Die wichtigsten Google Cloud Platform Datenbanken für die Webanalyse

von Johannes Klampfl

19. November 2020

Lesedauer: 2 Minuten

Management Summary

In diesem Artikel findet ihr eine grobe Übersicht über die bei uns am häufigsten eingesetzten Google Cloud Platform Datenbanken und deren Unterschiede.

Digital Analytics

Webanalyse steht für Messbarkeit und ist die Grundlage für langfristige Erfolgskontrolle und Effizienzsteigerung Ihrer (Online) Marketing Aktivitäten.

Mehr Erfahren

Big Query

BigQuery ist ein Data Warehouse für Unternehmen, das durch die sehr schnelle Abwicklung von SQL-Abfragen, das Speichern und Abfragen umfangreicher Datasets ermöglicht.

Big Query Eigenschaften

Konzipiert für sehr große Datenmenge / Petabyte und Exabyte Bereich / Data Warehouse
BigQuery Tabellen besitzen ein Schema, dies bedeutet, dass die einzelnen Spalten der Tabelle genau vordefiniert sind
Zum Beispiel beschreibt das Google Analytics BigQuery Schema u.a. dass es ein Feld / Spalte mit dem Namen “clientId” gibt welches als Daten Typ “STRING” zugewiesen hat
Die Daten können mittels SQL abgefragt werden

Im Bereich der Webanalyse kennt man BigQuery hauptsächlich dadurch, dass die Rohdaten einer Google Analytics 360 Version darin exportiert werden. Auch Firebase Analytics und Google Analytics 4 Properties bieten mittlerweile die Möglichkeit, die Rohdaten in BigQuery zu exportieren.

Cloud SQL

Cloud SQL ist ein vollständig verwalteter Dienst für relationale Datenbanken für MySQL, PostgreSQL und SQL Server. Cloud SQL automatisiert sämtliche Datensicherungen, Replikationen, Verschlüsselungen, Patches und Kapazitätserweiterungen.

Cloud SQL Eigenschaften

Konzipiert für hohe Performance / kurze Antwortzeiten
Auch Cloud SQL Datenbanken besitzen typischerweise ein Schema und können mittels SQL abgefragt werden

Natürlich sind die Eigenschaften von BigQuery und Cloud SQL nicht vollständig. Es soll jedoch zeigen, dass beide GCP Ressourcen viele Ähnlichkeiten haben. Der Hauptunterschied ist jedoch die Performance.

Bei BigQuery dauert z.B. eine Abfrage von 500 MB zwischen 1 – 2 Sekunden. 10 GB dauern um die 10 Sekunden. Wohingegen eine Abfrage (natürlich abhängig von der Query) in Cloud SQL oft im Millisekunden Bereich liegt.

Als Faustregel könnte man sagen: Umso größer die Datenmengen und umso weiter die Technologie vom Endnutzer entfernt ist, umso mehr spricht für die Verwendung von BigQuery. Hingegen sollte man vermutlich eher zu Cloud SQL greifen, wenn die Technologie nahe am Endnutzer sitzt und somit schnelle Antwortzeiten notwendig sind.

Google Cloud Storage

Google Cloud Storage ist ein Objektspeicher für Unternehmen jeder Größe. Beliebige Datenmengen können gespeichert und die Daten so oft wie gewünscht abgerufen werden.

Google Cloud Storage Eigenschaften

Im Unterschied zu den beiden obigen Ressourcen besitzt der Google Cloud Storage kein Schema
Es sind SQL-ähnliche Abfragen möglich (GQL)

Vorstellen kann man sich Google Cloud Storage ähnlich wie Google Drive. Es dient dazu – sehr viele – Dateien zu speichern, ist jedoch in Punkto Performance, Skalierbarkeit, Security und Zugriffsmanagement sehr viel mächtiger.

Die höchste Hierarchieebene sind Buckets. Diese Buckets können jedoch nicht ineinander – wie z.B. Google Drive Ordner – verschachtelt werden. Sie dienen zur Organisation und zur Rechtevergabe.

Innerhalb der Buckets befinden sich dann die Objects sprich die Dateien und Ordner.