Google voert updates door aan Cloud Spanner- en Cloud BigTable-databases

Google heeft twee van zijn meest populaire cloud-databases updates gegeven. Het gaat om de Google Cloud Spanner- en de Cloud BigTable-databases. Dat meldt Silicon Angle.

Cloud Spanner is een relationele database, net zoals PostgreSQL en MySQL. Vrijwel alle enterprise-, gaming- en SaaS-applicaties vandaag de dag draaien op dergelijke relationele databases. De nieuwe update biedt meer functionaliteiten voor gebruikers die queries doen in Cloud Spanner via de SQL datamanipulatietaal, wat de standaard manier is om te communiceren met de database.

Google voegde onder meer de INSERT, UPDATE en DELETE SQL-statements toe. Daarmee moet het eenvoudiger worden om data in Cloud Spanner te lezen en toe te voegen. Verder heeft de database een nieuwe versie van de JDBC-driver gekregen.

“Deze update maakt het eenvoudiger om bestaande code en tool chains te hergebruiken, zodat je kunt integreren met populaire object-relational mappers”, aldus productmanagers Deepti Srivastava and Misha Brukman. “Dit reduceert de learning curve voor nieuwe gebruikers en maakt porting van bestaande applicaties eenvoudiger.”

Cloud BigTable

Cloud BigTable is Google’s volledig gemanagede NoSQL key value en wide-column databasedienst. Deze dienst is vooral handig voor time-series, graph en IoT workloads. Het biedt namelijk een hogere doorvoer en een lagere latency dan traditionele databases.

De update brengt BigTable een nieuwe Key Visualizer-functie. Volgens Srivastava en Brukman moet dat een beter zicht op het gedrag van applicaties bieden. De functie werd aangevraagd door ontwikkelaars, zodat ze betere schema- en prestatie-optimalisatie met BigTable mogelijk kunnen maken.

De functie werkt door prestatieproblemen in BigTable te debuggen, en deze te visualiseren via een heat map waarmee administrators de oorzaak van problemen snel kunnen achterhalen.

“Key Visualizer heeft veel teams bij Google en Google Cloud-gebruikers geholpen, door hen inzicht te geven in hun database usage-patronen, zonder de mogelijkheden van de database zelf te impacten”, aldus Srivastava en Brukman. “Dit betekent dat je je datamodel zo kunt ontwerpen en verbeteren dat je het meeste voordeel doet van de horizontale schaalbaarheid van onze GCP-diensten.”