Google云端Bigtable与Google云端数据存储
Google Cloud Bigtable和Google Cloud Datastore / App Engine数据存储之间有什么区别，主要的实用优势和劣势是什么？ AFAIK云数据存储build立在Bigtable之上。
基于Datastore的经验和阅读Bigtable 文档 ，主要区别是：
- Bigtable似乎是为了兼容HBase而devise的，而Datastore更适合于Python / Java / Gonetworking应用程序开发人员（最初是App Engine）
- Bigtable比Datastore“多一点IaaS”，因为它不是“只是在那里”，而是需要configuration一个集群。
- Bigtable只支持一个索引 – “行键”（Datastore中的实体键）
- 这意味着查询位于Key上，与数据存储的索引属性不同
- Bigtable仅在单行上支持primefaces性 – 没有事务
- 在Bigtable中，突变和删除似乎不是primefaces的，而数据存储提供了最终的和强大的一致性，这取决于读取/查询方法
- 计费模式非常不同：
- 数据存储为读/写操作，存储和带宽收费
- Bigtable 收取 “节点” ，存储和带宽费用
Bigtable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（单个群集中的数据将被复制并持续使用），这意味着Bigtable速度更快，效率更高，成本也更低，尽pipe它在默认configuration中不够耐用和可用
- 它使用HBase API–不存在locking风险或学习新范式的风险
- 它与开源的Big Data工具集成在一起，这意味着您可以在大多数客户使用的分析工具（Hadoop，Spark等）中分析存储在Bigtable中的数据，
- Bigtable由单个行键索引
- Bigtable是在一个单一的区域
Cloud Bigtable适用于大型公司和企业，这些公司和企业通常拥有复杂的后端工作负载所需的大量数据。
数据存储经过优化，可以为应用程序提供高价值的交易数据
- 云数据存储在复制和数据同步方面具有极高的可用性
- 数据存储由于其多function性和高可用性而更加昂贵
- 由于同步复制，数据存储缓慢写入数据
- 数据存储在事务和查询方面有更好的function（因为二级索引存在）
Bigtable和数据存储是非常不同的。 是的，数据存储是build立在Bigtable的基础上的，但是这并不像它那样。 这就好像说汽车是在车轮顶上build造的，所以汽车与车轮没有多大区别。
Bigtable和Datastore提供了非常不同的数据模型，并且在数据更改方式上提供了非常不同的语义。
主要区别在于数据存储在数据的子集上提供类似SQL数据库的ACID事务（称为实体组）（尽pipe查询语言GQL比SQL有更多的限制）。 Bigtable严格地说是NoSQL，并且有很弱的保证。
考虑到一个相对较小的观点，截至2016年11月，bigtable python客户端库仍在Alpha中，这意味着未来的变化可能不会向后兼容。 另外，bigtable python库与App Engine的标准环境不兼容。 你必须使用灵活的。
如果您阅读论文，BigTable就是这样 ，Datastore就是MegaStore 。 数据存储是BigTable加上复制，事务和索引。 （而且更昂贵）。
