功能

低延遲與高處理量

Bigtable 是鍵/值和寬欄儲存庫,適合用來快速存取結構化、半結構化或非結構化資料。就讀取與寫入處理量而言,Bigtable 相當合乎成本效益,因此除了易受延遲影響的工作負載 (如個人化),也非常適合用於點擊流與 IoT 方面的作業,還可應用於高效能運算 (HPC) 的批次分析 (如機器學習模型訓練)。

不受限制的讀寫作業擴充性

Bigtable 會將運算資源與資料儲存空間分離,能以公開透明的方式調整處理資源。每個外加節點都能以一致的高效能處理讀取及寫入作業,讓您輕鬆地水平擴充。Bigtable 會自動調整資源配置來因應伺服器流量,並處理資料分割、複製和查詢處理作業,發揮最佳效能。

靈活彈性的資料模型

Bigtable 可讓資料模型自然演進,並儲存純量、JSON、通訊協定緩衝區、Avro、Arrow、嵌入與圖片等各種資料,並視需要動態新增/移除新資料欄。Bigtable 還能在單一資料庫中提供低延遲服務,或對原始的非結構化資料執行高效能批次分析。

一次最多可在八個區域的單一可用區中執行作業

無論使用者位於何處,Bigtable 支援的應用程式均可透過全球通用的多重主要設定,執行低延遲的讀取和寫入作業。可用區執行個體有助於節省成本,並可透過自動複製功能完成多區域部署,順暢向上擴充。執行多區域執行個體時,資料庫會將獲得妥善保護,即使發生區域性故障也不受影響,可用性達 99.999%,領先業界。

輕鬆從 NoSQL 資料庫遷出

即時遷移功能可確保資料遷移作業準確無誤,減少所需工作。有了 HBase Bigtable 複製程式庫,不需停機就能進行即時遷移,還可透過匯入工具驗證工具輕鬆將 HBase 快照載入 Bigtable,,並使用 Dataflow 範本,簡化從 Cassandra 遷移至 Bigtable 的作業。

支援豐富的應用程式和工具

輕鬆透過 Apache HBase API 連線至開放原始碼生態系統。與 Apache SparkHadoopGKEDataflowDataprocVertex AI Vector SearchBigQuery 完美整合,更快建構出資料導向的應用程式。提供符合開發團隊需求的 HBaseLangChain 整合功能,以及用戶端程式庫,支援多種程式語言,包含:Java、Go、Python、C#、Node.js、PHP、Ruby、C++。

沒有隱藏費用

IOPS、備份或備份還原作業皆不收費,讀取/寫入價格均按合理比例計算,不會因工作負載成長大幅影響預算。

自動化維護

降低作業成本,並提升各規模資料庫的可靠性。內建自動複製和維護功能,完全不必停機。

即時擷取變更資料並觸發事件

使用 Bigtable 變更串流,從 Bigtable 資料庫擷取變更資料,並與其他系統整合,以便分析數據、觸發事件與遵循法規。

企業級的安全防護機制與控管功能

使用客戶自行管理的加密金鑰 (CMEK),加上 Cloud External Key Manager 支援、經整合的 IAM 存取與控管機制、對 VPC-SC 的支援、資料存取透明化控管機制、Access Approval,以及全方位的稽核記錄,即可妥善保護資料並確實遵守法規。

觀測能力

您可以使用伺服器端指標監控 Bigtable 資料庫的效能,並透過 Key Visualizer 互動式監控工具分析使用模式。運用查詢統計資料資料表統計資料熱子表工具,就能透過用戶端監控指標,排解查詢效能問題及快速診斷延遲問題。

災難復原

資料庫漸進式備份不但迅速且符合成本效益,還可立即還原。將備份儲存在不同的區域,提高復原力,並在測試和實際工作環境,輕鬆從執行個體或專案還原。

Vertex AI Vector Search 整合功能

使用 Bigtable 到 Vertex AI Vector Search 範本,透過 Vertex AI 對 Bigtable 資料庫的資料建立索引,以使用 Vertex AI Vector Search,對向量嵌入執行相似度搜尋。

LangChain 整合功能

透過 LangChain 整合功能,輕鬆建構更準確、公開透明且可靠的生成式 AI 應用程式。詳情請參閱 GitHub 存放區

運作方式

Bigtable 執行個體在一或多個區域提供運算功能和儲存空間。每個 Bigtable 叢集都能接收讀取和寫入作業。系統會自動「分割」資料來提高擴充性,並以非同步的方式在叢集間複製資料。TrueTime 分散式時鐘可確保交易排序正確。

Bigtable 架構

常見用途

廣告技術與零售

即時提供個人化體驗

輕鬆追蹤顧客的行為和喜好,以便提供個人化廣告、新聞動態消息、折扣優惠和推薦產品/內容。這個單一資料庫會自動調整資源配置及重新恢復平衡,讓效能達到最佳狀態,方便您以低延遲方式擷取大量事件串流,並提供推薦內容。您可以在多區域進行多重主要部署作業,於距離顧客較近的位置提供資料,將延遲時間縮到最短。此外,這項服務的可用性高達 99.999%,而且無需維護,有助於降低風險和減少停機時間。
廣告技術與零售的參考架構圖

即時提供個人化體驗

輕鬆追蹤顧客的行為和喜好,以便提供個人化廣告、新聞動態消息、折扣優惠和推薦產品/內容。這個單一資料庫會自動調整資源配置及重新恢復平衡,讓效能達到最佳狀態,方便您以低延遲方式擷取大量事件串流,並提供推薦內容。您可以在多區域進行多重主要部署作業,於距離顧客較近的位置提供資料,將延遲時間縮到最短。此外,這項服務的可用性高達 99.999%,而且無需維護,有助於降低風險和減少停機時間。
廣告技術與零售的參考架構圖

資料架構和作業分析

整合資料孤島並向外擴充舊版系統

使用 BigQuery、Dataflow、Cloud Composer 和 Cloud Data Fusion 的整合功能,從多個資料庫、串流來源和大型主機中,批次或即時擷取及整併各項資料。接著,依此建構客戶資料平台、作業資料儲存庫、數位整合中心、語意層或資料架構,以便支援低延遲 API 存取作業,以及可擴充的應用程式內報表功能。
資料架構和作業分析的參考架構圖

整合資料孤島並向外擴充舊版系統

使用 BigQuery、Dataflow、Cloud Composer 和 Cloud Data Fusion 的整合功能,從多個資料庫、串流來源和大型主機中,批次或即時擷取及整併各項資料。接著,依此建構客戶資料平台、作業資料儲存庫、數位整合中心、語意層或資料架構,以便支援低延遲 API 存取作業,以及可擴充的應用程式內報表功能。
資料架構和作業分析的參考架構圖

網路安全

偵測惡意軟體和付款詐欺活動,有效遏止垃圾內容與詐騙行為

擷取多項詐欺信號 (例如使用者活動、目錄檔案、惡意軟體特徵碼和封鎖清單) 與非結構化內容 (例如產品資訊和評論),即時找出仿冒商品、垃圾訊息散布帳戶、詐騙行為、詐欺活動和遭入侵的硬體。
網路安全的參考架構圖

偵測惡意軟體和付款詐欺活動,有效遏止垃圾內容與詐騙行為

擷取多項詐欺信號 (例如使用者活動、目錄檔案、惡意軟體特徵碼和封鎖清單) 與非結構化內容 (例如產品資訊和評論),即時找出仿冒商品、垃圾訊息散布帳戶、詐騙行為、詐欺活動和遭入侵的硬體。
網路安全的參考架構圖

媒體

提供媒體內容和參與度分析資料

您不僅可以管理播放清單、擴增實境 (AR) 資產、書籍、影音內容目錄、觀看記錄、評分和留言,還能追蹤觀看進度,並為內容創作者與廣告主提供個人化內容動態消息和分析資料。
媒體的參考架構圖

提供媒體內容和參與度分析資料

您不僅可以管理播放清單、擴增實境 (AR) 資產、書籍、影音內容目錄、觀看記錄、評分和留言,還能追蹤觀看進度,並為內容創作者與廣告主提供個人化內容動態消息和分析資料。
媒體的參考架構圖

時間序列和 IoT

管理任何規模的時間序列資料

可擷取大量資料,例如金融時間序列、智慧型住宅、天氣感應器、線上遊戲記錄、廠區遙測資料、連網車或事件來源架構等,且不會干擾低延遲服務工作負載,以便支援即時報告、快訊功能和預測性維護作業。您可以運用存留時間規則簡化資料管理作業,並且以業界領先的實體儲存空間價格,以符合成本效益的方式,使用您選擇的儲存媒介保留資料。此外,還能藉由高度的掃描處理量效能,輕鬆進行批次數據分析。
時間序列與 IoT 的參考架構圖

管理任何規模的時間序列資料

可擷取大量資料,例如金融時間序列、智慧型住宅、天氣感應器、線上遊戲記錄、廠區遙測資料、連網車或事件來源架構等,且不會干擾低延遲服務工作負載,以便支援即時報告、快訊功能和預測性維護作業。您可以運用存留時間規則簡化資料管理作業,並且以業界領先的實體儲存空間價格,以符合成本效益的方式,使用您選擇的儲存媒介保留資料。此外,還能藉由高度的掃描處理量效能,輕鬆進行批次數據分析。
時間序列與 IoT 的參考架構圖

機器學習基礎架構

調整模型訓練及提供服務

建構特徵儲存庫來支援低延遲預測功能;透過 HPC 叢集和機器學習架構,快速存取 GCS 的快取資料;並以高處理量、低延遲的讀寫作業、精細的存取權控管機制,和工作負載隔離等方式,取得訓練期間模型權重的數據匯報。
機器學習基礎架構的參考架構圖

瞭解如何在熱門的開放原始碼特徵儲存庫中使用 Bigtable


調整模型訓練及提供服務

建構特徵儲存庫來支援低延遲預測功能;透過 HPC 叢集和機器學習架構,快速存取 GCS 的快取資料;並以高處理量、低延遲的讀寫作業、精細的存取權控管機制,和工作負載隔離等方式,取得訓練期間模型權重的數據匯報。
機器學習基礎架構的參考架構圖

瞭解如何在熱門的開放原始碼特徵儲存庫中使用 Bigtable


定價

Bigtable 的定價方式Bigtable 是依據運算能力、資料庫儲存空間、備份儲存空間和網路用量計費。承諾使用折扣可進一步降低價格。
服務說明價格
運算能力

運算資源是以節點的形式佈建。

Starting at

$0.65 美元

每小時每節點

資料儲存

SSD

費用是根據資料表的實際大小計算。各項備用資源的費用會分開計算。建議用於低延遲服務。

Starting at

$0.17 美元

每 GB 每月

HDD

費用是根據資料表的實際大小計算。各項備用資源的費用會分開計算。

Starting at

$0.026 美元

每 GB 每月

備份

費用的計算依據為備份的實體大小。Bigtable 備份為漸進式。

Starting at

$0.026 美元

每 GB 每月

網路

輸入

免費

相同區域內的輸出來源

免費

在區域之間輸出

Starting at

$0.10 美元

每 GB

複製作業

位於相同區域

免費

在區域之間

Starting at

$0.01

每 GB

進一步瞭解 Bigtable 定價承諾使用折扣

Bigtable 的定價方式

Bigtable 是依據運算能力、資料庫儲存空間、備份儲存空間和網路用量計費。承諾使用折扣可進一步降低價格。

運算能力
說明

運算資源是以節點的形式佈建。

價格

Starting at

$0.65 美元

每小時每節點

資料儲存
說明

SSD

費用是根據資料表的實際大小計算。各項備用資源的費用會分開計算。建議用於低延遲服務。

價格

Starting at

$0.17 美元

每 GB 每月

HDD

費用是根據資料表的實際大小計算。各項備用資源的費用會分開計算。

說明

Starting at

$0.026 美元

每 GB 每月

備份

說明

費用的計算依據為備份的實體大小。Bigtable 備份為漸進式。

價格

Starting at

$0.026 美元

每 GB 每月

網路
說明

輸入

價格

免費

相同區域內的輸出來源

說明

免費

在區域之間輸出

說明

Starting at

$0.10 美元

每 GB

複製作業

說明

位於相同區域

價格

免費

在區域之間

說明

Starting at

$0.01

每 GB

進一步瞭解 Bigtable 定價承諾使用折扣

Pricing Calculator

估算每個月的 Bigtable 費用,包括特定區域的定價和相關費用。

客製化報價

貴機構如需索取客製化的報價,請與我們的銷售團隊聯絡。

開始進行 Bigtable 概念驗證

獲得價值 $300 美元的抵免額 (新使用者)

瞭解如何使用 Bigtable

將 BigQuery 查詢連結至 Bigtable

從 HBase、Cassandra、Aerospike 或 DynamoDB 改用 Bigtable

透過範例深入探索程式設計

企業案例

瞭解其他企業如何建構創新應用程式,透過 Bigtable 提供絕佳客戶體驗、降低成本並提高投資報酬率


優點和客戶

創新應用程式具備無限擴充能力,可滿足各種需求,讓您輕鬆拓展業務。

享有業界最佳成本效益,用多少付多少。

使用開放原始碼 API 和遷移工具,輕鬆遷移其他 NoSQL 資料庫,並執行混合雲或多雲端部署作業。

  • Equifax 標誌
  • PayPal 標誌
  • Credit Karma 標誌
  • 美國職棒大聯盟標誌
  • The Home Depot 標誌
  • Fastly 標誌
  • FullStory 標誌
  • TelevisaUnivision 標誌
  • Mercado Libre 標誌
  • Vimeo 標誌
  • Evernote 標誌
  • Bit.ly 標誌
  • Squarespace 標誌
  • LiveRamp 標誌
  • OpenX 標誌

合作夥伴與整合功能

我們的合作夥伴具備 Bigtable 專業知識,可協助您因應旅程的每個階段,瞭解評估與業務案例,並取得在 Bigtable 上遷移與建構新應用程式的相關知識。
  • SADA 標誌
  • DoIT 標誌
  • Searce 標誌
  • 66 degrees 標誌
  • Carahsoft 標誌
  • Devoteam 標誌
  • Cloud Ace 標誌
  • CloudMile 標誌
  • Quantiphi 標誌
  • Bespin Global 標誌
  • Huware Srl 標誌
  • Onix 標誌
  • WebEye 標誌
  • Softchoice 標誌
  • Appsbroker 標誌
  • OChK 標誌
  • SantoDigital 標誌
  • MasterConcept 標誌
  • Polymeric Cloud 標誌
  • Persistent Systems 標誌
  • BrioTech 標誌
  • Baidao 標誌
  • Noovle 標誌
  • zencore 標誌
  • Public Cloud Group 標誌
  • tangerine 標誌
  • Xebia 標誌
  • Crayon 標誌
  • G-gen 標誌
  • Comm-IT 標誌
  • ClearDATA 標誌
  • Digicloud Africa 標誌
  • IPNet 標誌
  • Epam 標誌
  • Pythian 標誌
  • Maven Wave 標誌
  • Rackspace 標誌
  • Accenture 標誌
  • Megazone Soft 標誌
  • SADA 標誌
  • DoIT 標誌
  • Searce 標誌
  • 66 degrees 標誌
  • Carahsoft 標誌
  • Devoteam 標誌
  • Cloud Ace 標誌
  • CloudMile 標誌
  • Quantiphi 標誌
  • Bespin Global 標誌
  • Huware Srl 標誌
  • Onix 標誌
  • WebEye 標誌
  • Softchoice 標誌
  • Appsbroker 標誌
  • OChK 標誌
  • SantoDigital 標誌
  • MasterConcept 標誌
  • Polymeric Cloud 標誌
  • Persistent Systems 標誌
  • BrioTech 標誌
  • Baidao 標誌
  • Noovle 標誌
  • zencore 標誌
  • Public Cloud Group 標誌
  • tangerine 標誌
  • Xebia 標誌
  • Crayon 標誌
  • G-gen 標誌
  • Comm-IT 標誌
  • ClearDATA 標誌
  • Digicloud Africa 標誌
  • IPNet 標誌
  • Epam 標誌
  • Pythian 標誌
  • Maven Wave 標誌
  • Rackspace 標誌
  • Accenture 標誌
  • Megazone Soft 標誌

想進一步瞭解哪些合作夥伴或第三方整合服務最適合貴企業嗎?前往合作夥伴目錄

常見問題

Bigtable 是何種資料庫?

Bigtable 是 NoSQL 資料庫服務,特別是鍵/值儲存庫,適合存放含有數萬欄的超寬資料表,又稱為寬欄資料庫或分散式多維度地圖。Bigtable 與受其啟發的熱門開放原始碼專案最為相似 (如 Apache HBase 和 Cassandra),因此如果常處理大量資料的客戶想在 Google Cloud 上尋找高效能、符合成本效益的全代管 NoSQL 資料庫解決方案,經常會選擇這個服務。

Bigtable 提供遷移工具,能輕鬆確保資料遷移作業準確無誤,加快並簡化資料遷移作業。有了 HBase Bigtable 複製程式庫,不需停機就能進行即時遷移,還可透過匯入工具驗證工具輕鬆將 HBase 快照載入 Bigtable,,並使用 Dataflow 範本,簡化從 Cassandra 遷移至 Bigtable 的作業。

Bigtable 儲存空間是以 GB 為計費單位,計費方式與無伺服器模型類似。Bigtable 也提供線性水平資源調度,並能因應需求波動自動調整運算資源。因此,您不需要長期綁定儲存空間或運算能力。不過,低延遲運算是按照容量計費,並按節點計費,而非按要求,因為每個節點每秒可處理高達 14,000 個要求。因此,Bigtable 的價格較適合較大的工作負載,但較不適合小型應用程式;而 Google Cloud 資料庫 (例如 Firestore) 可能更適用於後者。

瞭解詳情
Google Cloud
  • ‪English‬
  • ‪Deutsch‬
  • ‪Español‬
  • ‪Español (Latinoamérica)‬
  • ‪Français‬
  • ‪Indonesia‬
  • ‪Italiano‬
  • ‪Português (Brasil)‬
  • ‪简体中文‬
  • ‪繁體中文‬
  • ‪日本語‬
  • ‪한국어‬
控制台
  • 公開透明的定價方式,可讓您節省成本
  • Google Cloud 採用「即付即用」的收費方式,會依據每月用量和預付資源的折扣費率自動節省費用。歡迎立即與我們聯絡,取得專屬報價。
Google Cloud