Eine Skalierbarkeit fast ohne Grenzen, eine Performance die sich den Anforderungen automatisch anpasst, SQL-Schemata zur Programmierung und nur das Budget des Anwenders setzt dem Grenzen? So bewirbt Google seine Datenbank Cloud Spanner, die nach der Betaphase ab 16. Mai offiziell verfügbar sein soll. Finanziell müssen die Anwender pro Node und Stunde Rechenzeit mit 90 US-Cent kalkulieren und mit 30 US-Cent pro GB und Monat rechnen.

Cloud-Datenbank Spanner

Dafür verspricht Google einen relationalen Datenbankdienst, der sowohl stark konsistent als auch horizontal skalierbar sei. Im Gegensatz zu anderen relationalen Datenbank-Services skaliere Cloud Spanner horizontal auf hunderten oder tausenden Servern. So könne die Datenbank auch sehr große Transaktions-Workloads abarbeiten. Gleichzeitig verspricht Google eine Verfügbarkeit von bis zu 99,999% (fünf 9er) und sichert die Konsistenz der Transaktionen zu. Allerdings gilt die horizontale Skalierbarkeit derzeit nur für die Datenbanken in den Rechenzentren einer Region. Eine Cross-Region-Replizierung soll gegen Ende 2017 verfügbar sein. Innerhalb einer Region verspricht Google Roundtrip-Zeiten von 5 Millisekunden. Spanner selbst verarbeitet nach Konzernangaben bis zu 1,3 Milliarden Datensätze pro Datenbank.

Seine Feuertaufe hat Spanner laut Google bereits hinter sich: Auf Spanner läuft nämlich auch das 80 Milliarden Dollar Business des Konzerns selbst. Wie gut das System skaliert, zeigte Google zudem auf der hauseigenen Cloud-Konferenz Next 2017 in London. Ein imaginärer Ticket-Verkäufer, verteilt über drei Kontinente, vermarktete pro Minute Millionen von Tickets - selbst dann noch, wenn über eine Query die Datenbank live im Betrieb bearbeitet wurde. Beim Bestücken bewältigt die Datenbank 500 MB/s. Dabei optimiert sich die Datenbank, wie es bei Google heißt, im Betrieb selbst und reserviert sich die erforderlichen Ressourcen. Der User muss sich als nicht mit der Zuweisung von CPUs, Speicher etc. auseinandersetzen.

Datenbank-Tools

Ergänzend zu Snapper stellte Google auf der Next zudem zahlreiche Tools für die Cloud-Datenbank vor, die ein Ende-zu-Ende integriertes Analytics ermöglich soll. Dazu gehört etwa das bereits bekannte BigQuery zur Datenanalyse. Zum Bestücken und Aufbereiten einer Datenbank offeriert Google künftig mit Dataprep, Dataflow und Dataproc drei Data Transfer Services. Mit Dataprep lassen sich etwa Daten visuell erkunden, bereinigen und für die Analyse vorbereiten.

Google und die AI

Einen großen Raum nimmt bei Google 2017 auch das Thema Künstliche Intelligenz (AI/KI) respektive Machine Learning ein. Der Konzern hat sich nicht weniger als die "Demokratisierung der AI" als ein Ziel auf seine Fahnen geschrieben. Dabei blickt der Konzern in Sachen AI nach eigener Darstellung bereits auf eine längere praktische Erfahrung zurück: Die Autocomplete-Funktion in der Google-Suche sei eines der ersten Beispiele für AI beziehungsweise Machine Learning und bereits 12 Jahre alt. Aktuell will Google bei der Demokratisierung der AI zweigleisig fahren: Einerseits stellt man mehrere APIs zur Verfügung, die Kunden in ihren eigenen Programmen verwenden können, anderseits baut man die eigene G Suite konsequent aus und achtet immer stärker darauf, AI-Element zu integrieren, um die Produktivität zu verbessern.

Offene APIs

Mit AI-Bezug plant Google derzeit 5 APIs freizugeben:

Cloud Natural Language API,

Cloud Speech API,

Cloud Translate API,

Cloud Video Intelligence,

Cloud Vision API.

Letztere API, die seit etwa einem Jahr verfügbar ist und deren Funktionen - wie Image Search oder OCR - sich noch in der Beta-Phase befinden, soll etwa in kurzer Zeit bis zu 1,5 Milliarden Bilder analysieren und auswerten. Und die API Cloud Video Intelligence soll als einer der ersten ihrer Art in der Lage sein, den Inhalt von Videos zu verstehen und somit Videos automatisch nach Gegenständen etc. ("Such den Roboter") durchsuchen können.