Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Weiter zu

Cloud Bigtable

HBase-kompatibler NoSQL-Datenbankdienst für Unternehmen mit einer Latenz im einstelligen Millisekundenbereich, unbegrenzter Skalierung und einer Verfügbarkeit von 99,999% für große analytische und operative Arbeitslasten.

Neukunden erhalten ein Startguthaben von 300 $ für Bigtable.

  • Responsive Anwendungen mit konsistenter Latenz im einstelligen Millisekundenbereich erstellen

  • Nahtlose Skalierung gemäß Ihren Speicher- und Durchsatzanforderungen; keine Ausfallzeiten während der Neukonfiguration

  • Einfache Migration von Apache HBase zu Bigtable ohne Ausfallzeiten, Live-Migrationen

  • Ideal für Anwendungsfälle wie Personalisierung, Betrugserkennung, Echtzeitanalysen und IoT

  • Hohe Verfügbarkeit mit multiprimärer Replikation in bis zu 8 Regionen sicherstellen

Vorteile

Schnell und leistungsfähig

Cloud Bigtable als Speichermodul wächst zusammen mit Ihnen, vom ersten Gigabyte bis zum Petabytebereich. Cloud Bigtable eignet sich sowohl für umfangreiche Anwendungen mit niedriger Latenz als auch für die durchsatzintensive Datenverarbeitung und -analyse.

Nahtlos skalierbar und replizierbar

Beginnen Sie mit einem einzelnen Knoten pro Cluster und skalieren Sie auf Hunderte von Knoten, die dynamisch eine hohe Nachfrage bei geringer Latenz unterstützen. Replikation sorgt außerdem für eine hochverfügbare Bereitstellung von Anwendungen und isoliert Arbeitslasten voneinander.

Offen und integriert

Mit der Apache HBase API können Sie ganz einfach eine Verbindung zur Open-Source-Umgebung herstellen. Datengetriebene Anwendungen dank nahtloser Einbindung mit Hadoop ,Dataflow ,Dataproc , und BigQuery schneller erstellen.

Wichtige Features

Wichtige Features

Hoher Durchsatz und niedrige Latenz in jedem Maßstab

Bigtable ist ein Spaltenorientierter Speicher für Schlüssel/Wert-Paare, der sich für einen schnellen Zugriff auf sehr große Mengen an strukturierte, semistrukturierte oder unstrukturierte Daten mit hohem Lese- und Schreibdurchsatz eignet. Bigtable wird für viele der Kerndienste von Google genutzt wie YouTube, Google Analytics, Google Suche, Google Ads, Google Drive und Google Maps.

Größenänderung des Clusters ohne Ausfallzeiten

Skalieren Sie nahtlos von einigen Tausend auf mehrere Millionen Lese-/Schreibvorgänge pro Sekunde. Der Bigtable-Durchsatz lässt sich dynamisch anpassen, indem Sie Clusterknoten hinzufügen oder entfernen – ohne Ausfallzeiten. Bigtable kann Ihren Cluster auch bei Bedarfsänderungen automatisch skalieren, sodass Sie eine hervorragende Leistung auf die kostengünstigste Weise aufrechterhalten können.

Flexible, automatisierte Replikation zur Optimierung der Arbeitslast

Schreiben Sie die Daten einmalig und replizieren Sie sie bei Bedarf automatisch mit Eventual Consistency. So steuern Sie die Hochverfügbarkeit und auch die Isolierung der Arbeitslasten an Lese- und Schreibvorgängen. Konsistenz sicherstellen, Daten reparieren oder Schreib- und Löschvorgänge synchronisieren – das alles läuft ohne manuelle Schritte ab. Profitieren Sie von einem Hochverfügbarkeits-SLA von 99,999 % für Instanzen mit Multi-Cluster-Routing über drei oder mehr Regionen (99,9 % für Single-Cluster-Instanzen).

Einfache Migration von Apache HBase und Cassandra zu Bigtable

Live-Migrationen ermöglichen schnellere und einfachere Migrationen von HBase zu Bigtable, da sie eine genaue Datenmigration gewährleisten, den Migrationsaufwand reduzieren und die Entwicklererfahrung insgesamt verbessern. Die Replikationsbibliothek von HBase Bigtable ermöglicht Live-Migrationen ohne Ausfallzeiten, das Import-Tool lädt HBase-Snapshots ganz einfach in Bigtable und das Validierungstool sorgt für eine genaue Datenmigration. Dataflow-Vorlagen vereinfachen die Migration von Cassandra zu Bigtable. 

Sicherheit und Kontrolle für Unternehmen

Vom Kunden verwaltete Verschlüsselungsschlüssel (Customer-Managed Encryption Keys, CMEK) mit Unterstützung für externe Schlüsselverwaltung, IAM-Einbindung für Zugriff und Steuerung, Unterstützung für VPC-SC sowie umfassendes Audit-Logging tragen zum Schutz Ihrer Daten und der Einhaltung von Vorgaben bei.

Dokumentation

Dokumentation

Tutorial
Codelab: Einführung in Cloud Bigtable

In einem Cloud Bigtable-Codelab lernen Sie, wie Sie häufige Schemadesignfehler vermeiden und Daten importieren, abfragen und nutzen.

Google Cloud Basics
Cloud Bigtable-Instanz erstellen

Cloud Bigtable-Instanz mit Befehlszeilentools oder der Cloud Console erstellen.

Kurzanleitung
Kurzanleitung mit dem cbt-Tool

Sie erfahren aus erster Hand, wie Sie über das cbt-Befehlszeilentool eine Verbindung zu einer Cloud Bigtable-Instanz herstellen, einfache Verwaltungsaufgaben erledigen und Daten aus einer Tabelle lesen oder in eine Tabelle schreiben.

Google Cloud Basics
HBase zu Cloud Bigtable mit minimalen Ausfallzeiten migrieren

Verwenden Sie Tools, die entwickelt wurden, um Cloud Bigtable-Tabellen aus HBase-Tabellenschemas zu erstellen, Snapshots von den HBase-Tabellen zu importieren und die Integrität migrierter Daten zu validieren.

Google Cloud Basics
Autoscaling

Lassen Sie Cloud Bigtable automatisch Knoten hinzufügen oder entfernen, wenn sich die Nutzung ändert. Dadurch verringern Sie das Risiko einer übermäßigen oder unzureichenden Bereitstellung Ihrer Ressourcen deutlich.

Google Cloud Basics
Vom Kunden verwaltete Verschlüsselungsschlüssel (CMEK)

Mit CMEK können Sie Bigtable-Instanzen mit den Cloud KMS-Verschlüsselungsschlüsseln von Google erstellen und verwalten, um die inaktiven Daten zu schützen.

Google Cloud Basics
Cloud Bigtable für Cassandra-Nutzer

Informationen zu den Gemeinsamkeiten und Unterschieden zwischen Cloud Bigtable und Apache Cassandra, um vorhandene Anwendungen zu migrieren oder mit Bigtable neue zu erstellen.

APIs und Bibliotheken
Cloud Bigtable-Clientbibliotheken

Mit Cloud Bigtable können Sie anhand einer Google Cloud-Clientbibliothek in Ihrer bevorzugten Programmiersprache arbeiten.

Google Cloud Basics
Schemaleistung mit Key Visualizer optimieren

Key Visualizer zeigt wichtige Zugriffsmuster im Heatmap-Format, sodass Sie Ihre Cloud Bigtable-Schemas mit Blick auf eine Leistungssteigerung optimieren können.

Anwendungsfälle

Anwendungsfälle

Anwendungsfall
Finanzanalyse

Sie können Modelle auf der Basis von historischen Verhaltensdaten erstellen. Betrugsmuster können fortlaufend aktualisiert und mit Echtzeit-Transaktionen verglichen werden. Außerdem können Sie Marktdaten, Handelsaktivitäten und sonstigen Daten, z. B. zu sozialen Medien und Transaktionen, speichern und konsolidieren.

Diagramm eines Anwendungsfalls der Finanzanalyse: Das große graue Rechteck mit der Beschriftung Google Cloud umfasst links gestapelte Boxen, oben mit der Beschriftung Batch, die Zeitachsendateien / Cloud Storage enthält, unten mit der Beschriftung Streaming, die Zeitachsen-Streaming / Pub/Sub enthält. Pfeile gehen nach rechts zu Zeitachsenverarbeitung / Dataflow. Pfeile nach rechts zu 6 miteinander verbundenen Boxen: Storage/BigQuery, Storage/Cloud Bigtable, Storage/Cloud Storage, Machine Learning/AI Platform, Processing/ Dataproc und Analysis/Datalab.
Anwendungsfall
IoT

Mit Cloud Bigtable können Sie große Mengen von Zeitachsendaten aus Sensoren in Echtzeit aufnehmen und analysieren. Da die Lösung auf die hohen Geschwindigkeiten von IoT-Daten ausgelegt ist, lassen sich sowohl normale als auch ungewöhnliche Verhaltensweisen verfolgen. Außerdem können Kunden Dashboards erstellen und Daten in Echtzeit auswerten.

Diagramm IoT-Anwendungsfall: Von links nach rechts. Grünes Rechteck mit dem Titel Eingeschränkte Geräte ohne TCP, z. B. BLE und drei Gerätesymbolen. Pfeil nach rechts zu rosa Rechteck mit dem Titel „Standardgeräte-HTTPs” mit drei Gerätesymbolen. Pfeil nach rechts zum Google Cloud-Rechteck mit Rechtecken für die Datenaufnahme, Pipelines, Speicher, Analysen und Anwendungen und Präsentationen. Die Datenaufnahme enthält Symbole für Pub/Sub, Cloud Monitoring und Cloud Logging. Unter Pipelines ist das Symbol für Dataflow. Cloud Storage enthält die Symbole Cloud Storage, Datenbanken und Cloud Bigtable. Unter Analyse sind Dataflow, BigQuery, Dataproc und Datalab. Anwendung und Präsentation beinhaltet App Engine, Google Kubernetes und Compute Engine. Pfeile verbinden diese vier Rechtecke.
Anwendungsfall
Adtech

Mit Adtech lassen sich aus vielen Quellen große Mengen von Rohdaten verarbeiten, z. B. zu kanalübergreifenden Kundenaktivitäten. Sie können große Mengen von Verhaltensdaten Ihrer Kunden erheben und vergleichen, um gängige Muster zu erkennen, Empfehlungen zu generieren und den Umsatz zu steigern.

Drei gestapelte Felder auf der linken Seite. 1 „Beacons proximity notifications”. 2 „Back Office Business Systems”. 3 „Mobile Devices Push Notifications”. 1 und 2 fließen direkt in das Google Cloud-Quadrat mit Feldern. Das erste hat das Label „Messaging / Pub/Sub / Proximity Streams”. Pfeil rechts zu Feld mit dem Label „Processing / Dataflow / Stream Processing”. Pfeil nach unten zu Feld mit Label „Messaging / Pub/Sub / Queued Notification”. Pfeil nach unten zum Feld mit Label „Notifications / App Engine / Push to Devices”. Pfeil bewegt sich nach links zum dritten Feld im Stapel: „Mobile Devices”. Vom Feld „Processing” zeigen Pfeile auch auf das Feld mit dem Label „Events / Cloud Bigtable / Proximity Events” und zum Feld mit dem Label „Analytics / BigQuery / Data Warehouse”.

Preise

Preise

Cloud Bigtable ist ein schneller, vollständig verwalteter, extrem skalierbarer NoSQL-Datenbankdienst. Ausführliche Preisinformationen finden Sie in der Preisübersicht.

Partner

Mit einem Partner zusammenarbeiten, der sich mit Bigtable auskennt

Nutzen Sie unser wachsendes Partnernetzwerk, um den maximalen Nutzen aus Bigtable zu ziehen.