BigTableBase de datos multidimensional

Agenda Que es BigTable? Google File System Estructura de BigTable Componentes Usos Ejemplos

Que es BigTable? Sistema almacenamiento distribuido. Creado por Google a principios del 2004. Almacena la información en tablas

multidimensionales. No es una base de datos relacional. Pensado para crecer en un alto volumen

rápidamente (pentabytes). Variedad de aplicación, escalabilidad,

alto rendimiento y alta disponibilidad.

Google File System (GFS) Sistema de archivos distribuidos. Eficiencia, fácil acceso, almacenamiento

masivo (clusters), procesamiento paralelo.

Colossus es la versión mas reciente. Archivos de tamaño fijo (64MB). Se agregan o leen y muy rara vez se

sobre escriben o reducen.

Google File System (GFS) Nodos: Maestro y Chunkservers

(almacenadores) El nodo maestro tiene un id de 64 bits

de cada porción. Cada porción es replicada en al menos 3

servidores. No está programado en el kernel,

funciona como una librería.

Google File System (GFS)

Estructura de BigTable Datos son indexados usando el nombre

de la fila, la columna y un timestamp. Se puede describir como un mapa

distribuido, persistente y multidimensional.

Los datos de las celdas son tratados como un array no interpretado de bytes.

(row:string, column:string, time:int64) -> string

Ejemplo de una tabla

Estructura de BigTable La tabla es particionada dinámicamente

por filas dentro de tabletas (tablet). Cada tableta puede medir entre 100 a

200 MB. Cada tableta contiene un rango

continuo de registros. Accesar registros o tabletas cercanos

requiere la comunicación de un bajo numero de servidores.

Rows El nombre puede ser cualquier string. Cada lectura o escritura es atómica. Los datos se ordenan por el nombre de

las filas.

Familias de columnas Columnas son agrupadas en familias. Todos los datos de una familia son del

mismo tipo. Numero reducido de distintas familias

(cientos como mucho). Sintaxis: family:qualifier Se optimiza el control de acceso a disco

y memoria a nivel de familias.

Timestamps Cada celda contiene múltiples versiones

de la misma información. Se indexan por el timestamp (64 bits). Se puede especificar el numero de

versiones a almacenar. Existe un recolector de basura.

Ejemplos HTTP:

http://bigtable.appspot.com/get/<table>/<row>/<column>

http://bigtable.appspot.com/put/<auth>/<table>/<row>/<column>

http://bigtable.appspot.com/deleteAll/<auth>/<table>/<row>/<column>

Python bt = bigtable.BigTable('localhost', '8080',

'test@example.com', 'test') bt.put('test', 'foo', 'bar:baz', 'How are you?')

Ejemplos Manual:

PUT /put/test@example.com:test/people/will.mortensen/relationship: HTTP/1.1

Java BigTableClient client = new BigTableClient();

Collection<Cell> cells = client.getRow("people", "andrew.hitchcock");