GSP1053

Übersicht

Bigtable ist der vollständig verwaltete, skalierbare NoSQL-Datenbankdienst von Google. Er eignet sich ideal zum Speichern großer Datenmengen in einem Schlüssel/Wert-Speicher und für Anwendungsfälle wie Personalisierung, AdTech, Finanztechnologie, digitale Medien und das Internet der Dinge (Internet of Things, IoT). Bigtable unterstützt einen hohen Durchsatz an Lese- und Schreibvorgängen bei niedriger Latenz und ermöglicht so einen schnellen Zugriff auf große Datenmengen für Verarbeitung und Analyse.

In Bigtable steht jede Zeile für eine einzelne Entität (zum Beispiel einen einzelnen Nutzenden oder Sensor) und jede Zeile ist mit einem eindeutigen Zeilenschlüssel gekennzeichnet. Jede Spalte speichert Attributwerte für jede Zeile und mithilfe von Spaltenfamilien können zusammengehörige Spalten organisiert werden. Am Schnittpunkt einer Zeile und einer Spalte können sich mehrere Zellen befinden. Dabei stellt jede Zelle eine andere Version der Daten mit einem bestimmten Zeitstempel dar.

In diesem Lab verwenden Sie die Bigtable-Seite der Google Cloud Console, um eine Bigtable-Instanz zu untersuchen. Mithilfe der Bigtable-Befehlszeile (cbt-Befehlszeile) fragen Sie Daten in einer Bigtable-Tabelle ab. Außerdem entwerfen Sie ein Tabellenschema und einen Zeilenschlüssel anhand der Best Practices für Bigtable.

Aufgaben

In diesem Lab erfahren Sie, wie Sie auf eine Bigtable-Instanz zugreifen und Bigtable-Schemas abfragen.

• Eine Bigtable-Instanz mit der Google Cloud Console untersuchen
• Konfigurieren Sie die cbt-Befehlszeile für Ihre Instanz.
• Anhand der Best Practices für Bigtable ein geeignetes Schema und einen geeigneten Zeilenschlüssel entwerfen
• Daten in Bigtable abfragen

Vorbereitung

• Sie sollten ein grundlegendes Verständnis von Datenbankkonzepten und Begriffen wie Instanzen, Schemas und Schlüsseln haben.

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Cloud Shell aktivieren

Cloud Shell ist eine virtuelle Maschine, auf der Entwicklertools installiert sind. Sie bietet ein Basisverzeichnis mit 5 GB nichtflüchtigem Speicher und läuft auf Google Cloud. Mit Cloud Shell erhalten Sie Befehlszeilenzugriff auf Ihre Google Cloud-Ressourcen.

1. Klicken Sie oben in der Google Cloud Console auf Cloud Shell aktivieren .

2. Klicken Sie sich durch die folgenden Fenster:

   • Fahren Sie mit dem Informationsfenster zu Cloud Shell fort.
   • Autorisieren Sie Cloud Shell, Ihre Anmeldedaten für Google Cloud API-Aufrufe zu verwenden.

Wenn eine Verbindung besteht, sind Sie bereits authentifiziert und das Projekt ist auf Project_ID, eingestellt. Die Ausgabe enthält eine Zeile, in der die Project_ID für diese Sitzung angegeben ist:

Ihr Cloud-Projekt in dieser Sitzung ist festgelegt als {{{project_0.project_id | "PROJECT_ID"}}}

gcloud ist das Befehlszeilentool für Google Cloud. Das Tool ist in Cloud Shell vorinstalliert und unterstützt die Tab-Vervollständigung.

3. (Optional) Sie können den aktiven Kontonamen mit diesem Befehl auflisten:

gcloud auth list

4. Klicken Sie auf Autorisieren.

Ausgabe:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} Um das aktive Konto festzulegen, führen Sie diesen Befehl aus: $ gcloud config set account `ACCOUNT`

5. (Optional) Sie können die Projekt-ID mit diesem Befehl auflisten:

gcloud config list project

Ausgabe:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Hinweis: Die vollständige Dokumentation für gcloud finden Sie in Google Cloud in der Übersicht zur gcloud CLI.

Aufgabe 1: Eine Bigtable-Instanz in der Console untersuchen

Für diese Lab-Übung wurden vorab eine Bigtable-Instanz und eine Tabelle für Sie erstellt. In dieser Aufgabe greifen Sie in der Google Cloud Console auf die Bigtable-Instanz personalized-sales zu und sehen sich relevante Details dazu an.

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () unter Datenbanken auf Bigtable.

2. Suchen Sie in der Liste der Bigtable-Instanzen nach der Instanz-ID personalized-sales.

   Sehen Sie sich unter Knoten die Details an und beantworten Sie die folgende Frage.

3. Klicken Sie auf die Instanz-ID personalized-sales, um die Details aufzurufen.

4. Klicken Sie auf Instanz bearbeiten.

   Sehen Sie sich die Details für die Instanz an und beantworten Sie die folgenden Fragen.

5. Klicken Sie zum Schließen der Seite zum Bearbeiten der Instanz auf Abbrechen.

6. Klicken Sie in der Tabelle mit Cluster-IDs in der Zeile personalized-sales-cluster1 auf das Stiftsymbol zum Bearbeiten.

   Sehen Sie sich die Details des Clusters an und beantworten Sie die folgenden Fragen.

7. Klicken Sie auf Abbrechen, um die Clusterdetails zu schließen.

8. Klicken Sie im Navigationsmenü unter Instanz auf Tabellen.

   Sehen Sie sich die Details für die Tabelle namens UserSessions an und beantworten Sie die folgende Frage.

Nachdem Sie sich die Details der Bigtable-Instanz angesehen haben, können Sie mit der nächsten Aufgabe fortfahren und über die cbt-Befehlszeile eine Verbindung zur Instanz herstellen.

Aufgabe 2: Bigtable-Befehlszeile konfigurieren

Wenn Sie mit cbt-Befehlszeilenbefehlen eine Verbindung zu Bigtable herstellen möchten, müssen Sie in der Cloud Shell zuerst die Konfigurationsdatei .cbtrc mit Ihrer Projekt-ID und Bigtable-Instanz-ID aktualisieren.

Eine Anleitung zum Zugriff auf Cloud Shell finden Sie im Abschnitt Einrichtung und Anforderungen weiter oben in dieser Anleitung.

Die cbt-Befehlszeile wurde hauptsächlich für das Debugging und zum Kennenlernen entwickelt. Gleichzeitig ist sie aber auch ein nützliches Tool, um die Grundlagen von Bigtable zu erlernen. Für CRUD-Vorgänge (Erstellen, Lesen, Aktualisieren und Löschen) in der Produktion empfehlen wir die Verwendung einer der Clientbibliotheken für Bigtable.

1. Führen Sie die folgenden Befehle in der Cloud Shell aus, um die Projekt-ID in der Datei .cbtrc zu ändern:

echo project = `gcloud config get-value project` \ >> ~/.cbtrc

2. Führen Sie den folgenden Befehl aus, um eine Liste mit den verfügbaren Bigtable-Instanzen im Projekt aufzurufen:

cbt listinstances

Die Ausgabe bestätigt, dass es eine Instanz namens personalized-sales gibt.

3. Führen Sie die folgenden Befehle aus, um die Bigtable-Instanz-ID in der Datei .cbtrc zu ändern:

echo instance = personalized-sales \ >> ~/.cbtrc

4. Führen Sie den folgenden Befehl aus, um zu prüfen, ob Sie die Projekt-ID und die Instanz-ID in der Datei .cbtrc erfolgreich geändert haben:

cat ~/.cbtrc

Die Ausgabe sollte in etwa so aussehen:

project = <project-id> instance = personalized-sales

5. Führen Sie den folgenden Befehl aus, um eine Liste mit den verfügbaren Tabellen in der Bigtable-Instanz personalized-sales aufzurufen:

cbt ls

Die Ausgabe bestätigt, dass die Instanz bereits eine Tabelle namens UserSessions enthält. Sie arbeiten in einer anderen Aufgabe mit dieser Tabelle.

Aufgabe 3: Ein Schema und einen Zeilenschlüssel in Bigtable entwerfen

Im Rahmen dieser Aufgabe erstellen Sie eine Testtabelle, um die Grundsätze für das Schema und die Gestaltung von Zeilenschlüsseln in Bigtable kennenzulernen.

Rohdaten prüfen, um ein Schema zu entwerfen

Damit Sie ein Schema und einen Zeilenschlüssel in Bigtable entwerfen können, ist es hilfreich, zuerst einige wichtige Fragen zu den Daten zu beantworten, die gespeichert werden.

Frage	Purpose
Was wird durch eine einzelne Zeile repräsentiert? (zum Beispiel ein individueller Nutzender oder ein bestimmter Sensor)	Zeilenstruktur ermitteln
Welche Abfragen werden am häufigsten für diese Daten ausgeführt?	Zeilenschlüssel erstellen
Welche Werte werden für jede Zeile erfasst?	Spalten identifizieren (Spaltenqualifizierer)
Gibt es verbundene Spalten, die gruppiert oder zusammen organisiert werden können?	Spaltenfamilien erkennen

Denken Sie beispielsweise an einen Datensatz, der die Online-Shopping-Sitzungen aller Nutzenden der Website eines E-Commerce-Unternehmens erfasst. Jede Zeile steht für eine einzelne Online-Shopping-Sitzung mit einem Zeitstempel. Die häufigsten Abfragen an den Datensatz rufen Details zu einzelnen Sitzungen und der jeweils zugehörigen Nutzer-ID ab. Die für jede Shopping-Sitzung gespeicherten Werte repräsentieren alle Artikel, mit denen Nutzende während ihrer Sitzung interagiert und die sie gekauft haben, sowie eine Farbpräferenz der Nutzenden.

Die Rohdaten könnten folgendermaßen organisiert sein, mit weiteren Spalten für zusätzliche Produkte (wie blue_jacket oder purple_bag):

timestamp	user_id	preferred_color	red_skirt	red_hat	orange_shoes	sale
1638940844260	1939	green		seen	seen
1638940844260	2466	blue	seen	seen
1638940844260	1679	blue		seen		blue_blouse#blue_jacket
1638940844260	2737	blue			seen	blue_dress#blue_jacket
1638940844260	582	yellow				yellow_skirt

Hinweis: Die in diesem Beispiel angegebene Nutzer-ID dient nur als einfaches Beispiel für eine Kennung. In einer typischen Bigtable-Anwendung würden Sie wahrscheinlich für jeden Nutzenden eine universell eindeutige Kennung (UUID) generieren.

Testtabelle erstellen

Eine der Best Practices für Bigtable ist es, Daten mit ähnlichen Schemas in derselben Tabelle zu speichern, nicht in separaten Tabellen. So können beispielsweise alle Daten zu den Online-Shopping-Sitzungen in einer Tabelle gespeichert und einfach abgerufen werden.

• Führen Sie den folgenden Befehl aus, um eine leere Tabelle mit dem Namen test-sessions zu erstellen:

cbt createtable test-sessions

Spaltenfamilien erstellen

Best Practices für Spalten und Spaltenfamilien in Bigtable sind unter anderem:

• Verwenden Sie Spaltenqualifizierer als Daten, damit Sie den Wert nicht für jede Zeile wiederholen müssen.

• Fassen Sie verbundene Spalten in einer Spaltenfamilie zusammen.

• Wählen Sie kurze, aber aussagekräftige Namen für die Spaltenfamilien.

Bei diesem Datensatz können die Spaltenqualifizierer, die Produktinteraktionen speichern, in einer Spaltenfamilie namens Interactions gruppiert werden. Spaltenqualifizierer, die Käufe speichern, können in einer anderen Spaltenfamilie namens Sales organisiert werden. Das so erstellte Schema würde folgendermaßen aussehen:

…	…	…	Interaktionen	---	---	Sales
timestamp	user_id	preferred_color	red_skirt	red_hat	orange_shoes	sale
1638940844260	1939	green		seen	seen
1638940844260	2466	blue	seen	seen
1638940844260	1679	blue		seen		blue_blouse#blue_jacket
1638940844260	2737	blue			seen	blue_dress#blue_jacket
1638940844260	582	yellow				yellow_skirt

1. Führen Sie den folgenden Befehl aus, um der Tabelle test_sessions eine Spaltenfamilie namens Interactions hinzuzufügen:

cbt createfamily test-sessions Interactions

2. Wenn Sie eine weitere Spaltenfamilie namens Sales hinzufügen möchten, wiederholen Sie den vorherigen Befehl und geben Sie den neuen Namen der Spaltenfamilie an:

cbt createfamily test-sessions Sales

3. Führen Sie den folgenden Befehl aus, um eine Liste mit den Spaltenfamilien in der Tabelle test_sessions aufzurufen:

cbt ls test-sessions

Der Befehl gibt die folgende Ausgabe zurück:

Family Name GC Policy ----------- --------- Interactions <never> Sales <never>

Klicken Sie auf Fortschritt prüfen. Eine Bigtable-Tabelle erstellen

Einen Zeilenschlüssel erstellen

Eine der Best Practices für Bigtable ist es, alle Informationen zu einer einzelnen Entität (zum Beispiel eine einzelne Online-Shopping-Sitzung) in einer einzelnen Zeile zu speichern. Eine damit verbundene Best Practice besteht darin, einen Zeilenschlüssel zu erstellen, mit dem ein definierter Zeilenbereich einfach abgefragt und abgerufen werden kann.

Um Best Practices für Zeilenschlüssel in Bigtable anzuwenden, sollten Sie:

• Den Zeilenschlüssel basierend auf den Abfragen entwerfen, mit denen Sie die Daten abrufen.

• Zeilenschlüssel vermeiden, die mit einem Zeitstempel oder fortlaufenden numerischen IDs beginnen oder dazu führen, dass verbundene Daten nicht gruppiert werden.

• Zeilenschlüssel entwickeln, die mit einem häufig verwendeten Wert (zum Beispiel Land) beginnen und mit einem detaillierteren Wert (zum Beispiel Stadt) enden.

• Mehrere durch Trennzeichen getrennte Werte in den einzelnen Zeilenschlüsseln speichern. Verwenden Sie dabei menschenlesbare Stringwerte (zum Beispiel Nutzer-ID gefolgt von Zeitstempel).

Im vorigen Abschnitt waren „timestamp“, „user_id“ und „preferred_color“ nicht in einer Spaltenfamilie organisiert. Aus den Fragen zu den Rohdaten wissen Sie, dass die meisten Abfragen für diesen Datensatz Details zu einzelnen Sitzungen und der zugehörigen Nutzer-ID einholen.

Ein guter Zeilenschlüssel für diese Tabelle wäre eine Kombination aus der Nutzer-ID und dem Zeitstempel der Sitzung, damit diese Abfragen unterstützt werden. Außerdem kann der Zeilenschlüssel ein Präfix enthalten, um die Farbpräferenz der jeweiligen Nutzenden zu kennzeichnen, zum Beispiel green1939#1638940844260 für die Nutzer-ID 1939. So lassen sich alle Nutzenden mit einer bestimmten Farbpräferenz einfach abrufen.

…	Interaktionen	---	---	Sales
row_key	red_skirt	red_hat	orange_shoes	sale
green1939#1638940844260		seen	seen
blue2466#1638940844260	seen	seen
blue1679#1638940844260		seen		blue_blouse#blue_jacket
blue2737#1638940844260			seen	blue_dress#blue_jacket
yellow582#1638940844260				yellow_skirt

1. Führen Sie den folgenden Befehl aus, um mit einem Zeilenschlüssel Daten zur Spaltenfamilie Interactions hinzuzufügen:

cbt set test-sessions green1939#1638940844260 Interactions:red_hat=seen

2. Führen Sie den folgenden Befehl aus, um mit einem Zeilenschlüssel Daten zur Spaltenfamilie Sales hinzuzufügen:

cbt set test-sessions blue2737#1638940844260 Sales:sale=blue_dress#blue_jacket

3. Führen Sie den folgenden Befehl aus, um die in der Tabelle gespeicherten Daten anzuzeigen:

cbt read test-sessions

Obwohl die Daten für blue2737#1638940844260 als Zweites hinzugefügt wurden, werden sie in den Ergebnissen höher eingestuft als green1939#1638940844260. Die Einträge werden in dieser Reihenfolge ausgegeben, weil in Bigtable Zeilen lexikografisch nach Zeilenschlüssel sortiert und gespeichert werden. Diese Sortierung ähnelt der alphabetischen Reihenfolge. Zeilen, die mit Zahlen beginnen, werden jedoch nicht von klein nach groß sortiert (zum Beispiel 1, 13, 2, 25, 6 und 70).

Testdaten bereinigen

• Führen Sie den folgenden Befehl aus, um die Testtabelle zu löschen:

cbt deletetable test-sessions

Klicken Sie auf Fortschritt prüfen. Eine Bigtable-Tabelle löschen.

Aufgabe 4: Daten in Bigtable abfragen

In dieser Aufgabe verwenden Sie die cbt-Befehlszeile, um Daten aus einer vorkonfigurierten, vollständig ausgefüllten Version Ihrer Testtabelle (der vorhandenen Tabelle mit dem Namen UserSessions) abzurufen. Dann untersuchen Sie, wie die Tabelle Best Practices für das Entwerfen von Schemas und Zeilenschlüsseln in Bigtable anwendet.

Zeilen mit Limit abfragen

In diesem Schritt sehen Sie sich an, wie die Tabelle „UserSessions“ den Best Practices für Bigtable folgt. Denn alle Nutzerinteraktionen mit Produkten und alle Produktkäufe werden in einer Tabelle gespeichert, die für jede Online-Shopping-Sitzung eine Zeile enthält.

• Führen Sie den folgenden Befehl aus, um die Daten der ersten fünf Zeilen der Tabelle aufzurufen:

cbt read UserSessions \ count=5

Die Ausgabe ist so strukturiert:

---------------------------------------------- ROW KEY COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE ... ---------------------------------------------- ROW KEY COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE ...

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------------- blue0#1638940844350 Interactions:blue_hat @ 2022/06/08-19:47:33.864000 "viewed details" Interactions:green_jacket @ 2022/06/08-19:47:33.864000 "seen" ... ---------------------------------------------- blue1#1638940844304 Interactions:blue_dress @ 2022/06/08-19:47:33.864000 "purchased" Sales:sale @ 2022/06/08-19:47:33.864000 "blue_dress"

Jede Zeile enthält mehrere Produktinteraktionen für einen Nutzenden (z. B. blue_hat und green_jacket). Dazu gehört auch die Information, ob der Nutzende das Produkt gesehen, sich die Details angesehen oder es gekauft hat. Außerdem werden Käufe in der Tabelle in der Spaltenfamilie „Sales“ im Spaltenqualifizierer „sale“ erfasst.

Anstatt für jeden Interaktionstyp, jedes Produkt oder jeden Verkauf eine Tabelle zu erstellen, folgt die Tabelle „UserSessions“ den Best Practices, da sie alle zugehörigen Nutzerinteraktionen und Produkte enthält. Außerdem werden alle Produktinteraktionen und Käufe für eine einzelne Onlineshopping-Sitzung als jeweils eine Zeile in der Tabelle gespeichert.

Abfrage nach Zeilenschlüssel

Die effizientesten Abfragen in Bigtable rufen Daten mit einer der folgenden Optionen ab:

• Zeilenschlüssel
• Zeilenschlüsselpräfix
• Zeilenbereich, der durch den Start und das Ende der Zeilenschlüssel definiert wird

In den nächsten Schritten verwenden Sie jede dieser Optionen in der cbt-Befehlszeile, um die Tabelle UserSessions abzufragen und die gewünschten Datensätze abzurufen.

Informationen zur Verwendung von Bigtable-Clientbibliotheken zum Lesen einzelner Datenzeilen mithilfe von Zeilenschlüsseln finden Sie in der Bigtable-Dokumentation.

Abfrage nach Zeilenschlüsselpräfix

• Führen Sie den folgenden Befehl aus, um die ersten zehn Zeilen mit der Farbpräferenz yellow aufzurufen:

cbt read UserSessions \ prefix=yellow \ count=10

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------------- yellow991#1638940844645 Interactions:green_skirt @ 2022/06/08-19:47:33.864000 "seen" Sales:sale @ 2022/06/08-19:47:33.864000 "yellow_skirt"

Abfrage nach einem bestimmten Bereich von Zeilenschlüsseln

• Führen Sie den folgenden Befehl aus, um alle Zeilen in einem bestimmten Bereich von Zeilenschlüsseln aufzurufen:

cbt read UserSessions \ start=yellow941#1638940844381 \ end=yellow991#1638940844645

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------------- yellow991#1638940844603 Interactions:blue_blouse @ 2022/06/08-19:47:33.864000 "seen" Sales:sale @ 2022/06/08-19:47:33.864000 "yellow_jacket#yellow_blouse"

Der Befehl read legt den Beginn des Bereichs anhand des Zeilenschlüssels fest, der als start-Wert angegeben wurde. Das Ende des Bereichs liegt vor dem Zeilenschlüssel, der als end-Wert angegeben wurde. Daher ist der Zeilenschlüssel yellow991#1638940844645 nicht in der Ausgabe enthalten.

Abfrage nach einem bestimmten Zeilenschlüssel

• Führen Sie den folgenden Befehl aus, um alle Daten für einen bestimmten Zeilenschlüssel aufzurufen:

cbt lookup UserSessions \ yellow582#1638940844260

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------------- yellow582#1638940844260 Interactions:blue_jacket @ 2022/06/08-19:47:33.864000 "seen" Sales:sale @ 2022/06/08-19:47:33.864000 "yellow_skirt"

Abfrage nach Spaltenqualifizierern und Spaltenfamilien

In den nächsten Schritten rufen Sie nach Spaltenqualifizierern und Spaltenfamilien gefilterte Daten ab. Sie werden anhand der Ergebnisse sehen, wie die Best Practices für Spalten in der Tabelle „UserSessions“ implementiert werden.

1. Führen Sie den folgenden Befehl aus, um die ersten fünf Zeilen abzufragen, die Daten in der Spaltenfamilie „Interactions“ enthalten:

cbt read UserSessions count=5 \ columns="Interactions:.*"

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------------- blue0#1638940844501 Interactions:blue_blouse @ 2022/06/08-19:47:33.864000 "viewed details" Interactions:green_jacket @ 2022/06/08-19:47:33.864000 "seen"

2. Führen Sie den folgenden Befehl aus, um die ersten fünf Zeilen abzufragen, die Daten im Spaltenqualifizierer „green_jacket“ in der Spaltenfamilie „Interactions“ enthalten:

cbt read UserSessions count=5 \ columns="Interactions:green_jacket"

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------- blue1009#1638940844380 Interactions:green_jacket @ 2022/06/08-21:30:08.683000 "seen" ---------------------------------------- blue101#1638940844263 Interactions:green_jacket @ 2022/06/08-21:30:08.683000 "seen"

3. Führen Sie den folgenden Befehl aus, um die ersten fünf Zeilen abzufragen, die Daten im Spaltenqualifizierer „sale“ in der Spaltenfamilie „Sales“ enthalten:

cbt read UserSessions count=5 \ columns="Sales:sale"

Die Ausgabewerte sollten in etwa so aussehen:

---------------------------------------- blue0#1638940844379 Sales:sale @ 2022/06/08-19:47:33.864000 "blue_shoes#blue_shoes" ---------------------------------------------- blue1#1638940844409 Sales:sale @ 2022/06/08-19:47:33.864000 "blue_blouse"

Da die Spaltenfamilie namens Sales nur einen Spaltenqualifizierer (sale) hat, geben die Werte „Sales:sale“ und „Sales:.*“ für columns dieselben Spalten aus.

Glückwunsch!

In diesem Lab haben Sie mit der Google Cloud Console eine Bigtable-Instanz untersucht und mit der Cloud Bigtable CLI (cbt-Befehlszeile) Daten in einer Bigtable-Tabelle abgefragt. Außerdem haben Sie ein Tabellenschema und einen Zeilenschlüssel anhand der Best Practices für Bigtable entworfen.

Weitere Informationen

• Sehen Sie sich das Lab Bigtable-Instanz erstellen und mit Daten füllen an.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 30. Mai 2024 aktualisiert

Lab zuletzt am 16. Februar 2023 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.