Integrationen in Bigtable
Auf dieser Seite werden die Integrationen zwischen Bigtable und anderen Produkten und Diensten beschrieben.
Google Cloud-Dienste
In diesem Abschnitt werden die Google Cloud-Dienste beschrieben, die sich in Bigtable einbinden lassen.
BigQuery
BigQuery ist das vollständig verwaltete, kostengünstige Data Warehouse für Analysen im Petabyte-Bereich von Google. Sie können BigQuery mit Bigtable für die folgenden Zwecke verwenden:
Sie können eine externe BigQuery-Tabelle erstellen und dann damit Ihre Bigtable-Tabelle abfragen und die Daten mit anderen BigQuery-Tabellen zusammenführen. Weitere Informationen finden Sie unter Daten in Bigtable abfragen.
Sie können Ihre BigQuery-Daten mithilfe von Reverse-ETL (RETL) von BigQuery nach Bigtable exportieren. Weitere Informationen finden Sie unter Daten in Bigtable exportieren.
Cloud Asset Inventory
Cloud Asset Inventory, das Inventardienste auf Basis einer Zeitreihen-Datenbank bietet, unterstützt Bigtable-Ressourcentypen und gibt diese aus. Eine vollständige Liste finden Sie unter Unterstützte Ressourcentypen.
Data Catalog
Data Catalog ist ein Feature von Dataplex, das automatisch Metadaten zu Bigtable-Ressourcen katalogisiert. Informationen zu Ihren Daten in Data Catalog können die Analyse, die Datenwiederverwendung, die Anwendungsentwicklung und die Datenverwaltung erleichtern. Weitere Informationen finden Sie unter Daten-Assets mit Data Catalog verwalten.
Dataflow
Dataflow ist ein Cloud-Dienst und ein Programmiermodell für die Verarbeitung von großen Datenmengen. Dataflow unterstützt sowohl Batch- als auch Streamingverarbeitung. Sie können mit Dataflow Daten verarbeiten, die in Bigtable gespeichert sind, oder die Ausgabe Ihrer Dataflow-Pipeline speichern. Sie können Dataflow-Vorlagen auch zum Exportieren und import Ihrer Daten als Avro-, Parquet- oder SequenceFiles-Dateien verwenden.
Weitere Informationen finden Sie unter Bigtable Beam-Connector.
Sie können Bigtable auch als Schlüssel/Wert-Suche verwenden, um die Daten in einer Pipeline anzureichern. Eine Übersicht finden Sie unter Streamingdaten anreichern. Eine Anleitung finden Sie unter Mit Apache Beam und Bigtable Daten anreichern.
Dataproc
Dataproc stellt Apache Hadoop und verwandte Produkte als verwaltete Dienste in die Cloud. Mit Dataproc können Sie Hadoop-Jobs ausführen, die in Bigtable schreiben und lesen.
Ein Beispiel für einen Hadoop-MapReduce-Job, der Bigtable verwendet, finden Sie im Verzeichnis /java/dataproc-wordcount im GitHub-Repository GoogleCloudPlatform/cloud-bigtable-examples.
Vertex AI Vektorsuche
Die Vertex AI-Vektorsuche ist eine Technologie, mit der in Milliarden von semantisch ähnlichen oder semantisch verwandten Artikeln gesucht werden kann. Sie eignet sich für die Implementierung von Empfehlungssystemen, Chatbots und Textklassifizierung.
Sie können Vektoreinbettungen in Bigtable speichern, in einen Vektorsuchindex exportieren und dann den Index nach ähnlichen Elementen abfragen. Eine Anleitung mit einem Beispielworkflow finden Sie unter Bigtable to Vertex AI Vector Search Export (Bigtable-zu-Vertex AI-Vektorsuchexport) im GitHub-Repository workflows-demos.
Big Data
In diesem Abschnitt werden Big Data-Produkte beschrieben, die sich in Bigtable integrieren lassen.
Apache Beam
Apache Beam ist ein einheitliches Modell für die Definition von Batch- und Streamingpipelines zur parallelen Datenverarbeitung. Mit dem Bigtable Beam-Connector (BigtableIO) können Sie Batch- und Streaming-Vorgänge auf Bigtable-Daten in einer Pipeline ausführen.
Eine Anleitung dazu, wie Sie mit dem Bigtable Beam-Connector eine Datenpipeline in Dataflow bereitstellen, finden Sie unter Bigtable-Änderungsstream verarbeiten.
Apache Hadoop
Apache Hadoop ist ein Framework, das die verteilte Verarbeitung großer Datenmengen auf Clustern von Computern ermöglicht. Sie können mit Dataproc einen Hadoop-Cluster erstellen und dann MapReduce-Jobs ausführen, die in Bigtable lesen und schreiben.
Ein Beispiel für einen Hadoop-MapReduce-Job, der Bigtable verwendet, finden Sie im Verzeichnis /java/dataproc-wordcount im GitHub-Repository GoogleCloudPlatform/cloud-bigtable-examples.
StreamSets Data Collector
StreamSets Data Collector ist eine Datenstreaminganwendung, die Sie für das Schreiben von Daten in Bigtable konfigurieren können. StreamSets bietet in seinem GitHub-Repository unter streamsets/datacollector eine Bigtable-Bibliothek.
Graphdatenbanken
In diesem Abschnitt werden Graphdatenbanken beschrieben, die sich in Bigtable integrieren lassen.
HGraphDB
HGraphDB ist eine Clientschicht für die Verwendung von Apache HBase oder Bigtable als Graphdatenbank. Sie implementiert die Apache TinkerPop3-Oberflächen.
Weitere Informationen zum Verwenden von HGraphDB mit Unterstützung für Bigtable finden Sie in der HGraphDB-Dokumentation.
JanusGraph
JanusGraph ist eine skalierbare Graphdatenbank. Sie ist für die Speicherung und Abfrage von Grafiken mit Hunderten von Milliarden Kanten und Eckpunkten optimiert.
Weitere Informationen zur Verwendung von JanusGraph mit Bigtable-Unterstützung finden Sie unter JanusGraph mit Bigtable ausführen oder in der JanusGraph-Dokumentation.
Infrastrukturverwaltung
In diesem Abschnitt werden die Tools zur Infrastrukturverwaltung beschrieben, die sich in Bigtable integrieren lassen.
Pivotal Cloud Foundry
Pivotal Cloud Foundry ist eine Plattform zur Anwendungsentwicklung und -bereitstellung, die die Möglichkeit bietet, eine Anwendung an Bigtable zu binden.
Terraform
Terraform ist ein Open-Source-Tool, das APIs in deklarative Konfigurationsdateien codiert. Diese Dateien können für Teammitglieder freigegeben, als Code behandelt, bearbeitet, überprüft und versioniert werden.
Weitere Informationen zur Verwendung von Bigtable mit Terraform finden Sie in der Terraform-Dokumentation unter Bigtable-Instanz und Bigtable-Tabelle.
Zeitachsen-Datenbanken und -Monitoring
In diesem Abschnitt werden Zeitachsen-Datenbanken und -Überwachungstools beschrieben, die sich in Bigtable integrieren lassen.
Heroic
Heroic ist ein Überwachungssystem und eine Zeitachsen-Datenbank. Heroic kann Bigtable zur Speicherung seiner Daten nutzen.
Weitere Informationen über Heroic finden Sie im GitHub-Repository spotify/heroic sowie in der Dokumentation zur Konfiguration von Bigtable und zur Konfiguration Messwerten.
OpenTSDB
OpenTSDB ist eine Zeitachsen-Datenbank, die Bigtable zum Speichern verwenden kann. Die OpenTSDB-Dokumentation enthält Informationen für den Einstieg.