Auf dem Data Cloud Summit erfahren Sie mehr über unsere neuesten Innovationen in den Bereichen Datenbanken, Analyse und KI. Live und on demand ab dem 26. Mai.

Weiter zu

Cloud Bigtable

Vollständig verwalteter, skalierbarer NoSQL-Datenbankdienst für große analytische und operative Arbeitslasten mit bis zu 99,999 % Verfügbarkeit.

  • action/check_circle_24px Erstellt mit Sketch.

    Konsistente Latenz von weniger als 10 Millisekunden – Millionen von Anfragen pro Sekunde bearbeiten

  • action/check_circle_24px Erstellt mit Sketch.

    Ideal für Anwendungsfälle wie Personalisierung, AdTech, FinTech, digitale Medien und IoT

  • action/check_circle_24px Erstellt mit Sketch.

    Nahtlose Skalierung gemäß Ihrem Speicherbedarf, keine Ausfallzeiten bei einer Neukonfiguration

  • action/check_circle_24px Erstellt mit Sketch.

    Mit Speichermodul für ML-Anwendungen, die zu besseren Vorhersagen führen

  • action/check_circle_24px Erstellt mit Sketch.

    Einfache Verbindung zu Google Cloud-Diensten wie BigQuery oder zur Apache-Umgebung

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 einzigen Knoten pro Cluster und skalieren Sie nahtlos auf Hunderte von Knoten, die dynamisch auch Nachfragespitzen bewältigen. Replikation sorgt außerdem für eine hochverfügbare Bereitstellung von Anwendungen und isoliert Arbeitslasten voneinander.

Einfach und integriert

Vollständig verwalteter Dienst, der sich reibungslos in Big-Data-Tools wie Hadoop, Dataflow und Dataproc einfügt. Die Unterstützung des Open-Source-Standards HBase API erleichtert Entwicklungsteams außerdem den Einstieg.

Wichtige Features

Wichtige Features

Hoher Durchsatz bei niedriger Latenz

Bigtable ist ideal für die Speicherung sehr großer Datenmengen in einem Schlüssel-Werte-Speicher und unterstützt einen hohen Durchsatz an Lese- und Schreibvorgängen bei niedriger Latenz. So wird schneller Zugriff auf große Datenmengen ermöglicht. Der Durchsatz steigt linear – soll die Anzahl der QPS (Abfragen pro Sekunde) erhöht werden, fügen Sie weitere Bigtable-Knoten ein. Bigtable beruht auf derselben bewährten Infrastruktur wie Google-Produkte, die von Milliarden von Menschen genutzt werden, z. B. die Google Suche 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 und ohne Neustart anpassen. Hierzu müssen Sie nur Clusterknoten einfügen oder entfernen. Wenn Sie mit einer starken Auslastung rechnen, können Sie den Bigtable-Cluster also für einige Stunden vergrößern und danach wieder verkleinern – ohne Ausfallzeiten.

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).

Kunden

Von Kunden lernen, die Cloud Bigtable verwenden

Neuerungen

Dokumentation

Dokumentation

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.

Kurzanleitung
Kurzanleitung mit dem cbt-Tool

In der Kurzanleitung mit der Cloud Console und dem cbt-Befehlszeilentool erlernen Sie die Grundlagen von Cloud Bigtable.

Tutorial
Codelab: Einführung in Cloud Bigtable

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

Best Practice
Daten von HBase zu Cloud Bigtable migrieren

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

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 Cloud Bigtable neu zu erstellen.

APIs und Bibliotheken
Cloud Bigtable-Clientbibliotheken

Die Zugriffssteuerung für Cloud Bigtable kann auf Projekt-, Instanz- und Tabellenebene verwaltet werden.

Tutorial
Cloud Bigtable-Instanz erstellen

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
Go global with Cloud Bigtable

Mit den Replikationsfunktionen von Cloud Bigtable stellen Sie Ihre Daten flexibel in einer bestimmten Region oder auch weltweit zur Verfügung.

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

Einbindungen

Cloud Bigtable lässt sich zur Analyse, Verarbeitung und Speicherung von Daten nahtlos in die Apache®-Umgebung und andere Google Cloud-Produkte einbinden. Weitere Informationen finden Sie in der Dokumentation zu Einbindungen.