google datastore nosql和google bigquery sql之间的实际区别是什么？

Question

我想知道如何评估一个工具而不是另一个工具。

我主要担心如下：

在Google数据存储区中，我们定义了“种类”。 每个“实体”都有“属性”。
然后，数据存储区后端使用这些属性来索引数据以供将来查询。 查询本身在SQL中使用几乎相同的想法，虽然语法不同，但是过滤数据并找到我们想要的东西。
如果索引每个属性，索引元数据甚至会比实际数据更大。

Google bigquery使用它的SQL方言。 它完全受管理，因此用户无需担心缩放问题。

所以我的问题是，使用nosql数据存储区的目的是什么，为索引花费如此多的计算周期和存储空间，以便我们可以像在bigquery SQL数据库中一样自然地查询它？

请与我分享您的评估过程。 与我分享我理解中缺失的内容。 谢谢。

Answer 1

这两项服务解决了不同的问题。

数据存储区旨在支持事务性工作负载，例如Web应用程序的后端。 它针对每次操作读取或写入有限行数的小事务进行了优化，具有强大的一致性保证。

BigQuery专为分析工作负载而设计。 它是仅附加的，并且针对扫描/过滤/聚合整个数据表以从数据中获取答案的查询进行了优化。

所以真正的问题是：你想解决什么问题？ 如果您正在构建Web应用程序并需要后端，请使用数据存储区。 如果您要查询大量数据以获得有关业务执行情况的答案，请使用BigQuery。

最后，如果您要同时执行这两项操作，可以将数据存储用于您的应用，然后导出到BigQuery进行分析： https ： //cloud.google.com/bigquery/loading-data-cloud-datastore

Answer 2

我认为云数据存储区可以用作传统上将应用程序对象持久化的后端。 您主要从数据存储存储中选择数据。 虽然可以使用大查询从云数据存储区查询数据集。 在今天的分析中，将数据存储数据的副本存储到大查询中变得理想，这样您就可以轻松地从大型查询中获取数据存储区中的数据，而无需查询数据存储区，了解其查询限制。