Tablestore:Apa itu Tablestore?

Istilah

Deskripsi

Region

Region adalah pusat data fisik. Tablestore dideploy di berbagai region Alibaba Cloud. Anda dapat memilih region sesuai kebutuhan untuk menggunakan layanan Tablestore. Untuk informasi selengkapnya, lihat Region dan zona.

Throughput baca/tulis

Throughput baca dan tulis diukur dalam unit kapasitas baca (read capacity units) dan unit kapasitas tulis (write capacity units). Unit kapasitas (CU) adalah satuan penagihan terkecil untuk operasi baca dan tulis. Untuk informasi selengkapnya, lihat Throughput baca/tulis.

Instance

Instance adalah entitas yang digunakan untuk mengelola dan menggunakan layanan Tablestore. Setiap instance setara dengan sebuah database. Tablestore menerapkan kontrol akses dan pengukuran resource pada tingkat instance untuk aplikasi. Untuk informasi selengkapnya, lihat Instance.

Endpoint

Setiap instance memiliki endpoint. Aplikasi harus menentukan endpoint saat melakukan operasi pada tabel dan data. Untuk informasi selengkapnya, lihat Endpoint.

Siklus hidup data

Time to live (TTL) adalah properti dari tabel data. Properti ini menentukan periode retensi data dalam satuan detik. Tablestore menjalankan proses di latar belakang untuk membersihkan data yang telah kedaluwarsa. Hal ini mengurangi ruang penyimpanan data dan biaya penyimpanan Anda. Untuk informasi selengkapnya, lihat Versi data dan time to live (TTL).

Model

Deskripsi

Model tabel lebar

Model ini mirip dengan model Bigtable dan HBase. Model ini dapat digunakan dalam berbagai skenario, seperti metadata dan data besar. Model ini mendukung fitur-fitur seperti versi data, TTL, kolom kunci utama auto-increment, pembaruan bersyarat, transaksi lokal, penghitung atomik, dan filter. Untuk informasi selengkapnya, lihat Model Kolom Lebar.

Model TimeSeries

Model ini dirancang berdasarkan karakteristik data deret waktu. Model ini dapat digunakan dalam skenario seperti pemantauan perangkat IoT, pengumpulan data perangkat, dan data pemantauan mesin. Model ini mendukung fitur-fitur seperti pembuatan otomatis indeks metadata deret waktu dan berbagai kemampuan kueri deret waktu. Untuk informasi selengkapnya, lihat Model TimeSeries.

Model pesan

Model ini dirancang untuk skenario data pesan. Model ini dapat digunakan dalam skenario pesan seperti instant messaging (IM) dan feed streams. Model ini memenuhi persyaratan skenario pesan terkait pengurutan pesan, penyimpanan pesan dalam jumlah besar, dan sinkronisasi real-time. Model ini juga mendukung pencarian teks lengkap dan kueri komposit multidimensi. Untuk informasi selengkapnya, lihat Model Timeline.

Metode

Deskripsi

Console

Alibaba Cloud menyediakan halaman layanan web yang memungkinkan Anda mengoperasikan Tablestore dengan mudah. Untuk informasi selengkapnya, lihat Konsol Tablestore.

SDK

Mendukung bahasa pengembangan utama seperti Java, Go, Python, Node.js, .Net, dan PHP. Untuk informasi selengkapnya, lihat Referensi SDK.

Antarmuka baris perintah

Memungkinkan Anda mengoperasikan Tablestore menggunakan perintah sederhana. Untuk informasi selengkapnya, lihat Antarmuka baris perintah.

Alat analitik

Model yang berlaku

Operasi

Deskripsi

MaxCompute

Model tabel lebar

Menggunakan MaxCompute

Anda dapat membuat tabel eksternal untuk tabel data di Tablestore menggunakan klien MaxCompute, sehingga memungkinkan Anda mengakses data di Tablestore.

Spark

Model tabel lebar

Menggunakan mesin komputasi Spark

Saat menggunakan mesin komputasi Spark, Anda dapat mengakses Tablestore melalui E-MapReduce SQL atau pemrograman DataFrame.

Hive atau HadoopMR

Model tabel lebar

Menggunakan Hive atau HadoopMR

Gunakan Hive atau Hadoop MapReduce untuk mengakses data di Tablestore.

Function Compute

Model tabel lebar

Menggunakan Function Compute

Gunakan Function Compute untuk mengakses Tablestore dan melakukan komputasi real-time pada data inkremental Tablestore.

Flink

• Model tabel lebar

• Model deret waktu

Menggunakan Flink

Anda dapat menggunakan Real-time Compute Flink untuk mengakses tabel sumber, tabel dimensi, atau tabel sink di Tablestore guna melakukan komputasi dan analisis real-time pada data besar.

PrestoDB

Model tabel lebar

Menggunakan Tablestore dengan PrestoDB

Setelah menghubungkan PrestoDB ke Tablestore, gunakan SQL untuk mengkueri dan menganalisis data di Tablestore, menulis data ke Tablestore, serta mengimpor data ke Tablestore melalui PrestoDB pada Tablestore.

Tablestore search index

Model tabel lebar

Search index

Search index menggunakan inverted indexes dan penyimpanan kolom untuk menangani kueri multidimensi kompleks dan analisis statistik untuk data besar. Saat bisnis Anda memerlukan kueri pada kolom non-primary key, kueri gabungan multi-kolom, kueri fuzzy, atau analitik seperti mencari nilai maksimum/minimum, menghitung jumlah baris, atau mengelompokkan data, definisikan atribut-atribut tersebut sebagai bidang dalam search index dan gunakan untuk mengkueri serta menganalisis data Anda.

Tablestore kueri SQL

• Model tabel lebar

• Model deret waktu

Menggunakan kueri SQL

Kueri SQL menyediakan antarmuka akses terpadu untuk berbagai mesin data. Dengan fitur kueri SQL, Anda dapat mengakses data Tablestore untuk menjalankan kueri kompleks dan melakukan analisis efisien.

Kategori

Sinkronisasi data

Deskripsi

Impor data

Sinkronkan data dari Kafka

Gunakan Tablestore Sink Connector untuk mengimpor data dari Apache Kafka secara batch ke tabel data atau tabel deret waktu Tablestore.

Sinkronisasi Data Tablestore

Gunakan Tunnel Service, DataWorks, atau DataX untuk menyinkronkan data dari satu tabel data Tablestore ke tabel data lainnya.

Ekspor data

Ekspor data lengkap ke MaxCompute

Gunakan DataWorks untuk mengekspor seluruh data dari Tablestore ke MaxCompute.

Sinkronkan ke OSS

Gunakan DataWorks untuk mengekspor data lengkap atau inkremental dari Tablestore ke OSS.

Sinkronkan ke file lokal

Gunakan antarmuka baris perintah atau DataX untuk mengunduh data langsung ke file lokal. Anda juga dapat menggunakan DataWorks untuk menyinkronkan data ke OSS dan kemudian mengunduh data dari OSS ke file lokal.