MemoriaGCP

tekio.org

Choisir une base de données

Le choix se fait d'abord sur l'usage : analyse sur de gros volumes, transactions d'une application, accès clé-valeur à très faible latence, ou cache. Le modèle de données, l'échelle et la portée géographique départagent ensuite les candidats.

Besoin principal ? Analyse Transactions NoSQL Cache Portée et charge ? mondiale PG intensif régionale Modèle d'accès ? documents clé, haut débit BigQuery Spanner AlloyDB Cloud SQL Firestore Bigtable Memorystore
Arbre de décision : du besoin au service de stockage

Matrice de choix

Service Modèle Échelle Cohérence Cas typiques
BigQuery Entrepôt analytique, colonnes Pétaoctets, serverless Forte Analyse, reporting, BI, ML en SQL
Cloud SQL Relationnel (MySQL, PostgreSQL, SQL Server) Verticale, réplicas en lecture Forte, ACID Application transactionnelle régionale, migration « lift and shift »
AlloyDB Relationnel compatible PostgreSQL Verticale, pools de lecture Forte, ACID PostgreSQL à forte charge, requêtes analytiques sur données transactionnelles
Spanner Relationnel distribué Horizontale, multirégionale Forte, externe Transactions à l'échelle mondiale, très haute disponibilité
Bigtable NoSQL colonnes larges, clé-valeur Horizontale, pétaoctets Forte au sein d'un cluster Séries temporelles, IoT, finance, très haut débit à faible latence
Firestore NoSQL documents Serverless Forte Applications web et mobiles, synchronisation temps réel
Memorystore Clé-valeur en mémoire (Valkey, Redis ; Memcached déconseillé , obsolète, à remplacer par Valkey) Mémoire d'une instance ou d'un cluster Selon le moteur Cache, sessions, classements

Questions qui départagent

  • Relationnel, mais régional ou mondial ? Cloud SQL et AlloyDB montent en puissance sur une machine ; Spanner répartit les données sur plusieurs nœuds et régions sans sacrifier la cohérence.
  • Transactions ou analyse ? Une base transactionnelle sert des lectures et écritures unitaires ; BigQuery sert des balayages de gros volumes. Les deux se combinent : requête fédérée de BigQuery vers Cloud SQL, ou réplication par Datastream.
  • Bigtable ou BigQuery pour des séries temporelles ? Bigtable pour des lectures et écritures à la milliseconde par clé ; BigQuery pour des agrégations sur l'historique.

Bigtable accepte GoogleSQL en lecture, mais pas les transactions multi-lignes : la conception de la clé de ligne détermine les performances. Une clé qui commence par un horodatage concentre les écritures sur un seul nœud.

Alternatives en logiciel libre

  • PostgreSQL (licence PostgreSQL), MySQL et MariaDB (GPL v2) : les moteurs de Cloud SQL et le socle d'AlloyDB, à exploiter soi-même (haute disponibilité, sauvegardes, mises à jour).
  • YugabyteDB (Apache 2.0 pour le moteur) et TiDB (Apache 2.0) : SQL distribué avec transactions et réplication par consensus, compatible PostgreSQL pour le premier, MySQL pour le second ; l'alternative à Spanner, sans ses horloges atomiques ni sa cohérence externe.
  • ClickHouse (Apache 2.0) : base analytique en colonnes, très rapide sur les agrégats ; elle occupe la place de BigQuery, avec des nœuds à dimensionner au lieu d'un service sans serveur.
  • Apache HBase et Apache Cassandra (Apache 2.0) : colonnes larges et accès par clé à faible latence ; HBase suit le modèle de Bigtable, qui en propose l'API, Cassandra réplique sans maître entre centres de données.
  • FerretDB (Apache 2.0) et Apache CouchDB (Apache 2.0) : le modèle document ; FerretDB rejoue le protocole MongoDB sur PostgreSQL, CouchDB synchronise des clients hors ligne, sans l'intégration mobile de Firestore.
  • Valkey (BSD 3-Clause) : cache et structures en mémoire, le moteur que Memorystore exécute.