撇开价格，为什么选择Google Cloud Bigtable而不是Google Cloud Datastore？

Question

如果我同时具有大量数据存储和的用例，为什么我会选择Google Cloud Bigtable而不是Google Cloud Datastore？

我已经在SO和其他方面“比较” Bigtable和Datastore时看到了一些问题，但这似乎可以归结为相同的非特定答案。

这是我目前的知识和想法：

  

数据存储区更昂贵。

在这个问题中，让我们完全忘记定价。

  

Bigtable适用于庞大的数据集。

似乎数据存储也是如此？我看不到是什么使Bigtable在客观上优于其他产品。

  

Bigtable优于Datastore进行分析。

如何？为什么？似乎我也可以在数据存储区中进行分析，没问题。为什么Bigtable似乎是全行业分析界的一致决定？ BigTable可以从Datastore无法提供的GMail，eBay等商品中获得什么价值？

  

Bigtable已与Hadoop，Spark等集成。

考虑到数据存储库是建立在Bigtable上的，它不是很好吗？

在this question中，此声明是在一个答案中提出的：

  

Bigtable和数据存储区极为不同。是的，数据存储区是建立在Bigtable之上的，但这并没有使其成为现实。这就好比说汽车是在[汽车]车轮上构建的，因此汽车与车轮没有太大区别。

但是，这似乎比喻似乎是荒谬的，因为汽车（包括车轮）从本质上提供的价值比仅靠汽车本身的车轮要多。

乍一看，Bigtable严格比Datastore差，仅提供单个索引并限制了快速搜索性。我想念什么？

Answer 1

Bigtable和Datastore已针对稍微不同的用例进行了优化，并提供了不同的权衡。主要的是：

数据模型：

• Bigtable是一个宽列数据库-想想HBase和Cassandra
• 数据存储区是一个文档数据库-想想MongoDB
• 请注意，这两个都可以用于键值用例

成本模式：

• 每个已配置节点的大表费用
• 数据存储区无服务器并且按操作收费

通常，Bigtable是您的理想选择：

• 快速点读取和范围扫描（尤其是大规模扫描）。 Bigtable将为键值查找以及连续行的快速扫描提供较低的延迟，这是一种强大的工具，因为行以字典顺序存储。如果您具有简单且可预测的查询模式，并且设计得当，那么从Bigtable读取数据将非常有效。
• 高吞吐量写入（再次，尤其是大规模）。之所以可能这样做，部分是因为Bigtable最终是一致的-作为交换，您可以看到在价格/性能方面的巨大胜利。

适用于Bigtable的示例用例包括时间序列数据（用于IoT，监控等-认为极度写入繁重的工作负载和在x单位时间内生成的大量数据），分析（考虑欺诈检测，个性化） ，建议）和广告投放（每毫秒）。

如果需要，

数据存储（或Firestore）是一个不错的选择

• 查询的灵活性：数据存储区提供文档支持和二级索引。
• 强大的一致性和/或事务：Bigtable最终具有一致的复制功能，并且不支持多行事务。
• 移动SDK：Datastore和Firestore与Firebase生态系统完美地集成在一起。

示例用例包括移动和Web应用程序，游戏状态，用户配置文件和产品目录。

要明确回答您的几个问题：

• 为何将Bigtable用于分析？主要与性能有关：分析用例更有可能包含大型数据集，并且需要较高的写入吞吐量。如果要存储点击流数据，则比起用户帐户信息之类的数据库，要容易达到数据库的限制要容易得多。快速扫描对于分析用例也很重要：Bigtable允许您非常快速地检索有关用户或设备所需的所有信息，您可以在批处理作业中进行处理或用于动态创建建议和分析。
• Bigtable严格比Datastore差吗？ Datastore肯定提供了更多的内置功能，例如二级索引和文档支持，如果需要这些功能，Datastore是一个不错的选择。但是该功能需要权衡。 Bigtable提供了可能较低级别的但性能却令人难以置信的API，这些API允许用户自己进行权衡：如果用户重视通过二级索引的写入性能，则Bigtable是绝佳的选择。您可以将其视为功能极其强大的基础结构构建块。我实际上喜欢车轮/汽车的类比：有时候您不想要汽车-如果您真正需要的是越野车，那么一套坚固的车轮会更加有用：）