Fitur

Latensi rendah dan throughput tinggi

Bigtable adalah penyimpanan dengan wide-column dan nilai kunci, yang cocok untuk akses cepat ke data terstruktur, semi-terstruktur, atau tidak terstruktur. Hal ini membuat workload yang sensitif terhadap latensi, seperti personalisasi, sangat cocok untuk Bigtable. Namun, penghitung terdistribusi, throughput baca dan tulis per dolar yang tinggi membuatnya juga sangat cocok untuk kasus penggunaan clickstream dan IoT, serta analisis batch pada aplikasi komputasi berperforma tinggi (HPC), termasuk pelatihan model ML.

Skalabilitas menulis dan membaca tanpa batas

Bigtable memisahkan resource komputasi dari penyimpanan data, sehingga memungkinkan penyesuaian resource pemrosesan secara transparan. Setiap node tambahan dapat memproses pembacaan dan penulisan dengan sama baiknya, sehingga memberikan skalabilitas horizontal yang mudah diterapkan. Bigtable mengoptimalkan performa dengan menskalakan otomatis resource untuk beradaptasi dengan traffic server, menangani sharding, replikasi, dan pemrosesan kueri.

Fleksibilitas model data

Bigtable memungkinkan model data Anda berkembang secara organik. Simpan apa pun mulai dari skalar, JSON, Buffering Protokol, Avro, Arrow, hingga embedding, gambar, dan tambahkan/hapus kolom baru secara dinamis sesuai kebutuhan. Hadirkan layanan berlatensi rendah atau analisis batch berperforma tinggi melalui data mentah dan tidak terstruktur dalam satu database.

Dari satu zona hingga delapan region sekaligus

Aplikasi yang didukung oleh Bigtable dapat mengirim operasi baca dan tulis berlatensi rendah dengan konfigurasi multi-utama yang terdistribusi secara global, di mana pun pengguna Anda berada. Instance zona sangat cocok untuk menghemat biaya dan dapat ditingkatkan skalanya secara lancar ke deployment multi-region dengan replikasi otomatis. Saat menjalankan instance multi-region, database Anda terlindungi dari kegagalan regional dan menawarkan ketersediaan 99,999% yang terbaik di industri.

Migrasi yang mudah dari database NoSQL

Migrasi langsung memungkinkan proses orientasi yang lebih cepat dan sederhana dengan memastikan migrasi data yang akurat tanpa perlu repot. Library replikasi HBase Bigtable memungkinkan migrasi langsung tanpa periode nonaktif dengan alat impor dan validasi untuk memuat snapshot HBase dengan mudah ke Bigtable, sementara template Dataflow menyederhanakan migrasi dari Cassandra ke Bigtable.

Pemrosesan data berperforma tinggi yang terisolasi workload

Dengan Data Boost Bigtable, pengguna dapat menjalankan kueri analisis, mengelompokkan proses ETL, melatih model ML, atau mengekspor data dengan lebih cepat tanpa memengaruhi beban kerja transaksional. Data Boost tidak memerlukan perencanaan atau pengelolaan kapasitas. Layanan ini memungkinkan pembuatan kueri data secara langsung yang tersimpan di sistem penyimpanan terdistribusi Google, Colossus menggunakan kapasitas sesuai permintaan yang memungkinkan pengguna menangani beban kerja campuran dan berbagi data dengan mudah tanpa khawatir.

Dukungan aplikasi dan alat yang lengkap

Terhubung dengan mudah ke ekosistem open source melalui API Apache HBase. Bangun aplikasi berbasis data lebih cepat dengan integrasi yang lancar menggunakan Apache Spark, Hadoop, GKE, Dataflow, Dataproc, Vertex AI Vector Search, dan BigQuery. Temui tim pengembangan di mana pun mereka berada dengan SQL dan library klien untuk Java, Go, Python, C#, Node.js, PHP, Ruby, C++, HBase, dan integrasi dengan LangChain.

Tidak ada biaya tersembunyi

Tidak ada biaya IOPS, tidak ada biaya untuk mengambil atau memulihkan pencadangan, tidak ada harga baca/tulis yang tidak proporsional yang dapat memengaruhi anggaran Anda seiring berkembangnya workload Anda.

Pemeliharaan otomatis

Kurangi biaya operasional dan tingkatkan keandalan untuk semua ukuran database. Replikasi dan pemeliharaan bersifat otomatis serta bawaan tanpa periode nonaktif.

Pengambilan dan pembuatan peristiwa data perubahan real-time

Gunakan aliran data perubahan BigTable untuk mengambil data perubahan dari database Bigtable dan mengintegrasikannya dengan sistem lain untuk analisis, pemicuan peristiwa, dan kepatuhan.

Kontrol dan keamanan tingkat perusahaan

Kunci enkripsi yang dikelola pelanggan (CMEK) dengan dukungan Cloud External Key Manager, integrasi IAM untuk akses dan kontrol, dukungan untuk VPC-SC, Transparansi Akses, Persetujuan Akses, dan logging audit komprehensif untuk membantu memastikan data Anda dilindungi dan mematuhi peraturan. Kontrol akses terperinci memungkinkan Anda mengizinkan akses di tingkat tabel, kolom, atau baris.

Kemampuan observasi

Pantau performa database Bigtable dengan metrik sisi server. Lakukan analisis pola penggunaan dengan alat pemantauan interaktif Key Visualizer. Gunakan statistik kueri, statistik tabel, dan alat hot tablet untuk memecahkan masalah performa kueri dan mendiagnosis masalah latensi dengan cepat menggunakan pemantauan sisi klien.

Pemulihan dari bencana

Lakukan pencadangan inkremental database Anda secara instan dengan hemat biaya dan pulihkan sesuai permintaan. Simpan cadangan di berbagai region untuk meningkatkan ketahanan, memudahkan pemulihan antara instance, atau project untuk skenario pengujian yang dibandingkan dengan produksi.

Integrasi Vertex AI Vector Search

Gunakan Template Bigtable ke Vertex AI Vector Search untuk mengindeks data dalam database Bigtable Anda dengan Vertex AI, serta melakukan penelusuran kemiripan pada embedding vektor menggunakan Vertex AI Vector Search.

Integrasi LangChain

Bangun aplikasi AI generatif yang lebih akurat, transparan, dan andal dengan mudah menggunakan penelusuran vektor tetangga terdekat kNN (dalam versi pratinjau) dan integrasi LangChain bawaan. Buka repositori GitHub untuk mempelajari lebih lanjut.

Cara Kerjanya

Instance Bigtable menyediakan komputasi dan penyimpanan di satu atau beberapa region. Setiap cluster Bigtable dapat menerima operasi baca dan tulis. Data secara otomatis "dipisah" untuk skalabilitas dan direplikasi antar-cluster secara asinkron. Clock terdistribusi yang disebut TrueTime menjamin transaksi diurutkan dengan benar. 

Arsitektur Bigtable

Penggunaan Umum

AdTech dan retail

Mempersonalisasi pengalaman secara real time

Lacak perilaku dan preferensi pelanggan untuk iklan yang dipersonalisasi, feed berita, penawaran diskon, serta rekomendasi produk atau konten. Serap aliran peristiwa bervolume tinggi dan sajikan rekomendasi pada latensi rendah menggunakan satu database yang otomatis melakukan penskalaan dan penyeimbangan ulang untuk mendapatkan performa terbaik. Hadirkan data lebih dekat kepada pelanggan untuk latensi terbaik dengan deployment multi-region dan multi-primary, serta kurangi risiko dan periode nonaktif dengan ketersediaan 99,999% dan tanpa pemeliharaan.
Diagram Referensi AdTech dan Arsitektur Retail

Mempersonalisasi pengalaman secara real time

Lacak perilaku dan preferensi pelanggan untuk iklan yang dipersonalisasi, feed berita, penawaran diskon, serta rekomendasi produk atau konten. Serap aliran peristiwa bervolume tinggi dan sajikan rekomendasi pada latensi rendah menggunakan satu database yang otomatis melakukan penskalaan dan penyeimbangan ulang untuk mendapatkan performa terbaik. Hadirkan data lebih dekat kepada pelanggan untuk latensi terbaik dengan deployment multi-region dan multi-primary, serta kurangi risiko dan periode nonaktif dengan ketersediaan 99,999% dan tanpa pemeliharaan.
Diagram Referensi AdTech dan Arsitektur Retail

Data fabric dan analisis operasional

Mengonsolidasikan data silo dan menyebarkan skala sistem lama

Serap dan integrasikan data dari berbagai database, sumber streaming, dan mainframe secara massal atau real-time menggunakan integrasi dengan BigQuery, Dataflow, Cloud Composer, dan Cloud Data Fusion untuk membangun platform data pelanggan, penyimpanan data operasional, hub integrasi digital, lapisan semantik, atau data fabric untuk mendukung akses API latensi rendah dan pelaporan dalam aplikasi yang skalabel.
Diagram Referensi Arsitektur Data Fabric dan Analisis Operasional

Mengonsolidasikan data silo dan menyebarkan skala sistem lama

Serap dan integrasikan data dari berbagai database, sumber streaming, dan mainframe secara massal atau real-time menggunakan integrasi dengan BigQuery, Dataflow, Cloud Composer, dan Cloud Data Fusion untuk membangun platform data pelanggan, penyimpanan data operasional, hub integrasi digital, lapisan semantik, atau data fabric untuk mendukung akses API latensi rendah dan pelaporan dalam aplikasi yang skalabel.
Diagram Referensi Arsitektur Data Fabric dan Analisis Operasional

Pengamanan cyber

Deteksi malware, penipuan pembayaran, hentikan spam dan scam

Deteksi sinyal penipuan seperti aktivitas pengguna, file katalog, tanda tangan malware dan daftar yang tidak diizinkan, konten tidak terstruktur seperti listingan dan ulasan produk untuk mengidentifikasi barang palsu, akun spam, scam, hardware yang disusupi, dan penipuan secara real time.
Diagram Referensi Arsitektur Pengamanan Cyber

Deteksi malware, penipuan pembayaran, hentikan spam dan scam

Deteksi sinyal penipuan seperti aktivitas pengguna, file katalog, tanda tangan malware dan daftar yang tidak diizinkan, konten tidak terstruktur seperti listingan dan ulasan produk untuk mengidentifikasi barang palsu, akun spam, scam, hardware yang disusupi, dan penipuan secara real time.
Diagram Referensi Arsitektur Pengamanan Cyber

Media

Mengirimkan konten media dan analisis engagement

Kelola playlist, aset augmented reality (AR), buku, audio, atau katalog video, histori tontonan, rating dan komentar, pantau progres penayangan, serta tayangkan feed dan analisis konten yang dipersonalisasi untuk kreator konten dan pengiklan.
Diagram Referensi Arsitektur Media

Mengirimkan konten media dan analisis engagement

Kelola playlist, aset augmented reality (AR), buku, audio, atau katalog video, histori tontonan, rating dan komentar, pantau progres penayangan, serta tayangkan feed dan analisis konten yang dipersonalisasi untuk kreator konten dan pengiklan.
Diagram Referensi Arsitektur Media

Deret waktu dan IoT

Mengelola data deret waktu dalam skala apa pun

Dari deret waktu keuangan hingga smart home, sensor cuaca, log game online, telemetri lantai pabrik, mobil yang terkoneksi, atau arsitektur sumber peristiwa, serap data dalam jumlah besar tanpa mengganggu workload layanan latensi rendah untuk mendukung pelaporan real-time, peringatan, dan prediksi pemeliharaan. Sederhanakan pengelolaan data dengan aturan TTL, simpan data secara hemat biaya menggunakan media penyimpanan pilihan Anda dengan harga penyimpanan fisik yang terdepan di industri, dan capai throughput pemindaian yang tinggi untuk analisis batch dengan mudah.
Diagram Referensi Deret Waktu dan Arsitektur IoT

Mengelola data deret waktu dalam skala apa pun

Dari deret waktu keuangan hingga smart home, sensor cuaca, log game online, telemetri lantai pabrik, mobil yang terkoneksi, atau arsitektur sumber peristiwa, serap data dalam jumlah besar tanpa mengganggu workload layanan latensi rendah untuk mendukung pelaporan real-time, peringatan, dan prediksi pemeliharaan. Sederhanakan pengelolaan data dengan aturan TTL, simpan data secara hemat biaya menggunakan media penyimpanan pilihan Anda dengan harga penyimpanan fisik yang terdepan di industri, dan capai throughput pemindaian yang tinggi untuk analisis batch dengan mudah.
Diagram Referensi Deret Waktu dan Arsitektur IoT

Infrastruktur machine learning

Menskalakan pelatihan dan inferensi model

Mem-build fitur store untuk mendukung prediksi latensi rendah, data cache dari GCS untuk akses cepat oleh cluster HPC dan framework ML, serta bobot model snapshot selama pelatihan dengan throughput tinggi, pembacaan dan penulisan latensi rendah, kontrol akses terperinci, dan isolasi workload.
Diagram Referensi Arsitektur Infrastruktur ML

Pelajari cara menggunakan Bigtable dengan Feature Store open source yang populer

Menskalakan pelatihan dan inferensi model

Mem-build fitur store untuk mendukung prediksi latensi rendah, data cache dari GCS untuk akses cepat oleh cluster HPC dan framework ML, serta bobot model snapshot selama pelatihan dengan throughput tinggi, pembacaan dan penulisan latensi rendah, kontrol akses terperinci, dan isolasi workload.
Diagram Referensi Arsitektur Infrastruktur ML

Pelajari cara menggunakan Bigtable dengan Feature Store open source yang populer

Harga

Cara kerja penetapan harga BigtablePenetapan harga Bigtable didasarkan pada kapasitas komputasi, penyimpanan database, penyimpanan cadangan, dan penggunaan jaringan. Diskon abonemen mengurangi harga lebih lanjut.
LayananDeskripsiHarga
Kapasitas komputasi

Kapasitas komputasi disediakan sebagai node.

Starting at

$0,65

per node per jam

Penyimpanan data

SSD

Harga didasarkan pada ukuran fisik tabel. Setiap replika ditagih secara terpisah. Direkomendasikan untuk penayangan latensi rendah.

Starting at

$0,17

per GB per bulan

HDD

Harga didasarkan pada ukuran fisik tabel. Setiap replika ditagih secara terpisah.

Starting at

$0,026

per GB per bulan

Cadangan

Harga didasarkan pada ukuran fisik cadangan. Cadangan Bigtable bersifat inkremental.

Starting at

$0,026

per GB per bulan

Jaringan

Ingress

Gratis

Traffic keluar dalam region yang sama

Gratis

Traffic keluar antar-region

Starting at

$0,10

per GB

Replikasi

Dalam region yang sama

Gratis

Antar-region

Starting at

$0,01

per GB

Pelajari lebih lanjut hargadan diskon abonemen Bigtable.

Cara kerja penetapan harga Bigtable

Penetapan harga Bigtable didasarkan pada kapasitas komputasi, penyimpanan database, penyimpanan cadangan, dan penggunaan jaringan. Diskon abonemen mengurangi harga lebih lanjut.

Kapasitas komputasi
Deskripsi

Kapasitas komputasi disediakan sebagai node.

Harga

Starting at

$0,65

per node per jam

Penyimpanan data
Deskripsi

SSD

Harga didasarkan pada ukuran fisik tabel. Setiap replika ditagih secara terpisah. Direkomendasikan untuk penayangan latensi rendah.

Harga

Starting at

$0,17

per GB per bulan

HDD

Harga didasarkan pada ukuran fisik tabel. Setiap replika ditagih secara terpisah.

Deskripsi

Starting at

$0,026

per GB per bulan

Cadangan

Deskripsi

Harga didasarkan pada ukuran fisik cadangan. Cadangan Bigtable bersifat inkremental.

Harga

Starting at

$0,026

per GB per bulan

Jaringan
Deskripsi

Ingress

Harga

Gratis

Traffic keluar dalam region yang sama

Deskripsi

Gratis

Traffic keluar antar-region

Deskripsi

Starting at

$0,10

per GB

Replikasi

Deskripsi

Dalam region yang sama

Harga

Gratis

Antar-region

Deskripsi

Starting at

$0,01

per GB

Pelajari lebih lanjut hargadan diskon abonemen Bigtable.

KALKULATOR HARGA

Perkirakan biaya Bigtable bulanan Anda, termasuk harga dan biaya khusus per region.

PENAWARAN HARGA KUSTOM

Hubungi tim penjualan kami untuk mendapatkan penawaran harga khusus bagi organisasi Anda.

Memulai bukti konsep Bigtable Anda

Gunakan kredit $300 Anda (pengguna baru)

Pelajari cara menggunakan Bigtable

Gabungkan kueri dari BigQuery ke Bigtable

Melakukan migrasi dari HBase, Cassandra, Aerospike, atau DynamoDB ke Bigtable

Pelajari coding dengan contoh

Kasus Bisnis

Pelajari cara berbagai perusahaan membuat aplikasi yang inovatif untuk memberikan pengalaman pelanggan yang luar biasa, memangkas biaya, dan meningkatkan ROI dengan Bigtable


Manfaat dan pelanggan

Kembangkan bisnis Anda dengan aplikasi inovatif yang dapat diskalakan tanpa batas untuk memenuhi permintaan apa pun.

Dapatkan performa harga terbaik di kelasnya dan bayar sesuai penggunaan.

Bermigrasi dengan mudah dari database NoSQL lain dan jalankan deployment hybrid atau multicloud dengan API open source dan alat migrasi.

  • Logo Equifax
  • Logo PayPal
  • Logo Credit Karma
  • Logo Major League Baseball
  • Logo The Home Depot
  • Logo Fastly
  • Logo FullStory
  • Logo Televisa Univision
  • Logo Mercadolibre
  • Logo Vimeo
  • Logo Evernote
  • Logo Bit.ly
  • Logo Squarespace
  • Logo LiveRamp
  • Logo OpenX

Partner & Integrasi

Manfaatkan partner dengan keahlian Bigtable untuk membantu Anda di setiap langkah perjalanan, mulai dari penilaian dan kasus bisnis hingga migrasi dan membangun aplikasi baru di Bigtable.
  • Logo SADA
  • Logo DoIT
  • Logo Searce
  • Logo 66degrees
  • Logo Carahsoft
  • Logo Devoteam
  • Logo Cloud Ace
  • Logo CloudMile
  • Logo Quantiphi
  • Logo Bespin Global
  • Logo Huware Srl
  • Logo Onix
  • Logo WebEye
  • Logo SoftChoice
  • Logo Appsbroker
  • Logo OchK
  • Logo Santo Digital
  • Logo MasterConcept
  • Logo Polymeric Cloud
  • Logo Persistent Systems
  • Logo BrioTech
  • Logo Baidao
  • Logo Noovle
  • Logo zencore
  • Logo Public Cloud Group
  • Logo Tangerine
  • Logo Xebia
  • Logo Crayon
  • Logo G-gen
  • Logo Comm-it
  • Logo Cleardata
  • Logo Digicloud Africa
  • Logo IpNet
  • logo Epam
  • Logo Pythian
  • logo mavenwave
  • Logo Rackspace
  • Logo Accenture
  • Logo Megazone Soft
  • Logo SADA
  • Logo DoIT
  • Logo Searce
  • Logo 66degrees
  • Logo Carahsoft
  • Logo Devoteam
  • Logo Cloud Ace
  • Logo CloudMile
  • Logo Quantiphi
  • Logo Bespin Global
  • Logo Huware Srl
  • Logo Onix
  • Logo WebEye
  • Logo SoftChoice
  • Logo Appsbroker
  • Logo OchK
  • Logo Santo Digital
  • Logo MasterConcept
  • Logo Polymeric Cloud
  • Logo Persistent Systems
  • Logo BrioTech
  • Logo Baidao
  • Logo Noovle
  • Logo zencore
  • Logo Public Cloud Group
  • Logo Tangerine
  • Logo Xebia
  • Logo Crayon
  • Logo G-gen
  • Logo Comm-it
  • Logo Cleardata
  • Logo Digicloud Africa
  • Logo IpNet
  • logo Epam
  • Logo Pythian
  • logo mavenwave
  • Logo Rackspace
  • Logo Accenture
  • Logo Megazone Soft

Ingin mendapatkan informasi selengkapnya tentang partner atau integrasi pihak ketiga yang terbaik untuk bisnis Anda? Buka direktori partner.

FAQ

Jenis database apa Bigtable itu?

Bigtable adalah layanan database NoSQL, khususnya penyimpanan nilai kunci yang memungkinkan tabel yang sangat luas dengan puluhan ribu kolom, sehingga disebut juga sebagai wide-column database atau peta multi-dimensi yang terdistribusi. Layanan ini adalah database NoSQL dalam arti "Not only SQL", bukan "zero SQL".

Bigtable paling mirip dengan project open source populer seperti Apache HBase dan Cassandra, sehingga menjadi tujuan paling umum bagi pelanggan yang menangani volume data besar yang mencari solusi database NoSQL berperforma tinggi, hemat biaya, dan terkelola sepenuhnya di Google Cloud.

Selain Key-Value API, Bigtable juga mendukung kueri SQL dengan tiga cara yang berbeda:

  • Untuk pengembangan aplikasi berlatensi rendah, Bigtable menawarkan Kueri SQL API yang dibangun berdasarkan GoogleSQL dengan ekstensi untuk model data wide-column yang menyerupai Cassandra Query Language (CQL).
  • Untuk kasus penggunaan data science atau jenis batch processing dan ETL lainnya, Bigtable mendukung SparkSQL menggunakan klien Spark dari Bigtable.
  • Bagi pengguna yang ingin melakukan analisis eksploratif post-hoc atau menggabungkan data dari beberapa sumber untuk analisis batch, data Bigtable juga dapat diakses dari BigQuery. Cukup daftarkan tabel Bigtable Anda di BigQuery dan buat kueri seperti tabel BigQuery lainnya tanpa perlu ETL atau duplikasi data.

Bigtable menawarkan alat migrasi yang memungkinkan orientasi lebih cepat dan simpel dengan memastikan migrasi data yang akurat dengan upaya minimal. Library replikasi HBase Bigtable memungkinkan migrasi langsung tanpa periode nonaktif dengan alat impor dan validasi untuk memuat snapshot HBase dengan mudah ke Bigtable, sementara template Dataflow menyederhanakan migrasi dari Cassandra ke Bigtable.

Penyimpanan Bigtable ditagih per GB yang digunakan, mirip dengan model serverless. Bigtable juga menawarkan penskalaan horizontal linear dan dapat otomatis meningkatkan dan menurunkan skala resource komputasi untuk menanggapi fluktuasi permintaan. Oleh karena itu, model ini tidak memerlukan komitmen kapasitas jangka panjang untuk penyimpanan atau komputasi. Namun, harga untuk komputasi latensi rendah didasarkan pada kapasitas dan ditagih per node, bukan per permintaan. Setiap node dapat melayani hingga 17 ribu permintaan per detik. Dengan demikian, harga Bigtable menjadi lebih rendah untuk workload yang lebih besar tetapi kurang cocok untuk aplikasi kecil. Harga tersebut mungkin lebih cocok untuk database Google Cloud seperti Firestore.

Untuk pemrosesan data batch, Bigtable menawarkan Data Boost, yang menagih dalam Serverless Processing Unit (SPU).

Pelajari lebih lanjut
Google Cloud
  • ‪English‬
  • ‪Deutsch‬
  • ‪Español‬
  • ‪Español (Latinoamérica)‬
  • ‪Français‬
  • ‪Indonesia‬
  • ‪Italiano‬
  • ‪Português (Brasil)‬
  • ‪简体中文‬
  • ‪繁體中文‬
  • ‪日本語‬
  • ‪한국어‬
Konsol