Tahukah Anda Perbedaan Antara Google Cloud BigTable dan BigQuery?

22 November 2021

Seiring berkembangnya industri 4.0 yang begitu cepat terjadi di seluruh dunia, salah satu bentuk perkembangan yang paling menonjol saat ini adalah komputasi awan atau Cloud Computing. Komputasi awan ini begitu menjadi perhatian khusus untuk developer atau pengembang aplikasi, dimana pada masa sekarang sudah mulai banyak aplikasi-aplikasi yang dibutuhkan untuk digunakan sehari-hari. Big Data menjadi salah satu berkembangnya industri 4.0 yang sudah banyak digunakan berbagai industri dan perusahaan besar seperti Gojek salah satunya.

Google Cloud Platform juga menawarkan produk dan solusi untuk kebutuhan Big Data yang perusahaan atau bisnis Anda butuhkan. Google Cloud Platform memiliki produk bernama BigTable dan BigQuery, lantas apa sih perbedaan keduanya? Simak artikel ini sampai habis, ya.

Baca juga: Keunggulan dan Cara Memanfaatkan Google Cloud Yang Wajib Diketahui

Pengertian BigTable

Cloud BigTable merupakan solusi penyimpanan cloud Google untuk akses data latensi rendah. Ini awalnya dikembangkan pada tahun 2004 dan dibangun di atas Google File System (GFS). Cloud BigTable memberikan Layanan database NoSQL yang dapat diskalakan dan fully-managed untuk beban kerja analitis dan operasional yang besar dengan ketersediaan hingga 99,999%. 

Cloud BigTable adalah database kolom lebar NoSQL yang dioptimalkan untuk membaca dan menulis yang berat. Ini dirancang untuk menjadi dasar untuk aplikasi yang besar dan dapat diukur. Gunakan BigTable ketika Anda membuat segala jenis aplikasi yang perlu membaca dan menulis data, dan skala adalah masalah potensial. 

Pengertian BigQuery

Cloud BigQuery merupakan layanan data warehouse multi cloud tanpa server, sangat skalabel, dan hemat biaya yang dirancang untuk kelincahan bisnis. BigQuery bisa dikatakan sebagai gudang data perusahaan untuk sejumlah besar data terstruktur relasional.

Cloud BigQuery memungkinkan Anda untuk mengukur ke petabyte dan merupakan gudang data perusahaan yang hebat untuk analitik. BigQuery tidak memiliki server. Komputasi tanpa server berarti sumber daya komputasi dapat ditingkatkan sesuai permintaan. Ini menguntungkan pengguna dari nol penggunaan server hingga penggunaan skala penuh tanpa melibatkan administrator dan mengelola infrastruktur.

Perbedaan BigTable dan BigQuery

Secara singkat, perbedaan antara Google Cloud BigTable dan BigQuery sudah tergambarkan dalam gambar berikut

perbedaan google cloud bigtable dan bigquery
Sumber: Google Cloud Platform Blog

Namun, secara detail berikut ini perbedaan Google Cloud BigTable dan BigQuery

1. BigTable cocok untuk OLTP, sementara BigQuery cocok untuk OLAP

Operasi read-by-key dan update yang cepat menjadikan Bigtable paling cocok untuk beban kerja OLTP. Model data menyimpan informasi dalam tabel dan baris memiliki kolom (Tipe Array atau Struct). Dimungkinkan untuk menambahkan kolom ke baris; strukturnya mirip dengan peta persisten. Baris memiliki kunci utama yang unik untuk setiap record, sehingga memungkinkan untuk membaca dan memperbarui record dengan cepat.

BigQuery adalah sistem OLAP. Latensi kueri lambat, sehingga kasus penggunaan terbaik untuk BigQuery adalah menjalankan query dengan beban kerja yang berat, seperti tugas pelaporan dan pengarsipan OLAP tradisional. Desain BigQuery tidak mendorong kueri bergaya OLTP. Untuk memasukkan ini ke dalam konteks, operasi baca-tulis kecil menghabiskan biaya sekitar 1,8 detik di BigQuery, sementara Bigtable menghabiskan biaya sekitar 9 milidetik untuk operasi yang sama.

2. BigTable berbasis NoSQL, sementara BigQuery berbasis SQL

BigTable pada dasarnya adalah layanan database NoSQL; ini bukan database relasional dan tidak mendukung SQL atau transaksi multi-baris. Fakta ini membuat Bigtable tidak cocok untuk berbagai aplikasi; ini hanya solusi yang cocok untuk kumpulan data yang dapat diubah dengan ukuran data minimum satu terabyte—dengan yang kurang dari itu, overhead terlalu tinggi.

Dengan BigQuery, Anda dapat menjalankan query berbasis SQL analitik yang kompleks di bawah kumpulan data yang besar. Namun, pengguna juga dapat memanfaatkan teknik NoSQL. Misalnya, disarankan untuk meng denormalisasi data saat mendesain skema dan memuat data ke BigQuery untuk tujuan performa. BigQuery adalah pilihan cerdas untuk kueri yang memerlukan “pemindaian tabel”, atau saat Anda perlu melihat seluruh database (misalnya menghitung jumlah, rata-rata, penghitungan, atau pengelompokan).

3. BigTable dapat merubah data (mutable), sementara BigQuery tidak bisa merubah data (immutable)

BigTable menyimpan data dalam tabel yang dapat diskalakan, yang masing-masing merupakan peta kunci/nilai yang diurutkan yang diindeks oleh kunci kolom, kunci baris, dan stempel waktu. Ini memungkinkan data yang dapat diubah dan pencarian berbasis kunci yang cepat. Setiap baris biasanya menggambarkan satu entitas, dan kolom berisi nilai individual untuk setiap baris. Operasi baca dan tulis data ke baris bersifat atomik, terlepas dari berapa banyak kolom yang dibaca atau ditulis dalam baris itu.

Data tidak dapat diubah dalam BigQuery: objek yang diupload tidak dapat berubah sepanjang masa penyimpanannya setelah ditulis, dan data tidak dapat dihapus atau diubah untuk jangka waktu yang telah ditentukan sebelumnya. Jika catatan yang ada perlu diubah, partisi harus ditulis ulang. BigQuery hanya dapat ditambahkan, dan secara otomatis akan menghapus partisi yang lebih lama dari waktu aktif yang telah dikonfigurasi sebelumnya untuk membatasi volume data yang disimpan.

Bagaіmana? Menarik bukan? Jika anda mengalami kesulitan atau kebingungan untuk implementasi BigTable dan BigQeury, Terralogiq dapat membantu anda karena kami adalah Penyedia jasa layanan Google Cloud dan penyedia jasa layanan Google Maps di Indonesia satu-satunya dengan status sebagai Premier Partner. Anda bisa menghubungi kami melalui alamat email halo@terralogiq.com.

Baca Juga: Mengenal Tentang Big Data Analytics dan Aplikasinya dalam Berbagai Bidang

Author Profile

Yuda Adi Pratama

Customer Solutions Consultant Terralogiq Premier Partner Google Maps Platform

|

Share this post on

Related Article

Leave a Reply

Name

Email

Comments