Cloud Bigtable は、Google の NoSQL ビッグ データ データベース サービスです。これは、Google が検索、分析、マップ、Gmail などのサービスに使用しているのと同じデータベースです。
これは、モノのインターネット (IoT)、ユーザー分析、財務データ分析など、低遅延と高スループットの要件に使用されます。
参考: https://cloud.google.com/bigtable/

Cloud Dataproc クラスタでプリエンプティブル ワーカーを使用する場合は、次のルールが適用されます。
。処理のみ - プリエンプティブルはいつでも再利用できるため、プリエンプティブル ワーカーはデータを保存しません。Cloud Dataproc クラスタに追加されたプリエンプティブルは、処理ノードとしてのみ機能します。。プリエンプティブル専用クラスタがない -- クラスタですべてのワーカーが失われないようにするため、Cloud Dataproc はプリエンプティブル専用クラスタを作成できません。
。永続ディスク サイズ -- デフォルトとして、すべてのプリエンプティブル ワーカーは 100 GB またはプライマリ ワーカーのブート ディスク サイズの小さい方で作成されます。このディスク領域はデータのローカル キャッシュに使用され、HDFS を通じては利用できません。
管理対象グループは、容量が許す限り、再利用によって失われたワーカーを自動的に再追加します。
参考: https://cloud.google.com/dataproc/docs/concepts/preemptible-vms

Cloud Bigtable に依存するパフォーマンス テストを実行している場合は、テストを計画して実行するときに必ず次の手順に従ってください。
実稼働インスタンスを使用します。開発インスタンスからは、実稼働インスタンスが負荷の下でどのように動作するかを正確に把握することはできません。
少なくとも 300 GB のデータを使用します。Cloud Bigtable は、1 TB 以上のデータで最高のパフォーマンスを発揮します。ただし、3 ノード クラスターのパフォーマンス テストで妥当な結果を得るには、300 GB のデータで十分です。大規模なクラスターでは、ノードごとに 100 GB のデータを使用します。
テストする前に、数分間にわたる強力な事前テストを実行します。このステップにより、Cloud Bigtable は、観察したアクセス パターンに基づいてノード間でデータのバランスをとることができます。
テストを少なくとも 10 分間実行します。このステップにより、Cloud Bigtable はデータをさらに最適化し、ディスクからの読み取りとメモリからのキャッシュされた読み取りを確実にテストできるようになります。

Dataflow は統合処理モデルであり、ストリーミング データ パイプラインとバッチ データ パイプラインの両方を実行できます。