Bigtable

Bigtable を基盤とするアプリは、ユーザーがどこにいても、グローバルに分散したマルチプライマリ構成で低レイテンシの読み取りと書き込みを実現できます。ゾーン インスタンスは費用削減に優れており、自動レプリケーションによりマルチリージョンのデプロイにシームレスにスケールアップできます。また、マルチリージョン インスタンスを実行している場合、データベースがリージョンの障害から保護され、業界最高水準の 99.999% の可用性を実現します。

Bigtable Data Boost を使用すると、トランザクション ワークロードに影響を与えることなく、分析クエリ、バッチ ETL プロセス、ML モデルのトレーニング、データのエクスポートをより迅速に実行できます。Data Boost では、キャパシティ プランニングや管理は必要ありません。オンデマンド容量を使用して Google の分散ストレージ システムである Colossus に保存されたデータを直接クエリできるため、ユーザーは混在したワークロードを簡単に処理し、安心してデータを共有できます。

Apache HBase API を使用してオープンソース エコシステムに簡単に接続できます。Apache Spark、Hadoop、GKE、Dataflow、Dataproc、Vertex AI Vector Search、BigQuery を用いたシームレスな統合で、データ ドリブン アプリケーションを素早く構築することができます。Java、Go、Python、C#、Node.js、PHP、Ruby、C++、HBase の SQL とクライアント ライブラリ、そして LangChain とのインテグレーションにより、開発チームのニーズに応えます。

IOPS やバックアップの取得や復元には費用がかかりません。また、ワークロードの増加に伴う予算への影響による、不均衡な読み取り/書き込み料金も発生しません。

サーバーサイドの指標で Bigtable データベースのパフォーマンスをモニタリングする。Key Visualizer インタラクティブ モニタリング ツールで使用パターンを分析する。クエリの統計データ、テーブルの統計情報、ホット タブレット ツールを使用してクエリ パフォーマンスの問題のトラブルシューティングを行い、クライアントサイドのモニタリングによりレイテンシの問題を迅速に診断できます。

費用対効果の高い方法でデータベースの増分バックアップを即座に取得し、オンデマンドで復元します。復元力を高めるためにバックアップを異なるリージョンに保存し、インスタント間や、テスト環境と本番環境のプロジェクト間で簡単に復元できます。

Bigtable to Vertex AI Vector Search テンプレートを使用すると、Vertex AI により Bigtable データベースのデータに対してインデックスを作成し、Vertex AI ベクトル検索によりベクトル エンべディングの類似性検索を実行できます。

組み込みの k 近傍法（KNN）ベクトル検索（プレビュー版）と LangChain のインテグレーションにより、より正確で透明性が高く信頼性の高い生成 AI アプリケーションを簡単に構築できます。詳しくは、GitHub リポジトリをご覧ください。