撇开价格不谈，为什么选择谷歌云Bigtable而不是谷歌云数据存储？

Question

如果我对海量数据存储和搜索能力都有一个用例，为什么我会选择Google Cloud Bigtable而不是Google Cloud Datastore？

我看到了一些关于“比较”Bigtable和Datastore的问题，但似乎归结为相同的非特定答案。

以下是我目前的知识和想法：

数据存储更昂贵。

在这个问题的背景下，让我们完全忘记定价。

Bigtable适用于大型数据集。

看来Datastore也是？我看不出是什么让Bigtable客观上更优越。

Bigtable在分析方面比Datastore更好。

怎样为什么？看起来我也可以在数据存储中进行分析，没问题。为什么Bigtable似乎是整个分析行业一致的决策？GMail、eBay等从Bigtable获得的数据存储无法提供的价值是什么？

Bigtable与Hadoop、Spark等集成。

考虑到数据存储是建立在Bigtable上的，它不是也一样吗？

从这个问题出发，我在回答中这样说：

Bigtable和Datastore截然不同。是的，数据存储是建立在Bigtable之上的，但这并不意味着它与Bigtable有任何相似之处。这有点像是说汽车是在车轮上建造的，所以汽车与车轮没有太大区别。

然而，这种类比似乎是荒谬的，因为汽车（包括车轮）本质上提供的价值超过了汽车车轮本身的价值。

乍一看，Bigtable似乎比Datastore差得多，只提供了一个索引，限制了快速搜索能力。我错过了什么？

Answer 1

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

数据模型：

• Bigtable是一个宽列数据库——想想HBase和Cassandra

成本模型：

• 每个配置节点的Bigtable费用

一般来说，如果需要，Bigtable是一个不错的选择：

• 快速点读取和范围扫描（尤其是在刻度上）。Bigtable将提供更低的键值查找延迟，以及对连续行的快速扫描，这是一个强大的工具，因为行是按字典顺序存储的。如果您有简单、可预测的查询模式，并且设计好了模式，那么从Bigtable读取数据可能会非常高效
• 高吞吐量写入（同样，尤其是大规模写入）。这在一定程度上是可能的，因为Bigtable最终是一致的——作为交换，你可以在价格/性能上看到巨大的胜利

对于Bigtable来说，非常有用的示例用例包括时间序列数据（用于物联网、监控等——想想超负荷的工作和在x个时间单位内生成的大量数据）、分析（想想欺诈检测、个性化、推荐）和广告服务（每微秒计数）。

如果需要，数据存储（或Firestore）是一个不错的选择：

• 查询灵活性：数据存储提供文档支持和二级索引
• 强一致性和/或事务：Bigtable最终具有一致性复制，不支持多行事务
• 移动SDK：数据存储和Firestore与firebase生态系统的集成非常好

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：

• 为什么Bigtable用于分析？主要是关于性能：分析用例更有可能拥有大数据集，并且需要高写吞吐量。如果您存储点击流数据，与用户帐户信息相比，它更容易遇到数据库的限制。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您需要的关于用户或设备的所有信息，您可以在批处理作业中处理这些信息，或者使用这些信息快速创建建议和分析。
• Bigtable是否比Datastore更差？Datastore无疑提供了更多的内置功能，如辅助索引和文档支持，如果您需要这些功能，Datastore是一个极好的选择。但这种功能是有权衡的。Bigtable提供了可能较低级别但性能令人难以置信的API，允许用户为自己做出这些权衡：例如，如果用户重视编写性能而不是辅助索引，Bigtable是一个极好的选择。您可以将其视为一个极其通用和强大的基础架构构建模块。我其实很喜欢轮子/汽车的类比：有时候你不想要汽车——如果你真正需要的是一辆越野自行车，一套实心轮子要有用得多：）