Jaka jest różnica między Google Cloud Bigtable a magazynem danych Google Cloud Datastore / App Engine i jakie są główne praktyczne zalety / wady? AFAIK Cloud Datastore jest oparty na Bigtable.
Jaka jest różnica między Google Cloud Bigtable a magazynem danych Google Cloud Datastore / App Engine i jakie są główne praktyczne zalety / wady? AFAIK Cloud Datastore jest oparty na Bigtable.
Odpowiedzi:
Bazując na doświadczeniu z Datastore i czytaniu dokumentów Bigtable , główne różnice to:
Cloud Bigtable jest przeznaczony dla większych firm i przedsiębiorstw, które często mają większe zapotrzebowanie na dane przy złożonych obciążeniach zaplecza.
Bigtable i Datastore są skrajnie różne. Tak, datastore jest oparty na Bigtable, ale to nie czyni go podobnym. To tak jakby powiedzieć, że samochód jest zbudowany na kołach, więc samochód niewiele różni się od kół.
Bigtable i Datastore zapewniają bardzo różne modele danych i bardzo różną semantykę w sposobie zmiany danych.
Główna różnica polega na tym, że Datastore zapewnia transakcje ACID podobne do SQL-Database na podzbiorach danych zwanych grupami jednostek (chociaż język zapytań GQL jest znacznie bardziej restrykcyjny niż SQL). Bigtable jest całkowicie NoSQL i ma znacznie słabsze gwarancje.
Jeśli czytasz artykuły, BigTable to to, a Datastore to MegaStore . Datastore to BigTable oraz replikacja, transakcja i indeks. (i jest znacznie droższy).
Spróbuję podsumować wszystkie powyższe odpowiedzi oraz to, co podano w Kursie 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 | |
+---------------------+------------------------------------------------------------------+------------------------------------------+--+
Stosunkowo niewielki punkt do rozważenia, a od listopada 2016 r Bigtable klient python library jest nadal w alfa, co oznacza, że zmiana przyszłość nie może być wstecznie kompatybilne. Ponadto biblioteka Bigtable Python nie jest zgodna ze standardowym środowiskiem App Engine. Musisz użyć elastycznego.
To może być kolejny zestaw kluczowych różnic między Google Cloud Bigtable i Google Cloud Datastore oraz innymi usługami. Treść pokazana na poniższym obrazku może również pomóc w wyborze odpowiedniej usługi.
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 jest bardziej gotowy na aplikacje i nadaje się do szerokiego zakresu usług, zwłaszcza mikrousług.
Podstawową technologią Datastore jest Big Table, więc możesz sobie wyobrazić, że Big Table jest potężniejszy.
Datastore oferuje 20 000 darmowych operacji dziennie, możesz spodziewać się hostowania serwera z niezawodną bazą danych przy zerowych kosztach.
Możesz również sprawdzić tę bibliotekę ORM Datastore, zawiera wiele świetnych funkcji https://www.npmjs.com/package/ts-datastore-orm