Integrationen in Cloud Bigtable

Auf dieser Seite werden die Integrationen zwischen Cloud Bigtable und anderen Produkten und Diensten beschrieben.

Google Cloud-Dienste

In diesem Abschnitt werden die Google Cloud-Dienste beschrieben, die sich in Cloud Bigtable einbinden lassen.

BigQuery

BigQuery ist das vollständig verwaltete, kostengünstige Data Warehouse für Analysen im Petabyte-Bereich von Google. Sie können BigQuery verwenden, um die in Cloud Bigtable gespeicherten Daten abzurufen.

Eine Einführung finden Sie unter Daten in Cloud Bigtable abfragen.

Cloud Functions

Cloud Functions ist eine ereignisgesteuerte serverlose Computing-Plattform, die sich in Cloud Bigtable einbinden lässt.

Sie können eine Beispielanwendung für Node.js ansehen, die Pub/Sub zum Auslösen einer Cloud Functions-Funktion verwendet, die in Cloud Bigtable schreibt. Rufen Sie dafür das Examples-Repository auf GitHub auf.

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 Cloud Bigtable gespeichert sind, oder die Ausgabe Ihrer Dataflow-Pipeline speichern. Sie können Dataflow-Vorlagen auch zum Exportieren und Importieren Ihrer Daten als Avro-, Parquet- oder SequenceFiles-Dateien verwenden.

Eine Einführung finden Sie unter Dataflow Connector für Cloud Bigtable.

Dataproc

Dataproc stellt Apache Hadoop und verwandte Produkte als verwaltete Dienste in die Cloud. Mit Dataproc können Sie Hadoop-Jobs ausführen, die in Cloud Bigtable schreiben und lesen.

Ein Beispiel für einen Hadoop-MapReduce-Job, der Cloud Bigtable verwendet, finden Sie im Verzeichnis /java/dataproc-wordcount im GitHub-Repository GoogleCloudPlatform/cloud-bigtable-examples.

Cloud Deployment Manager

Deployment Manager ist ein Dienst zur Bereitstellung von Infrastruktur, der das Erstellen und Verwalten von Google Cloud-Ressourcen automatisiert. Deployment Manager führt API-Aufrufe zum Erstellen von Cloud Bigtable-Instanzen aus und fügt diese Instanzen dann Ihrer Bereitstellung hinzu.

Big Data

In diesem Abschnitt werden Big Data-Produkte beschrieben, die sich in Cloud Bigtable integrieren lassen.

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 Cloud Bigtable lesen und schreiben.

Ein Beispiel für einen Hadoop-MapReduce-Job, der Cloud 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 Cloud Bigtable konfigurieren können. StreamSets bietet in seinem GitHub-Repository unter streamsets/datacollector eine Cloud Bigtable-Bibliothek.

Raumbezogene Datenbanken

In diesem Abschnitt werden raumbezogene Datenbanken beschrieben, die sich in Cloud Bigtable integrieren lassen.

GeoMesa

GeoMesa ist eine verteilte, raum-zeitliche Datenbank, die räumliche Abfragen und Datenmanipulation unterstützt. GeoMesa kann Cloud Bigtable zum Speichern ihrer Daten nutzen.

Weitere Informationen zum Ausführen von GeoMesa mit Cloud Bigtable-Unterstützung finden Sie in der GeoMesa-Dokumentation.

Graphdatenbanken

In diesem Abschnitt werden Graphdatenbanken beschrieben, die sich in Cloud Bigtable integrieren lassen.

HGraphDB

HGraphDB ist eine Clientschicht für die Verwendung von Apache HBase oder Cloud Bigtable als Graphdatenbank. Sie implementiert die Apache TinkerPop3-Oberflächen.

Weitere Informationen zum Verwenden von HGraphDB mit Cloud Bigtable-Unterstützung 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 Cloud Bigtable-Unterstützung finden Sie unter JanusGraph mit Cloud Bigtable ausführen oder in der JanusGraph-Dokumentation.

Infrastrukturverwaltung

In diesem Abschnitt werden die Tools zur Infrastrukturverwaltung beschrieben, die sich in Cloud Bigtable integrieren lassen.

Pivotal Cloud Foundry

Pivotal Cloud Foundry ist eine Plattform zur Anwendungsentwicklung und -bereitstellung, die die Möglichkeit bietet, eine Anwendung an Cloud 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 Cloud Bigtable mit Terraform finden Sie in der Terraform-Dokumentation unter Cloud Bigtable-Instanz und Cloud Bigtable-Tabelle.

Maschinelles Lernen

Feast

Feast ist ein Open Source Feature Store für maschinelles Lernen, der von Google Cloud und GO-JEK entwickelt wurde und Cloud Bigtable als Speicher zur Bereitstellung verwenden kann.

Zeitachsen-Datenbanken und -Monitoring

In diesem Abschnitt werden Zeitachsen-Datenbanken und -Überwachungstools beschrieben, die sich in Cloud Bigtable integrieren lassen.

Heroic

Heroic ist ein Überwachungssystem und eine Zeitachsen-Datenbank. Heroic kann Cloud Bigtable zur Speicherung seiner Daten nutzen.

Weitere Informationen über Heroic finden Sie im GitHub-Repository spotify/heroic sowie in der Dokumentation zur Konfiguration von Cloud Bigtable und zur Konfiguration von Messwerten.