Catalog：どこに何のデータがあり、誰が見られるかを一元管理する仕組みです。行や列の単位でアクセスを制御でき、データの来歴（どこから来たか）もたどれます。AIや分析に社内データを安全に使わせる土台になります。
• Databricks SQL：BIツールやSQLからレイクハウスのデータを直接分析するための機能です。DWHと同じ感覚で、ダッシュボードや集計を動かせます。後述の料金表では、これを動かすコンピュートをServerless SQLと表記しています。
• ノートブックと機械学習：データの前処理からAIモデルの開発・学習・運用までを、同じ画面で進められます。生成AI向けの機能もそろっています。

BIの分析だけを見れば、この機能はSnowflakeやBigQueryとも重なります。Databricksの持ち味は、そこにデータエンジニアリングとAI開発までを1つに束ねている点です。Snowflakeの特徴はSnowflakeとは？クラウドDWHの特徴と導入メリットを解説で整理しています。

Databricksの料金体系：DBUとクラウド基盤の二重課金

Databricksの料金でつまずきやすいのが、2つの費用が別々にかかる点です。

1. DBU（Databricks Unit）：処理量を測るDatabricks独自の単位です。使った分だけ課金される従量制で、用途ごとに単価が違います。
2. クラウドのサーバー利用料（以下、クラウド代）：Databricksを動かすAWS・Azure・GCPのサーバー代です。これはクラウド事業者へ、自社のアカウントで別に支払います。

つまり、請求は「DBU料金＋クラウド代」の合計です。とくに自前でクラスタを立てる構成では、クラウド代がDBU料金と同程度まで上乗せされることが多く、DBUだけを見て見積もると足りなくなります（サーバー管理のいらないServerless系では、クラウド代がDBU側にまとめられます）。

用途別のDBU単価の目安は次のとおりです（2026年時点・AWSのPremiumプランの目安。リージョンやプランで変わるため、実額はDatabricksの料金ページで確認してください。モデルサービングは処理量に応じた別体系のため、あくまで参考値です）。

プランはPremium（Unity Catalogや権限管理、AI機能まで含む標準）と、Enterprise（コンプライアンス対応やSLAが加わり、Premiumより15〜25%ほど高い）が中心です。以前あったStandardプランは廃止の方向で、既存の環境も順次Premiumへ移行が進んでいます。低い単価のプランは選べなくなっていくため、最新の料金・移行案内をあわせて確認してください。

Databricksの費用相場と、失敗しないための注意点

「結局いくらか」の目安を、規模別に示します（DBU料金とクラウド代を合わせた概算。1ドル≒150円。設計や移行の初期費用は別途です）。

金額の幅が広いのは、クラスタ（処理サーバー）を動かしている時間で費用が決まるためです。Databricksでよくある費用の膨らみは、原因がだいたい決まっています。

• クラスタの止め忘れ：ノートブック用のクラスタを起動したまま放置すると、単価の高いAll-Purpose Computeが動き続けます。自動停止（オートターミネーション）を必ず設定します。
• 用途に合わないコンピュートの選択：本番のバッチに、単価の高いAll-Purpose Computeを使ってしまう例です。バッチはJobs Computeにするだけで単価が下がります。
• クラウド代の見落とし：DBUだけで見積もり、クラウドのサーバー代を計算に入れていないと、請求が想定の1.5〜2倍になります。

クラウドDWHのコストも含めた費用の全体像はクラウドDWH費用比較｜BigQuery・Snowflake・Redshiftで、DWHのランニングコストの抑え方はデータ基盤のコストダウン｜ランニングコスト削減の4要素で整理しています。

Snowflake・BigQuery・Redshiftとの違いと使い分け

Databricksは、SnowflakeやBigQuery、Redshiftと比べられることがよくあります。ただ、出発点が少し違います。3社が「SQLで分析するDWH」から広がってきたのに対し、Databricksは「あらゆるデータを処理してAIを作る基盤」から広がってきました。

選び方の目安はこうです。BIやSQL分析が中心で、数字を見られる状態を早く作りたいならSnowflakeやBigQuery。機械学習や生成AIの開発まで見据え、非構造化データも含めて1つの基盤で回したいならDatabricksが向きます。SQLだけで完結する用途にDatabricksはやや重く、逆にAI開発が主目的ならDatabricksの統合性が効きます。

各サービスの詳しい比較は、SnowflakeとBigQuery比較：コスト・性能・機能の違いと選び方やAmazon Redshiftとは？料金体系と費用相場を解説もあわせて参考にしてください。

まとめ：Databricksは「AIまで見据えた統合基盤」で効く

Databricksの位置づけを、4点で整理します。

1. Databricksとは：データ分析からAI開発までを1つで扱う、レイクハウス型のデータAIプラットフォーム
2. レイクハウス：データレイクの安さ・柔軟さと、DWHの速さ・信頼性を1つの基盤で両立する設計
3. 料金：DBU（使った処理量）＋クラウド代（サーバー利用料）の二重課金。クラウド代を見落とすと、請求が想定の1.5〜2倍になりやすい
4. 使い分け：BI・SQL中心はSnowflake/BigQuery、AI開発まで見据えるならDatabricks

BIだけが目的なら、DWHのほうが軽く始められます。Databricksが効くのは、機械学習や生成AIの開発まで含めて、データをまとめて活用したい場面です。自社がどちらに近いかを見極めることが、基盤選びの出発点になります。

データ基盤・AI活用のご相談はEvastへ

株式会社Evastでは、DWH・レイクハウスの選定・設計から、ETL/ELT実装・BIダッシュボード開発、機械学習の実装まで、データ基盤の一気通貫支援を行っています。

• 「Snowflake・BigQuery・Databricksのどれを選ぶべきか迷っている」
• 「BIは動いているが、これから機械学習や生成AIも社内で回したい」
• 「Databricksを入れたが、費用が想定より膨らんでいて見直したい」

構成の選定段階からでも構いません。現状のデータ環境の診断から、設計・実装まで伴走します。

→ データ基盤構築サービスを見る → 無料相談を申し込む