Cloud Bigtable 是可擴展的NoSQL資料庫代管服務，適用於大型營運和工作負載分析，知名企業如 Twitter 就是 Cloud Bigtable 服務的使用者。今年一月底，Google Cloud 宣佈 Bigtable 的 Autoscaling (自動縮放)功能將全面推出，該功能可以自動增加或減少節點數量，以即時應對應用程式不斷變化的流量。使用 Autoscaling，您只需支付實際使用的費用，不但省去管理基礎架構的時間，也能最佳化企業成本。
除了 Autoscaling 外，Bigtable 近期也發布了以下能降低成本與支出的的新功能：
- 2倍的儲存限制：讓您以更少的成本儲存更多數據/資料。
- 叢集群組(Cluster groups)提升應用程式流量路由的靈活性，為您的顧客提供更棒的使用者體驗。
- 更精細的利用率指標：提高可視性、更快速的故障排除和工作負載管理。
透過 Autoscaling 優化成本並提高可管理性
具備擴展和縮減應用程式資源、快速回應客戶需求變化的能力，對現今企業來說尤為重要。Bigtable 的 Autoscaling 功能會根據不斷變化的流量需求，自動增加或減少叢集群組(Cluster groups)中的節點數量，它顯著降低了過度配置和產生不必要成本的風險，以及供應不足可能導致錯過商機的危害。現在，使用者可以在 Bigtable 的控制台、gcloud 命令列工具、Bigtable Admin API和客戶端上，針對叢集啟用自動縮放(Autoscaling)功能。自動縮放 NoSQL 資料庫執行規模的功能，適用於HDD和SSD叢集，並且已經在所有Bigtable區域提供。
您可以在 Cloud Console 中為 Bigtable Autoscaling 設置最小和最大節點數，如下圖所示。
新叢集和現有叢集皆可啟用自動縮放功能，Google Cloud 進行了大量的實驗，來確保自動縮放能夠良好地處理用戶的工作負載，也會提供完整的監控和稽核日誌記錄，供用戶清楚掌握Bigtable的行為，確保支付的費用和效能預期一致。
2倍的儲存限制
數據正在以驚人的速度生成，許多應用程式需要存取數據來提供更佳的使用者體驗。支援這些應用程式的 Data Pipeline 需要高吞吐量和低延遲來存取大量數據，同時不增加運算資源的支出。為滿足儲存驅動型工作負載(storage driven workload)的需求，Bigtable 將每個節點的儲存容量新增了一倍，這樣您就可以以更少的成本儲存更多的數據。Bigtable 節點現在支援每個節點 5TB (之前為 2.5TB) 的SSD和 16TB (之前為 8TB) 的HDD，這對於處理大量數據的批次處理工作負載來說極具成本效益。
透過叢集群組(Cluster groups)實現規模化的可管理性
現今的企業需要為跨地區和跨洲的用戶提供服務，並確保能為每位用戶提供最佳體驗。Google Cloud 最近推出了在多達 8 個區域部署 Bigtable 實例 (instance) 的功能，助您將數據放置在盡可能靠近終端使用者的位置。以前，一個實例僅限於四個區域，提供更多區域有助於確保應用程式在您顧客們所在的多個位置都具有一致的使用者體驗。
當額外的工作負載需要存取數據時，每個應用程式都需要確保其服務路徑流量不會增加延遲或降低吞吐量。為了提供更佳的工作負載管理，Google Cloud 最近推出了 App Profile 叢集群組路由。叢集群組路由提供更精細的工作負載隔離管理，允許您配置應用程式流量的路由位置。這將允許您分配 Bigtable 叢集來處理某些流量，例如批次處理工作負載，同時也不會直接影響用於為客戶提供服務的叢集。
更高的可視性
理解 Bigtable 資源如何被用來支持業務成長，將對於解决問題和優化資源分配起到關鍵作用。最近推出的CPU 利用率 (CPU utilization)包含了方法(method)和圖表(table)，這為 Bigtable 叢集的 CPU 用量以及 Bigtable 實例資源的使用情況提供了更精細的可視性。這些可視性指標告訴您哪些應用程式正在使用哪些 API 方法存取哪些圖表，從而更容易快速排除錯誤和解決問題。
宏庭科技為 Google Cloud 菁英合作夥伴，協助多間知名企業建構資料儲存解決方案如 Cloud SQL、Cloud Bigtable，客戶遍及媒體業、電商業、零售業與遊戲業。想了解更多資料庫代管解方嗎？歡迎填寫連絡表單，讓宏庭科技專屬顧問提供您最具靈活性的資料儲存解決方案！
了解更多
- 觀看 Youtube 影片，一步一步了解如何將 Bigtable 應用於應用程式，如個人化推薦和詐騙偵測。
- 觀看 Google Cloud 官方文章，了解如何將資料從HBase遷移到Bigtable。
- 本文章翻譯並改寫自 Google Cloud 官方部落格。
