Descripción general de Bigtable

Bigtable es una tabla poco poblada que puede escalar hasta miles de millones de filas y miles de columnas, lo que te permite almacenar terabytes o, incluso, petabytes de datos. Se indexa solo un valor de cada fila; este es conocido como la clave de fila. Bigtable es ideal para almacenar grandes cantidades de datos con una sola clave y con una latencia baja. Admite una alta capacidad de procesamiento de lectura y escritura con baja y es una fuente de datos ideal para las operaciones de MapReduce.

Bigtable se expone a las aplicaciones mediante varias bibliotecas cliente, incluida una extensión compatible de la biblioteca Apache HBase para Java. Como resultado, se integra en el ecosistema existente de Apache de software de macrodatos de código abierto.

Los potentes servidores de backend de Bigtable ofrecen varias ventajas clave por sobre una instalación de HBase con administración automática:

  • Gran escalabilidad. Bigtable escala en modo directo proporcional a la cantidad de máquinas en tu clúster. Un servicio de HBase autoadministrado una instalación tiene un cuello de botella en el diseño que limita el rendimiento se alcanza cierto umbral. Bigtable no tiene este cuello de botella, por lo que puedes escalar tu clúster para admitir más lecturas y escrituras.
  • Administración sencilla. Bigtable controla las actualizaciones y se reinicia con transparencia; además, mantiene automáticamente una durabilidad alta de los datos. Para replicar tus datos, agrega un segundo clúster a tu instancia y la replicación comienza automáticamente. Ya no administres réplicas o regiones; solo diseña los esquemas de tu tabla, y Bigtable se encargará del resto.
  • Cambio de tamaño de clústeres sin tiempo de inactividad. Puedes aumentar el tamaño de una de Bigtable por unas horas para soportar una carga grande. Luego, y reducir el tamaño del clúster nuevamente sin generar tiempo de inactividad. Cuando se cambia el tamaño de un clúster, por lo general, Bigtable tarda solo unos minutos en equilibrar el rendimiento entre todos los nodos.

Usos ideales

Bigtable es ideal para aplicaciones que necesitan una alta capacidad de procesamiento Escalabilidad de datos de pares clave-valor, en la que cada valor no suele tener más de 10 MB Bigtable también se destaca como motor de almacenamiento para MapReduce por lotes operaciones de transmisión, análisis/procesamiento de transmisión y aplicaciones de aprendizaje automático.

Puedes usar Bigtable para almacenar y consultar todos los siguientes tipos de datos:

  • Datos de series temporales, como el uso de la CPU y la memoria de varios servidores en el tiempo.
  • Datos de marketing, como historiales de compra y preferencias del cliente.
  • Datos financieros, como historiales de transacciones, precios de acciones y tasas de cambio de moneda.
  • Datos de la Internet de las cosas, como informes de uso de los medidores de energía y dispositivos particulares.
  • Datos de grafos, como información sobre cómo se conectan los usuarios entre sí.

Modelo de almacenamiento de Bigtable

Bigtable almacena datos en tablas escalables de forma masiva, cada una de las cuales es un mapa de clave-valor ordenado. La tabla está compuesta por filas que, por lo general, describen una sola entidad, y columnas que contienen valores individuales para cada fila. Cada fila se indexa según una sola clave de fila y las columnas que están relacionados entre sí, por lo general, se agrupan en una familia de columnas. Cada columna se identifica con una combinación de la familia de columnas y un calificador de columnas, que es un nombre único dentro de la familia.

Cada intersección entre una fila y una columna puede contener varias celdas. Cada celda contiene una versión única con marca de tiempo de los datos para esa fila y columna. Si almacenas más de una celda en una columna, se proporciona un registro de cómo han cambiado los datos almacenados para esa fila y esa columna a lo largo del tiempo. Las tablas de Bigtable son dispersas. Si una columna no se usa en una fila en particular, no ocupa ningún espacio.

Diagrama del modelo de almacenamiento de Bigtable

Estos son los aspectos que debes notar de la ilustración:

  • Las columnas no se pueden usar en una fila.
  • Cada celda de una fila y columna determinada tiene una marca de tiempo única (t).

Arquitectura de Bigtable

En el siguiente diagrama, se muestra una versión simplificada de la arquitectura general de Bigtable:

Arquitectura general de Bigtable.

Como se ve en el diagrama, todas las solicitudes de clientes pasan por un servidor de frontend antes de enviarse a un nodo de Bigtable. En el informe original de Bigtable, estos nodos se llaman “servidores de tablet”. El se organizan en un clúster de Bigtable, que pertenece a un de Bigtable, un contenedor para el clúster.

Cada nodo del clúster controla un subconjunto de solicitudes. Si se agregan nodos al clúster, puedes aumentar la cantidad de solicitudes simultáneas que este puede manejar. Agregar nodos también aumenta la capacidad de procesamiento máxima del clúster. Si agregas clústeres adicionales para habilitar la replicación, también puedes enviar distintos tipos de tráfico a cada clúster. Entonces, si uno deja de estar disponible, puedes conmutar por error a otro clúster.

Una tabla de Bigtable se fragmenta en bloques de filas contiguas, llamados tablets, que ayudan a equilibrar la carga de trabajo de las consultas. Estos son similares a las regiones de HBase. Los tablets se almacenan en Colossus, el sistema de archivos de Google, en formato SSTable. Una SSTable proporciona un mapa inmutable, ordenado y persistente de claves a valores, en el que los valores y las claves son strings de bytes arbitrarios. Cada tablet se asocia con un nodo específico de Bigtable. Además de los archivos SSTable, todas las operaciones de escritura se almacenan en el registro compartido de Colossus apenas Bigtable las reconoce, lo que proporciona mayor durabilidad.

Los datos nunca se almacenan en los nodos de Bigtable; cada nodo tiene indicadores que apuntan a un conjunto de tablets almacenados en Colossus. Como resultado, sucede lo siguiente:

  • Volver a balancear las tablets de un nodo a otro es un proceso muy expedito, porque los datos reales no se copian. Bigtable actualiza punteros para cada nodo.
  • Recuperarse de la falla de un nodo de Bigtable es rápido, porque solo se deben migrar los metadatos al nodo de reemplazo.
  • No se pierden datos cuando falla un nodo de Bigtable.

Consulta Instancias, clústeres y nodos para obtener más información sobre cómo trabajar con estos componentes fundamentales.

Balanceo de cargas

Cada zona de Bigtable se administra mediante un proceso principal, que balancea el volumen de los datos y la carga de trabajo dentro de los clústeres. Este proceso divide más o más las tabletas por la mitad y combina las tabletas más pequeñas o de menor acceso, y redistribuirlos entre nodos según sea necesario. Si se produce un aumento repentino de tráfico, Bigtable divide el tablet en dos y, luego, pasa una de estas dos partes a otro nodo. Bigtable administra las divisiones, combinando y rebalanceado automáticamente, lo que te ahorra el esfuerzo de administrar tus tabletas. Comprender el rendimiento ofrece más detalles sobre este proceso.

Para obtener el mejor rendimiento de escritura en Bigtable, es importante que estas operaciones se distribuyan de manera uniforme entre los nodos. Una forma de lograrlo es con las claves de fila que no siguen un orden predecible. Por ejemplo, los nombres de usuario tienden a distribuirse de manera más o menos uniforme en el alfabeto, por lo que incluir un nombre de usuario al comienzo de una clave de fila ayudará a distribuir mejor las escrituras.

Del mismo modo, es útil agrupar las filas relacionadas a fin de que estén adyacentes unas de otras para poder leer varias a la vez. Por ejemplo, si almacenas diferentes tipos de datos sobre el tiempo atmosférico, tu clave de fila podría ser la ubicación donde se recopilaron los datos seguida de una marca de tiempo (por ejemplo, WashingtonDC#201803061617). Este tipo de clave de fila agruparía todos los datos de una ubicación en un rango contiguo de filas. Para otras ubicaciones, la fila debería comenzar con otro identificador; si hay muchas ubicaciones recopilando datos al mismo ritmo, las escrituras se extenderán de manera uniforme entre los tablets.

Consulta Cómo elegir una clave de fila a fin de obtener más detalles sobre cómo seleccionar una clave de fila apropiada para tus datos.

Tipos de datos admitidos

Bigtable trata todos los datos como strings de bytes sin procesar para todos los propósitos. La única ocasión en que Bigtable intenta determinar el tipo es para aumentar las operaciones, en cuyo caso el objetivo debe ser un número entero de 64 bits codificado como un valor big-endian de 8 bytes.

Uso del disco y la memoria

En las siguientes secciones, se describe cómo varios componentes de Bigtable afectan el uso del disco y la memoria de tu instancia.

Columnas sin usar

Las columnas que no se utilizan en una fila de Bigtable no ocupan ningún espacio en esa fila. En esencia, cada fila es una recopilación de entradas de par clave-valor, en la que la clave es una combinación entre la familia de columnas, el calificador de columnas y la marca de tiempo. Si una fila no incluye un valor para una columna específica, el la entrada de par clave-valor no está presente.

Calificadores de columnas

Los calificadores de columnas ocupan espacio en una fila, ya que cada uno de estos se almacena en la misma fila donde se utiliza. Por eso, suele ser eficiente usar columnas calificadores como datos.

Para obtener más información sobre los calificadores de columnas, consulta Columnas.

Compactaciones

Bigtable vuelve a escribir tus tablas de forma periódica para quitar las entradas borradas y reorganizar los datos a fin de que las operaciones de lectura y escritura sean más eficientes. Este proceso se conoce como compactación. No es necesario configurar nada para la compactación, Bigtable la ejecuta automáticamente.

Mutaciones y eliminaciones

Las mutaciones, o cambios, en una fila ocupan más almacenamiento, porque Bigtable almacena las mutaciones de manera secuencial o solo las compacta de forma periódica. Cuando Bigtable compacta una tabla, quita los valores que ya no son necesarios. Si actualizas el valor de una celda, el original y el nuevo se almacenarán en el disco durante la misma cantidad de tiempo hasta que se compacten los datos.

Las eliminaciones también ocupan almacenamiento adicional, al menos, a corto plazo, ya que son un tipo especializado de mutación. Hasta que la tabla se compacte, una eliminación ocupa más espacio en lugar de liberarlo.

Compresión de datos

Bigtable comprime tus datos automáticamente con un algoritmo inteligente. No puedes configurar los ajustes de compresión de tu tabla. Sin embargo, puede resultarte útil saber cómo almacenar datos a fin de que se compriman de forma eficiente:

  • Los datos aleatorios no se pueden comprimir con tanta eficacia como los que siguen un patrón. Estos últimos incluyen texto, como esta página que estás leyendo.
  • La compresión funciona mejor si los valores idénticos están cerca uno del otro, ya sea en la misma fila o en filas adyacentes. Si ordenas las filas que contengan la misma información para que queden juntas, los datos se comprimirán de manera más eficiente.
  • Bigtable comprime valores de hasta 1 MiB de tamaño. Si almacenas valores superiores a 1 MiB, comprimelos antes de escribirlos en Bigtable para ahorrar ciclos de CPU, memoria del servidor y ancho de banda de red.

Durabilidad de los datos

Cuando usas Bigtable, tus datos se almacenan en Colossus, el sistema de archivos interno de alta durabilidad de Google, con dispositivos de almacenamiento en los centros de datos de Google. No es necesario que ejecutes un clúster HDFS ni ningún otro sistema de archivos para usarlo en Bigtable. En segundo plano, Google utiliza almacenamiento propio para lograr la durabilidad de los datos más allá de la que brindan las Replicación de tres vías de HDFS.

La durabilidad mejora aún más cuando se usa la replicación. Bigtable mantiene una copia independiente de tus datos en la ubicación para cada clúster de una instancia replicada.

Modelo de coherencia

Las instancias de Bigtable de un solo clúster ofrecen una coherencia sólida. Según la configuración predeterminada, las instancias que tienen más de un clúster proporcionan una coherencia eventual, pero en algunos casos de uso se pueden configurar para proporcionar coherencia en tus operaciones de lectura o escritura o una coherencia sólida, según la configuración de la carga de trabajo y el perfil de la app.

Seguridad

El acceso a tus tablas de Bigtable lo controla tu proyecto de Google Cloud y las funciones de Identity and Access Management (IAM) que asignas a los usuarios. Por ejemplo, puedes asignar funciones de IAM que eviten que los usuarios individuales lean desde las tablas, escriban en ellas o creen instancias nuevas. Si una persona no tiene acceso a tu proyecto o no tiene una función de IAM que le otorgue los permisos adecuados para Bigtable, no podrá acceder a ninguna de tus tablas.

También puedes controlar el acceso a los datos de la tabla creando una vista autorizada de una tabla que representa un subconjunto de los datos de la tabla. Luego, puedes otorgar permisos autorizados a nivel de la vista a algunos usuarios otorgarles permisos a nivel de tabla.

Puedes administrar la seguridad en el proyecto, la instancia, la tabla o niveles de vista autorizados. Bigtable no es compatible restricciones de seguridad a nivel de las filas, las columnas o las celdas.

Encriptación

De forma predeterminada, todos los datos almacenados en Google Cloud, incluidos los de las tablas de Bigtable, están encriptados en reposo mediante los mismos sistemas de administración de claves endurecidos que usamos para nuestros propios datos encriptados.

Si quieres tener más control sobre las claves que se usan para encriptar tus en reposo, puedes usar la encriptación administrada por el cliente claves (CMEK).

Copias de seguridad

Las copias de seguridad de Bigtable te permiten guardar una copia del esquema y los datos de una tabla y, luego, restablecerlos en una tabla nueva más adelante. Con las copias de seguridad y las copias de seguridad, puedes restablecer en una tabla nueva en cualquier región o proyecto en el que tengas una instancia de Bigtable, independientemente de dónde esté la tabla de origen.

Captura de datos modificados

Bigtable proporciona captura de datos modificados (CDC) en forma de cambios. transmisiones continuas. Los flujos de cambios te permiten capturar y transmitir cambios en los datos a una tabla a medida que ocurren los cambios. Puedes leer un flujo de cambios con un servicio como Dataflow para admitir casos de uso, como estadísticas de datos, auditorías, requisitos de archivado y activación de la lógica de la aplicación descendente. Para ver más consulta la guía Descripción general del cambio transmisiones continuas.

Solicitar enrutamiento con perfiles de app

Las políticas de enrutamiento de perfil de app te permiten controlar qué clústeres manejan las solicitudes entrantes de tus aplicaciones. Las opciones para las políticas de enrutamiento incluyen las siguientes:

  • Enrutamiento de un solo clúster: Envía todas las solicitudes a un solo clúster.
  • Enrutamiento de varios clústeres a cualquier clúster: Envía solicitudes al clúster disponible más cercano en una instancia, incluidas las siguientes opciones:
    • Cualquier clúster: cualquier clúster de la instancia puede recibir solicitudes.
    • Enrutamiento de grupo de clústeres: Un grupo especificado de clústeres en la instancia puede recibir solicitudes.

Otras opciones de almacenamiento y base de datos

Bigtable no es una base de datos relacional tradicional. Aunque sí lo hace admiten consultas en SQL, es posible que ciertos casos de uso sería más adecuado para otra opción de base de datos.

  • Si necesitas consultas interactivas con un sistema de procesamiento analítico en línea (OLAP), considera BigQuery.
  • Si necesitas almacenar objetos altamente estructurados en una base de datos de documentos con compatibilidad para transacciones ACID y consultas similares a SQL, considera Firestore.
  • Para el almacenamiento de datos en memoria con baja latencia, considera Memorystore.
  • Para sincronizar datos entre usuarios en tiempo real, usa Firebase Realtime Database.

Para obtener más información sobre otras opciones de base de datos, consulta la descripción general de los servicios de base de datos. Google Cloud también tiene varios opciones de almacenamiento.

¿Qué sigue?