Big Data kommt im Datenmanagement häufig vor. Die Nutzung von Big Data kann Unternehmen zu allen möglichen Erkenntnissen führen, die sie effizienter und profitabler machen könnten. Das einzige Problem besteht darin, dass die Nutzung von Big Data ein recht mühsames Unterfangen sein kann, wenn es um Ressourcenmanagement und Systemadministration geht. Google plant, Big Data auf „Cloud-Art“ anzugehen, mit der Google Cloud Platform, Updates für BigQuery und der Einführung von Cloud Dataflow.
Big Data kommt im Datenmanagement häufig vor. Die Nutzung von Big Data kann Unternehmen zu allen möglichen Erkenntnissen führen, die sie effizienter und profitabler machen könnten. Das einzige Problem besteht darin, dass die Nutzung von Big Data ein recht mühsames Unterfangen sein kann, wenn es um Ressourcenmanagement und Systemadministration geht. Google plant, Big Data auf „Cloud-Art“ anzugehen, mit der Google Cloud Platform, Updates für BigQuery und der Einführung von Cloud Dataflow.
Die Google Cloud Platform bietet eine Reihe leistungsstarker, skalierbarer und benutzerfreundlicher Big-Data-Dienste, damit Kunden Big Data auf Cloud-Art nutzen können. Das erste davon ist Google Cloud Dataflow, das eine zuverlässige, ereigniszeitbasierte Stream-Verarbeitung bereitstellt, die standardmäßig verfügbar ist. Die zweite Möglichkeit besteht in Aktualisierungen von Googles BigQuery, dem Inbegriff eines cloudnativen, API-gesteuerten Dienstes für SQL-Analysen. Diese Updates umfassen Sicherheits- und Leistungsfunktionen, einschließlich Berechtigungen auf Zeilenebene, jetzt mit einem Standardaufnahmelimit von 100,000 Zeilen/Sekunde/Tabelle.
Googles cloudbasierter Umgang mit Big Data zielt darauf ab, schnellere und bessere Einblicke in Big Data zu gewinnen, ohne sich um die zugrunde liegende Infrastruktur kümmern zu müssen. Es enthält:
- NoOps: „NoOps“ bedeutet, dass die Plattform solche Aufgaben und Optimierungen für Benutzer übernimmt und ihnen so die Möglichkeit gibt, sich auf das Verständnis und die Nutzung des Werts ihrer Daten zu konzentrieren.
- Kosteneffizienz: Die Plattform skaliert und optimiert den Infrastrukturverbrauch des Benutzers automatisch und eliminiert ungenutzte Ressourcen wie ungenutzte Cluster. Benutzer verwalten die Kosten, indem sie die Anzahl der Abfragen und die Latenz ihrer Verarbeitung basierend auf einer Kosten-Nutzen-Analyse erhöhen oder verringern.
- Sichere und einfache Zusammenarbeit: Benutzer können Datensätze aus Dateien in Google Cloud Storage oder Tabellen in Google BigQuery mit Mitarbeitern innerhalb oder außerhalb ihrer Organisation teilen, ohne Kopien erstellen oder Datenbankzugriff gewähren zu müssen.
Neben BigQuery und Cloud Dataflow rundet Google mit Google Cloud Pub/Sub sein Big Data-Angebot auf cloudbasierte Weise ab. Pub/Sub ermöglicht Benutzern die Datenverarbeitung mit geringer Latenz in Echtzeit.
Verfügbarkeit
Google BigQuery ist jetzt mit der Möglichkeit verfügbar, Daten in Google Cloud Platforms in europäischen Zonen zu speichern, und Google Cloud Dataflow ist in der Betaversion verfügbar.
