Features

Niedrige Latenz und hoher Durchsatz

Bigtable ist ein spaltenorientierter Speicher für Schlüssel/Wert-Paare, der sich ideal für den schnellen Zugriff auf strukturierte, semistrukturierte oder unstrukturierte Daten eignet. Dadurch sind latenzempfindliche Arbeitslasten wie Personalisierung perfekt für Bigtable geeignet. Dank der verteilten Zähler und des hohen Lese- und Schreibdurchsatzes pro investiertem Euro eignet sich dieses Modell auch hervorragend für Clickstream- und IoT-Anwendungsfälle sowie für Batchanalysen für Hochleistungs-Computing-Anwendungen (HPC), einschließlich des Trainings von ML-Modellen.

Unbegrenzte Schreib- und Leseskalierbarkeit

Bigtable entkoppelt Rechenressourcen vom Datenspeicher, wodurch Verarbeitungsressourcen transparent angepasst werden können. Jeder zusätzliche Knoten kann Lese- und Schreibvorgänge gleichermaßen gut verarbeiten und bietet so eine mühelose horizontale Skalierbarkeit. Bigtable optimiert die Leistung, indem es Ressourcen automatisch skaliert, um sich an den Server-Traffic anzupassen und Fragmentierung, Replikation und Abfrageverarbeitung zu übernehmen.

Flexibilität des Datenmodells

Mit Bigtable kann sich Ihr Datenmodell organisch weiterentwickeln. Speichern Sie alles von Skalaren, JSON, Protokollzwischenspeichern, Avro, Arrow bis hin zu Einbettungen und Bildern und fügen Sie nach Bedarf neue Spalten hinzu oder entfernen Sie sie dynamisch. Sorgen Sie für Bereitstellungen mit niedriger Latenz oder leistungsstarke Batchanalysen für unstrukturierte Rohdaten in einer einzigen Datenbank.

Aus einer einzelnen Zone bis zu acht Regionen gleichzeitig

Anwendungen, die von Bigtable unterstützt werden, können Lese- und Schreibvorgänge mit niedriger Latenz mit global verteilten multiprimären Konfigurationen bereitstellen, unabhängig davon, wo sich Ihre Nutzer befinden. Zonale Instanzen sind hervorragend für Kosteneinsparungen geeignet und können nahtlos auf multiregionale Bereitstellungen mit automatischer Replikation hochskaliert werden. Beim Ausführen einer multiregionalen Instanz kann Ihre Datenbank außerdem einen regionalen Ausfall überstehen und bietet eine branchenführende Verfügbarkeit von 99,999 %.

Einfache Migration von NoSQL-Datenbanken

Live-Migrationen ermöglichen ein schnelleres und einfacheres Onboarding, da eine genaue Datenmigration mit weniger Aufwand sichergestellt ist. HBase Bigtable Replikationsbibliothek rmöglicht Live-Migrationen ohne Ausfallzeiten mit Tools zum Importieren und Validieren zum einfachen Laden von HBase-Snapshots in Bigtable, während Dataflow-Vorlagen die Migration von Cassandra zu Bigtable vereinfachen.

Leistungsstarke, von Arbeitslasten isolierte Datenverarbeitung

Mit Bigtable Data Boost können Nutzer Analyseabfragen ausführen, ETL-Prozesse als Batch verarbeiten, ML-Modelle trainieren oder Daten schneller exportieren, ohne Transaktionsarbeitslasten zu beeinträchtigen. Data Boost erfordert keine Kapazitätsplanung oder -verwaltung. Es ermöglicht die direkte Abfrage von Daten, die in Colossus, dem verteilten Speichersystem von Google, mit On-Demand-Kapazität gespeichert sind, sodass Nutzer problemlos gemischte Arbeitslasten bewältigen und Daten sorgenfrei teilen können.

Umfassender Support für Anwendungen und Tools

Stellen Sie über die Apache HBase API eine einfache Verbindung zur Open-Source-Umgebung her. Datengestützte Anwendungen dank nahtloser Einbindung schneller mit Apache Spark, Hadoop, GKE, Dataflow, Dataproc, Vertex AI Vector Search und BigQuery. Holen Sie Entwicklungsteams dort ab, wo sie sich befinden mit SQL und Clientbibliotheken für Java, Go, Python, C#, Node.js, PHP, Ruby, C++, HBase und Einbindung in LangChain.

Keine versteckten Kosten

Keine IOPS-Gebühren, keine Kosten für das Erstellen oder Wiederherstellen von Sicherungen und keine unverhältnismäßigen Preise für Lese-/Schreibvorgänge, die sich auf Ihr Budget auswirken, wenn sich Ihre Arbeitslasten weiterentwickeln.

Automatisierte Wartung

Senken Sie die Betriebskosten und verbessern Sie die Zuverlässigkeit für jede Datenbankgröße. Replikation und Wartung erfolgen automatisch und ohne Ausfallzeiten.

Veränderung von Daten in Echtzeit erfassen und Eventing

Mit Bigtable-Änderungsstreams lassen sich Änderungsdaten aus Bigtable-Datenbanken erfassen und in andere Systeme zur Analyse, Auslösung von Ereignissen und Compliance einbinden.

Sicherheit und Kontrolle für Unternehmen

Vom Kunden verwaltete Verschlüsselungsschlüssel (CMEK) mit Unterstützung für Cloud External Key Manager, IAM-Integration für Zugriff und Steuerung, Unterstützung für VPC-SC, Access Transparency, Access Approval und ein umfassendes Audit-Logging tragen dazu bei, dass Ihre Daten geschützt sind und den Vorschriften entsprechen. Mit der detaillierten Zugriffssteuerung können Sie den Zugriff auf Tabellen-, Spalten- oder Zeilenebene autorisieren.

Beobachtbarkeit

Überwachen Sie die Leistung von Bigtable-Datenbanken mit serverseitigen Messwerten. Analysieren Sie Nutzungsmuster mit dem interaktiven Monitoring-Tool von Key Visualizer. Use Abfragestatistiken, Tabellenstatistiken und das Hot Tablets-Tool zum Beheben von Problemen mit der Abfrageleistung und zur schnellen Diagnose von Latenzproblemen mit dem clientseitigen Monitoring.

Notfallwiederherstellung

Inkrementelle Sicherungen Ihrer Datenbank sind kostengünstig und können bei Bedarf wiederhergestellt werden. Speichern Sie Sicherungen an verschiedenen Regionen, um die Ausfallsicherheit zu erhöhen, und stellen Sie mühelos zwischen Instanzen oder Projekten für Test- und Produktionsszenarien wieder her.

Einbindung von Vertex AI Vector Search

Verwenden Sie die Vorlage Bigtable to Vertex AI Vector Search, um Daten in Ihrer Bigtable-Datenbank mit Vertex AI zu indizieren und eine Ähnlichkeitssuche für Vektoreinbettungen mit Vertex AI Vector Search durchzuführen.

LangChain-Integration

Erstellen Sie ganz einfach auf generativer KI basierende Anwendungen, die genauer, transparenter und zuverlässiger sind – dank der integrierten kNN-Suche nach dem nächsten Nachbarn (Vorschau) und der LangChain-Integration. Weitere Informationen finden Sie im GitHub-Repository.

Funktionsweise

Bigtable-Instanzen bieten Rechen- und Speicherressourcen in einer oder mehreren Regionen. Jeder Bigtable-Cluster kann Lese- und Schreibvorgänge empfangen. Die Daten werden aus Gründen der Skalierbarkeit automatisch „aufgeteilt“ und asynchron zwischen Clustern repliziert. Eine verteilte Uhr namens TrueTime sorgt dafür, dass Transaktionen richtig geordnet sind. 

Bigtable-Architektur

Gängige Einsatzmöglichkeiten

AdTech und Einzelhandel

Inhalte in Echtzeit personalisieren

Verfolgen Sie das Verhalten und die Präferenzen von Kunden für personalisierte Werbung, Newsfeeds, Rabattangebote und Produkt- und Inhaltsempfehlungen. Mit einer einzigen Datenbank, die für eine optimale Leistung automatisch skaliert und ausgleicht, können Sie Ereignisstreams mit hohem Volumen aufnehmen und Empfehlungen mit niedriger Latenz bereitstellen. Bringen Sie Daten näher an Ihren Kunden, um die besten Latenzen durch multiregionale, multiprimäre Bereitstellungen zu erhalten, und reduzieren Sie Risiken und Ausfallzeiten mit einer Verfügbarkeit von 99,999% und ohne Wartung.
Referenzdiagramm zur AdTech- und Einzelhandelsarchitektur

Inhalte in Echtzeit personalisieren

Verfolgen Sie das Verhalten und die Präferenzen von Kunden für personalisierte Werbung, Newsfeeds, Rabattangebote und Produkt- und Inhaltsempfehlungen. Mit einer einzigen Datenbank, die für eine optimale Leistung automatisch skaliert und ausgleicht, können Sie Ereignisstreams mit hohem Volumen aufnehmen und Empfehlungen mit niedriger Latenz bereitstellen. Bringen Sie Daten näher an Ihren Kunden, um die besten Latenzen durch multiregionale, multiprimäre Bereitstellungen zu erhalten, und reduzieren Sie Risiken und Ausfallzeiten mit einer Verfügbarkeit von 99,999% und ohne Wartung.
Referenzdiagramm zur AdTech- und Einzelhandelsarchitektur

Datenstruktur und operative Analysen

Datensilos konsolidieren und Legacy-Systeme skalieren

Mithilfe von Integrationen in BigQuery, Dataflow, Cloud Composer und Cloud Data Fusion können Sie Daten aus mehreren Datenbanken, Streamingquellen und Mainframes im Bulk oder in Echtzeit aufnehmen und integrieren, um Kundendatenplattformen, Betriebsdatenspeicher, digitale Integrations-Hubs, semantische Ebenen oder Datenstrukturen zu erstellen, um API-Zugriff mit niedriger Latenz und skalierbare In-App-Berichte zu unterstützen.
Referenzdiagramm zur Architektur von Data Fabric und operativer Analyse

Datensilos konsolidieren und Legacy-Systeme skalieren

Mithilfe von Integrationen in BigQuery, Dataflow, Cloud Composer und Cloud Data Fusion können Sie Daten aus mehreren Datenbanken, Streamingquellen und Mainframes im Bulk oder in Echtzeit aufnehmen und integrieren, um Kundendatenplattformen, Betriebsdatenspeicher, digitale Integrations-Hubs, semantische Ebenen oder Datenstrukturen zu erstellen, um API-Zugriff mit niedriger Latenz und skalierbare In-App-Berichte zu unterstützen.
Referenzdiagramm zur Architektur von Data Fabric und operativer Analyse

Internetsicherheit

Malware und Zahlungsbetrug erkennen, Spam und Betrug verhindern

Erfassen Sie Betrugssignale wie Nutzeraktivitäten, Katalogdateien, Malware-Signaturen und -Sperrlisten sowie unstrukturierte Inhalte wie Produkteinträge und Rezensionen, um Produktfälschungen, Spamkonten, Betrug, manipulierte Hardware und Betrug in Echtzeit zu erkennen.
Referenzdiagramm zur Cybersicherheitsarchitektur

Malware und Zahlungsbetrug erkennen, Spam und Betrug verhindern

Erfassen Sie Betrugssignale wie Nutzeraktivitäten, Katalogdateien, Malware-Signaturen und -Sperrlisten sowie unstrukturierte Inhalte wie Produkteinträge und Rezensionen, um Produktfälschungen, Spamkonten, Betrug, manipulierte Hardware und Betrug in Echtzeit zu erkennen.
Referenzdiagramm zur Cybersicherheitsarchitektur

Medien

Medieninhalte und Engagement-Analysen bereitstellen

Hier können Sie Playlists, AR-Assets, Bücher-, Audio- oder Videokataloge, Wiedergabeverläufe, Bewertungen und Kommentare verwalten, den Wiedergabefortschritt verfolgen und Content-Feeds und Analysen für Creator und Werbetreibende bereitstellen.
Referenzdiagramm zur Medienarchitektur

Medieninhalte und Engagement-Analysen bereitstellen

Hier können Sie Playlists, AR-Assets, Bücher-, Audio- oder Videokataloge, Wiedergabeverläufe, Bewertungen und Kommentare verwalten, den Wiedergabefortschritt verfolgen und Content-Feeds und Analysen für Creator und Werbetreibende bereitstellen.
Referenzdiagramm zur Medienarchitektur

Zeitreihen und IoT

Zeitreihendaten jeder Größenordnung verwalten

Von Zeitreihen im Finanzbereich bis hin zu Smart Homes, Wettersensoren, Online-Gaming-Logs, Telemetriedaten zu Fabrikhallen, vernetzten Fahrzeugen oder ereignisgesteuerten Architekturen – große Datenmengen aufnehmen, ohne die Bereitstellung von Arbeitslasten mit niedriger Latenz zu unterbrechen, um Echtzeitberichte, Benachrichtigungen und vorausschauende Instandhaltung zu unterstützen. Vereinfachen Sie die Datenverwaltung mit TTL-Regeln, bewahren Sie Daten kostengünstig mit dem Speichermedium Ihrer Wahl zu branchenführenden Preisen für physische Speicher auf und erzielen Sie einen hohen Scandurchsatz für Batch-Analysen im Handumdrehen.
Referenzdiagramm für Zeitreihen und IoT-Architektur

Zeitreihendaten jeder Größenordnung verwalten

Von Zeitreihen im Finanzbereich bis hin zu Smart Homes, Wettersensoren, Online-Gaming-Logs, Telemetriedaten zu Fabrikhallen, vernetzten Fahrzeugen oder ereignisgesteuerten Architekturen – große Datenmengen aufnehmen, ohne die Bereitstellung von Arbeitslasten mit niedriger Latenz zu unterbrechen, um Echtzeitberichte, Benachrichtigungen und vorausschauende Instandhaltung zu unterstützen. Vereinfachen Sie die Datenverwaltung mit TTL-Regeln, bewahren Sie Daten kostengünstig mit dem Speichermedium Ihrer Wahl zu branchenführenden Preisen für physische Speicher auf und erzielen Sie einen hohen Scandurchsatz für Batch-Analysen im Handumdrehen.
Referenzdiagramm für Zeitreihen und IoT-Architektur

Infrastruktur für maschinelles Lernen

Trainieren und Bereitstellen des Modells skalieren

Feature Stores erstellen, um Vorhersagen mit niedriger Latenz zu unterstützen, Daten aus GCS für einen schnellen Zugriff durch HPC-Cluster und ML-Frameworks zwischenspeichern sowie Snapshots von Modellgewichtungen während des Trainings erstellen – mit hohem Durchsatz, Lese- und Schreibvorgängen mit niedriger Latenz, detaillierter Zugriffssteuerung und Isolierung von Arbeitslasten.
Referenzdiagramm zur ML-Infrastrukturarchitektur

Bigtable mit beliebten Open-Source-Feature-Stores verwenden

Trainieren und Bereitstellen des Modells skalieren

Feature Stores erstellen, um Vorhersagen mit niedriger Latenz zu unterstützen, Daten aus GCS für einen schnellen Zugriff durch HPC-Cluster und ML-Frameworks zwischenspeichern sowie Snapshots von Modellgewichtungen während des Trainings erstellen – mit hohem Durchsatz, Lese- und Schreibvorgängen mit niedriger Latenz, detaillierter Zugriffssteuerung und Isolierung von Arbeitslasten.
Referenzdiagramm zur ML-Infrastrukturarchitektur

Bigtable mit beliebten Open-Source-Feature-Stores verwenden

Preise

Funktionsweise von Bigtable-PreisenDie Preise für Bigtable basieren auf der Rechenkapazität, dem Datenbankspeicher, dem Sicherungsspeicher und der Netzwerknutzung. Durch Rabatte für zugesicherte Nutzung wird der Preis weiter reduziert.
DienstBeschreibungPreis
Rechenkapazität

Rechenkapazität wird als Knoten bereitgestellt.

Starting at

0,65 $

pro Knoten und Stunde

Datenspeicher

SSD

Die Preise basieren auf der physischen Größe der Tabellen. Jedes Replikat wird separat abgerechnet. Empfohlen für die Bereitstellung mit niedriger Latenz.

Starting at

0,17 $

pro GB und Monat

HDD

Die Preise basieren auf der physischen Größe der Tabellen. Jedes Replikat wird separat abgerechnet.

Starting at

0,026 $

pro GB und Monat

Sicherungen

Die Preise richten sich nach der physischen Größe der Sicherungen. Bigtable-Sicherungen sind inkrementell.

Starting at

0,026 $

pro GB und Monat

Netzwerk

Eingehender Traffic

Kostenlos

Ausgehender Traffic innerhalb derselben Region

Kostenlos

Ausgehender Traffic zwischen Regionen

Starting at

0,10 $

pro GB

Replikation

Innerhalb derselben Region

Kostenlos

Zwischen Regionen

Starting at

0,01 $

pro GB

Weitere Informationen zu den Bigtable-Preisen und den Rabatten für zugesicherte Nutzung.

Funktionsweise von Bigtable-Preisen

Die Preise für Bigtable basieren auf der Rechenkapazität, dem Datenbankspeicher, dem Sicherungsspeicher und der Netzwerknutzung. Durch Rabatte für zugesicherte Nutzung wird der Preis weiter reduziert.

Rechenkapazität
Beschreibung

Rechenkapazität wird als Knoten bereitgestellt.

Preis

Starting at

0,65 $

pro Knoten und Stunde

Datenspeicher
Beschreibung

SSD

Die Preise basieren auf der physischen Größe der Tabellen. Jedes Replikat wird separat abgerechnet. Empfohlen für die Bereitstellung mit niedriger Latenz.

Preis

Starting at

0,17 $

pro GB und Monat

HDD

Die Preise basieren auf der physischen Größe der Tabellen. Jedes Replikat wird separat abgerechnet.

Beschreibung

Starting at

0,026 $

pro GB und Monat

Sicherungen

Beschreibung

Die Preise richten sich nach der physischen Größe der Sicherungen. Bigtable-Sicherungen sind inkrementell.

Preis

Starting at

0,026 $

pro GB und Monat

Netzwerk
Beschreibung

Eingehender Traffic

Preis

Kostenlos

Ausgehender Traffic innerhalb derselben Region

Beschreibung

Kostenlos

Ausgehender Traffic zwischen Regionen

Beschreibung

Starting at

0,10 $

pro GB

Replikation

Beschreibung

Innerhalb derselben Region

Preis

Kostenlos

Zwischen Regionen

Beschreibung

Starting at

0,01 $

pro GB

Weitere Informationen zu den Bigtable-Preisen und den Rabatten für zugesicherte Nutzung.

PREISRECHNER

Mit dem Preisrechner können Sie Ihre monatlichen Bigtable-Kosten einschließlich regionsspezifischer Preise und Gebühren schätzen.

INDIVIDUELLES ANGEBOT

Wenden Sie sich an unser Vertriebsteam, wenn Sie ein individuelles Angebot für Ihr Unternehmen erhalten möchten.

Proof of Concept für Bigtable starten

Guthaben von 300 $ verwenden (neue Nutzer)

Informationen zur Verwendung von Bigtable

Föderierte Abfragen aus BigQuery in Bigtable verwenden

Von HBase, Cassandra, Aerospike oder DynamoDB zu Bigtable migrieren

Mit Beispielen ins Programmieren eintauchen

Anwendungsszenario

Erfahren Sie, wie andere Unternehmen mit Spanner innovative Apps entwickelt haben, um eine hervorragende Nutzererfahrung zu bieten, die Kosten zu senken und den ROI zu steigern.


Vorteile und Kunden

Bauen Sie Ihr Unternehmen aus mit innovativen Anwendungen, die sich unbegrenzt skalieren lassen, um alle Anforderungen zu erfüllen.

Sie profitieren von einem erstklassigen Preis-Leistungs-Verhältnis und zahlen nur für die tatsächliche Nutzung.

Migrieren Sie ganz einfach von anderen NoSQL-Datenbanken und führen Sie Hybrid- oder Multi-Cloud-Bereitstellungen mit Open-Source-APIs und Migrationstools aus.

  • Logo: Equifax
  • Logo: PayPal
  • Logo: Credit Karma
  • Logo: Major League Baseball
  • The Home Depot
  • Logo: Fastly
  • Fullstory-Logo
  • Logo: TelevisaUnivision
  • Mercado Libre-Logo
  • Logo: Vimeo
  • Logo: Evernote
  • Logo: Bit:ly
  • Logo: Squarespace
  • Logo: LiveRamp
  • Logo: OpenX

Partner und Integration

Profitieren Sie von Partnern, die sich mit Bigtable auskennen, um Sie bei jedem Schritt des Prozesses zu unterstützen – von Bewertungen und Anwendungsszenarien bis hin zu Migrationen und dem Erstellen neuer Anwendungen in Bigtable.
  • Logo: SADA
  • DoIT-Logo
  • Logo: Searce
  • Logo: 66 degrees
  • Logo: Carahsoft
  • Logo: Devoteam
  • Logo: Cloud Ace
  • Logo: CloudMile
  • Logo: Quantiphi
  • Logo: Bespin Global
  • Logo: Huware Srl
  • Logo: Onix
  • Logo: WebEye
  • Logo: Softchoice
  • Logo: Appsbroker
  • Logo: OchK
  • Logo: SantoDigital
  • Logo: MasterConcept
  • Logo: Polymeric Cloud
  • Logo: Persistent Systems
  • Logo: BrioTech
  • Logo: Baidao
  • Logo: Noovle
  • Logo: Zencore
  • Logo: Public Cloud Group
  • Logo: Tangerine
  • Logo: Xebia
  • Logo: Crayon
  • Logo: G-Gen
  • Logo: Comm-it
  • Logo: Cleardata
  • Logo: Digicloud Africa
  • Logo: IpNet
  • Logo: Epam
  • Logo: Pythian
  • Logo: Maven Wave
  • Logo: Rackspace
  • Logo: Accenture
  • Logo: Megazone Soft
  • Logo: SADA
  • DoIT-Logo
  • Logo: Searce
  • Logo: 66 degrees
  • Logo: Carahsoft
  • Logo: Devoteam
  • Logo: Cloud Ace
  • Logo: CloudMile
  • Logo: Quantiphi
  • Logo: Bespin Global
  • Logo: Huware Srl
  • Logo: Onix
  • Logo: WebEye
  • Logo: Softchoice
  • Logo: Appsbroker
  • Logo: OchK
  • Logo: SantoDigital
  • Logo: MasterConcept
  • Logo: Polymeric Cloud
  • Logo: Persistent Systems
  • Logo: BrioTech
  • Logo: Baidao
  • Logo: Noovle
  • Logo: Zencore
  • Logo: Public Cloud Group
  • Logo: Tangerine
  • Logo: Xebia
  • Logo: Crayon
  • Logo: G-Gen
  • Logo: Comm-it
  • Logo: Cleardata
  • Logo: Digicloud Africa
  • Logo: IpNet
  • Logo: Epam
  • Logo: Pythian
  • Logo: Maven Wave
  • Logo: Rackspace
  • Logo: Accenture
  • Logo: Megazone Soft

Möchten Sie mehr darüber erfahren, welche Partner‑ oder Drittanbieter-Einbindung am besten für Ihr Unternehmen geeignet ist? Dann sehen Sie sich unser Partnerverzeichnis an.

FAQs

Welcher Datenbanktyp ist Bigtable?

Bigtable ist ein NoSQL-Datenbankdienst, insbesondere ein Schlüssel/Wert-Speicher, der sehr breite Tabellen mit Zehntausenden von Spalten ermöglicht. Daher wird er auch als spaltenorientierte Datenbank oder verteilte mehrdimensionale Karte bezeichnet. Es ist eine NoSQL-Datenbank im Sinne von "Nicht nur SQL", aber nicht im Sinne von „Kein SQL“.

Bigtable ähnelt den beliebten Open-Source-Projekten, die es inspiriert hat, wie Apache HBase und Cassandra. Daher ist Bigtable das gängigste Ziel für Kunden mit großen Datenmengen, die eine leistungsstarke, kostengünstige, vollständig verwaltete NoSQL-Datenbanklösung bei Google Cloud suchen.

Zusätzlich zu seinen Key-Value APIs unterstützt Bigtable auch SQL-Abfragen auf drei verschiedene Arten:

  • Für die Anwendungsentwicklung mit niedriger Latenz bietet Bigtable eine SQL-Abfrage-API, die auf GoogleSQL mit Erweiterungen für das spaltenorientierte Datenmodell aufbaut, das der Cassandra Query Language (CQL) ähnelt.
  • Für Data Science-Anwendungsfälle oder andere Arten der Batchverarbeitung und ETL unterstützt Bigtable SparkSQL unter Verwendung seines Spark-Clients.
  • Für Nutzer, die explorative Post-hoc-Analysen durchführen oder Daten aus mehreren Quellen für Batchanalysen zusammenführen möchten, können Sie auch über BigQuery auf Bigtable-Daten zugreifen. Registrieren Sie Ihre Bigtable-Tabellen einfach in BigQuery und fragen Sie sie wie jede andere BigQuery-Tabelle ohne ETL oder Datenduplizierung ab.

Bigtable bietet Migrationstools, die ein schnelleres und einfacheres Onboarding ermöglichen, indem eine genaue Datenmigration mit reduziertem Aufwand sichergestellt wird. HBase Bigtable-Replikationsbibliothek ermöglicht Live-Migrationen ohne Ausfallzeiten mit Tools zum Importieren und Validieren zum einfachen Laden von HBase-Snapshots in Bigtable, während Dataflow-Vorlagen die Migration von Cassandra zu Bigtable vereinfachen.

Der Bigtable-Speicher wird ähnlich wie bei einem serverlosen Modell pro genutztem GB berechnet. Bigtable bietet außerdem eine lineare horizontale Skalierung und kann Rechenressourcen als Reaktion auf Nachfrageschwankungen automatisch hoch- und herunterskalieren. Daher ist keine langfristige Kapazitätzusicherung für Speicher oder Computing erforderlich. Die Preise für Computing mit niedriger Latenz basieren jedoch auf der Kapazität und werden pro Knoten abgerechnet, nicht pro Anfrage, bei der jeder Knoten bis zu 17.000 Anfragen pro Sekunde verarbeiten kann. Dadurch ist der Preis von Bigtable bei größeren Arbeitslasten günstiger, aber weniger ideal für kleine Anwendungen, die möglicherweise besser für Google Cloud-Datenbanken wie Firestore geeignet sind.

Für die Batchdatenverarbeitung bietet Bigtable Data Boost, das in serverlosen Verarbeitungseinheiten (SPU) abgerechnet wird.

Weitere Informationen
Google Cloud
  • ‪English‬
  • ‪Deutsch‬
  • ‪Español‬
  • ‪Español (Latinoamérica)‬
  • ‪Français‬
  • ‪Indonesia‬
  • ‪Italiano‬
  • ‪Português (Brasil)‬
  • ‪简体中文‬
  • ‪繁體中文‬
  • ‪日本語‬
  • ‪한국어‬
Console
Google Cloud
  翻译: