Quelle est la différence entre Google Cloud Bigtable et Google Cloud Datastore / App Engine, et quels sont les principaux avantages / inconvénients pratiques? AFAIK Cloud Datastore repose sur Bigtable.
Quelle est la différence entre Google Cloud Bigtable et Google Cloud Datastore / App Engine, et quels sont les principaux avantages / inconvénients pratiques? AFAIK Cloud Datastore repose sur Bigtable.
Réponses:
Sur la base de l'expérience avec Datastore et de la lecture de la documentation Bigtable , les principales différences sont:
Cloud Bigtable est conçu pour les grandes entreprises et les entreprises qui ont souvent des besoins de données plus importants avec des charges de travail backend complexes.
Bigtable et Datastore sont extrêmement différents. Oui, le magasin de données est construit sur Bigtable, mais cela ne lui en fait rien. C'est un peu comme dire qu'une voiture est construite sur des roues, et qu'une voiture n'est donc pas très différente des roues.
Bigtable et Datastore fournissent des modèles de données très différents et une sémantique très différente sur la manière dont les données sont modifiées.
La principale différence est que le magasin de données fournit des transactions ACID de type base de données SQL sur des sous-ensembles de données appelés groupes d'entités (bien que le langage de requête GQL soit beaucoup plus restrictif que SQL). Bigtable est strictement NoSQL et est livré avec des garanties beaucoup plus faibles.
Si vous lisez des articles, BigTable est ceci et Datastore est MegaStore . Datastore est BigTable plus la réplication, la transaction et l'index. (et est beaucoup plus cher).
Je vais essayer de résumer toutes les réponses ci-dessus ainsi que ce qui est donné dans Coursea Google Cloud Platform Big Data and Machine Learning Fundamentals
+---------------------+------------------------------------------------------------------+------------------------------------------+--+
| Category | BigTable | Datastore | |
+---------------------+------------------------------------------------------------------+------------------------------------------+--+
| Technology | Based on HBase(uses HBase API) | Uses BigTable itself | |
| ---------------- | | | |
| Access Mataphor | Key/Value (column-families) like Hbase | Persistent hashmap | |
| ---------------- | | | |
| Read | Scan Rows | Filter Objects on property | |
| ---------------- | | | |
| Write | Put Row | Put Object | |
| ---------------- | | | |
| Update Granularity | can't update row ( you should write a new row, can't update one) | can update attribute | |
| ---------------- | | | |
| Capacity | Petabytes | Terbytes | |
| ---------------- | | | |
| Index | Index key only (you should properly design the key) | You can index any property of the object | |
| Usage and use cases | High throughput, scalable flatten data | Structured data for Google App Engine | |
+---------------------+------------------------------------------------------------------+------------------------------------------+--+
Un point relativement mineur à considérer, à partir de novembre 2016, la bibliothèque cliente python bigtable est toujours en Alpha, ce qui signifie que le changement futur pourrait ne pas être rétrocompatible. De plus, la bibliothèque python bigtable n'est pas compatible avec l'environnement standard d'App Engine. Vous devez utiliser le flexible.
Cela pourrait être un autre ensemble de différences clés entre Google Cloud Bigtable et Google Cloud Datastore ainsi que d'autres services. Le contenu affiché dans l'image ci-dessous peut également vous aider à sélectionner le bon service.
Cloud Datastore is a highly-scalable NoSQL database for your applications.
Like Cloud Bigtable, there is no need for you to provision database instances.
Cloud Datastore uses a distributed architecture to automatically manage
scaling. Your queries scale with the size of your result set, not the size of your
data set.
Cloud Datastore runs in Google data centers, which use redundancy to
minimize impact from points of failure. Your application can still use Cloud
Datastore when the service receives a planned upgrade.
Choose Bigtable if the data is:
Big
● Large quantities (>1 TB) of semi-structured or structured data
Fast
● Data is high throughput or rapidly changing
NoSQL
● Transactions, strong relational semantics not required
And especially if it is:
Time series
● Data is time-series or has natural semantic ordering
Big data
● You run asynchronous batch or real-time processing on the data
Machine learning
● You run machine learning algorithms on the data
Bigtable is designed to handle massive workloads at consistent low latency
and high throughput, so it's a great choice for both operational and analytical
applications, including IoT, user analytics, and financial data analysis.
Datastore est plus prêt pour les applications et adapté à une large gamme de services, en particulier pour les microservices.
La technologie sous-jacente de Datastore est Big Table, vous pouvez donc imaginer que Big Table est plus puissante.
La banque de données est livrée avec un fonctionnement gratuit de 20K par jour, vous pouvez vous attendre à héberger un serveur avec une base de données fiable avec un coût nul.
Vous pouvez également consulter cette bibliothèque ORM Datastore, elle est livrée avec de nombreuses fonctionnalités intéressantes https://www.npmjs.com/package/ts-datastore-orm