Google BigQuery: Der endgültige Leitfaden

Kapitel 6. Architektur von BigQuery

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

BigQuery hat den Anspruch, auf deine Datensätze zu skalieren und so schnell zu laufen, wie es dein Geschäft erfordert. Die Erfahrung sollte wie Magie erscheinen. Das Problem mit Dingen, die "magisch" erscheinen, ist, dass du, wenn du auf ein Problem stößt, gar nicht weißt, wie du es beheben sollst.

Dieses Kapitel befasst sich mit dem Innenleben von BigQuery. Wir befassen uns mit der High-Level-Architektur und der Dremel-Abfrage-Engine und stellen Details zu den Metadaten der Speicherung vor. Wie BigQuery mit Sicherheit, Verfügbarkeit und Disaster Recovery umgeht, erfahren wir in Kapitel 10. Im besten Fall befriedigt dieses Kapitel nur deine Neugierde. Falls sich jedoch etwas nicht so verhält, wie du es erwartest, kann dir dieses Kapitel dabei helfen, mehr darüber zu erfahren, was eigentlich los ist und wie du das Problem beheben oder umgehen kannst.

High-Level-Architektur

BigQuery ist ein großes verteiltes System mit Hunderttausenden von Ausführungsaufgaben in Dutzenden von miteinander verknüpften Microservices in mehreren Verfügbarkeitszonen in jeder Google Cloud-Region. Dieser Abschnitt gibt einen vereinfachten Überblick darüber, wie die einzelnen Komponenten zusammenpassen. Wenn wir alle Komponenten im Detail beschreiben würden, bräuchten wir ein eigenes Buch und würden die meisten Leserinnen und Leser verlieren, ...