Google Cloud Bigtable与Google Cloud Datastore

Google Cloud Bigtable和Google Cloud Datastore / App Engine数据存储区有什么区别，主要的实际优点/缺点是什么？AFAIK Cloud Datastore建立在Bigtable之上。

根据Datastore的经验并阅读Bigtable 文档，主要区别在于：

• Bigtable最初是为实现HBase兼容性而设计的，但现在拥有多种语言的客户端库。数据存储区最初更适合Python / Java / Go网络应用程序开发人员（最初是App Engine）
• Bigtable比Datastore的“ IaaS”要多一些，因为它不是“仅此而已”，而是需要配置集群。
• Bigtable仅支持一个索引-“行键”（数据存储区中的实体键）
  • 这意味着查询位于键上，这与数据存储区的索引属性不同
• Bigtable仅在单行上支持原子性-没有事务
• 在Bigtable中，突变和删除似乎不是原子的，而Datastore则提供最终且强大的一致性，具体取决于读取/查询方法
• 计费模式非常不同：
  • 数据存储的读/写操作，存储和带宽费用
  • Bigtable的费用为“节点”，存储和带宽

Bigtable已针对大量数据和分析进行了优化

• Cloud Bigtable不会跨区域或区域复制数据（单个集群中的数据已复制且持久），这意味着Bigtable更快，更高效，成本更低，尽管持久性较差且在默认配置下可用
• 它使用HBase API-没有锁定或学习新范例的风险
• 它与开源大数据工具集成在一起，这意味着您可以使用客户使用的大多数分析工具（Hadoop，Spark等）来分析存储在Bigtable中的数据。
• Bigtable由单个行键索引
• Bigtable在一个区域中

Cloud Bigtable是为大型公司和企业设计的，这些公司和企业通常需要更大的数据需求以及复杂的后端工作负载。

数据存储经过优化，可为应用程序提供高价值的交易数据

• Cloud Datastore通过复制和数据同步具有极高的可用性
• 数据存储区因其多功能性和高可用性而变得更加昂贵
• 由于同步复制，数据存储区写入数据的速度较慢
• 数据存储具有围绕事务和查询的更好的功能（因为存在二级索引）

Bigtable和Datastore极为不同。是的，数据存储区建立在Bigtable之上，但这并没有使它变得像它那样。这就好比说汽车是建立在车轮的顶部，所以汽车与车轮没有太大区别。

Bigtable和Datastore在如何更改数据方面提供了截然不同的数据模型和语义。

主要区别在于，数据存储区在称为实体组的数据子集上提供类似于SQL数据库的ACID事务（尽管查询语言GQL比SQL更具限制性）。Bigtable严格来说是NoSQL，但提供的保证要弱得多。

如果您阅读论文，那么BigTable是这个，数据存储是MegaStore。数据存储区是BigTable，外加复制，事务和索引。（而且价格昂贵得多）。

我将尝试总结以上所有答案以及Coursea Google Cloud Platform大数据和机器学习基础知识中给出的内容

+---------------------+------------------------------------------------------------------+------------------------------------------+--+
|      Category       |                             BigTable                             |                Datastore                 |  |
+---------------------+------------------------------------------------------------------+------------------------------------------+--+
| Technology          | Based on HBase(uses HBase API)                                   | Uses BigTable itself                     |  |
| ----------------    |                                                                  |                                          |  |
| Access Mataphor     | Key/Value (column-families) like Hbase                           | Persistent hashmap                       |  |
| ----------------    |                                                                  |                                          |  |
| Read                | Scan Rows                                                        | Filter Objects on property               |  |
| ----------------    |                                                                  |                                          |  |
| Write               | Put Row                                                          | Put Object                               |  |
| ----------------    |                                                                  |                                          |  |
| Update Granularity  | can't update row ( you should write a new row, can't update one) | can update attribute                     |  |
| ----------------    |                                                                  |                                          |  |
| Capacity            | Petabytes                                                        | Terbytes                                 |  |
| ----------------    |                                                                  |                                          |  |
| Index               | Index key only (you should properly design the key)              | You can index any property of the object |  |
| Usage and use cases | High throughput, scalable flatten data                           | Structured data for Google App Engine    |  |
+---------------------+------------------------------------------------------------------+------------------------------------------+--+

还要检查此图像：

考虑到一个相对较小的问题，截至2016年11月，bigtable python客户端库仍在Alpha中，这意味着将来的更改可能不再向后兼容。此外，bigtable python库与App Engine的标准环境不兼容。您必须使用灵活的一种。

这可能是Google Cloud Bigtable与Google Cloud Datastore以及其他服务之间的另一组主要差异。下图所示的内容还可以帮助您选择合适的服务。

Cloud Datastore is a highly-scalable NoSQL database for your applications.
Like Cloud Bigtable, there is no need for you to provision database instances.
Cloud Datastore uses a distributed architecture to automatically manage
scaling. Your queries scale with the size of your result set, not the size of your
data set.
Cloud Datastore runs in Google data centers, which use redundancy to
minimize impact from points of failure. Your application can still use Cloud
Datastore when the service receives a planned upgrade.

 Choose Bigtable if the data is:
Big
● Large quantities (>1 TB) of semi-structured or structured data
Fast
● Data is high throughput or rapidly changing
NoSQL
● Transactions, strong relational semantics not required
And especially if it is:
Time series
● Data is time-series or has natural semantic ordering
Big data
● You run asynchronous batch or real-time processing on the data
Machine learning
● You run machine learning algorithms on the data
Bigtable is designed to handle massive workloads at consistent low latency
and high throughput, so it's a great choice for both operational and analytical
applications, including IoT, user analytics, and financial data analysis.

数据存储区更适合应用程序使用，适用于各种服务，尤其是微服务。

数据存储区的基础技术是Big Table，因此您可以想象Big Table更强大。

数据存储区每天可免费提供2万次操作，您可以期望托管一台具有可靠数据库且成本为零的服务器。

您还可以签出此Datastore ORM库，它具有许多出色的功能 https://www.npmjs.com/package/ts-datastore-orm