Spanner
始终开启的数据库，规模近乎无限
使用汇集了关系型、图表、键值对和搜索的单个数据库构建智能应用。没有维护窗口意味着任务关键型应用会不间断地运行。
此外，Google Cloud 新客户可获得 $300 赠金。
功能
无限的写入和读取扩缩能力
自动维护
Spanner Graph
揭示隐藏的关系和连接。Spanner Graph 支持图数据库的新国际标准 ISO 图查询语言 (GQL)，提供了一种直观而简洁的方式来匹配数据中的模式并遍历数据中的关系。它结合了 SQL 和 GQL 的优势，让您只需通过一次操作即可查询结构化和关联的数据。Spanner Graph（预览版）可与全文和向量搜索功能互操作，为您提供一类依托 AI 技术的新型应用。
向量搜索
在 Spanner 中利用精确最近邻 (KNN) 和近似最近邻 (ANN) 向量搜索（预览版同时提供这两种搜索）以几乎无限的规模搜索向量嵌入，实现高度可分区的工作负载。Spanner 内置的向量搜索支持消除了对单独的、专门的向量数据库解决方案的需求，提供了运营数据的事务保证，并在横向扩容的无服务器架构上提供最新且一致的向量搜索结果，且无需任何管理。
PostgreSQL 页面
自动数据库分片
地理分区
保留单个全球数据库的可管理性，同时减少分布在全球各地的用户的延迟时间。借助 Spanner 中的地理分区功能，您可以在全球范围内对表数据进行行级分区，从而在更靠近用户的位置传送���据。尽管数据被拆分到不同的数据分区，Spanner 仍会将所有分布式数据维护为一个整合表，供查询和更改之用。
单区域、双区域和多区域配置
无论您的用户位于哪里，由 Spanner 提供支持的应用都可以在全球范围内读取和写入最新的强一致性数据，此外，在运行双区域或多区域实例时，您的数据库能够承受区域性故障，并提供业界领先的 99.999% 可用性。
工作负载隔离的高性能查询处理
Spanner Data Boost 使用户能够更快地运行分析查询、批处理作业或数据导出操作，而不会影响现有的事务型工作负载。Data Boost 完全由 Google Cloud 托管，不需要进行容量规划或管理。它始终处于热状态，可直接对存储在 Spanner 的分布式存储系统 Colossus 中的数据处理用户查询。这种独立的按需计算资源可让用户轻松处理混合工作负载并放心地共享数据。
全文搜索
利用根据 Google 搜索学习成果提供支持的高性能文本搜索功能，摆脱独立的搜索工具以及相关的提取、转换和加载 (ETL) 流水线。全文搜索提供事务上一致的搜索结果以及强大的功能，如拼音搜索和基于 NGRAMs 的拼写变体匹配。如需了解详情，请阅读此白皮书。
LangChain 集成
利用 LangChain 集成，轻松构建更准确、更透明、更可靠的生成式 AI 应用。Spanner 有三个 LangChain 集成：文档加载器（用于加载和存储文档中的信息）、向量存储区（用于实现语义搜索），以及 Chat Messages Memory（用于实现可记起先前对话的链）。如需了解详情，请访问 GitHub 代码库。
Vertex AI 集成
使用 Spanner 的 ML.PREDICT SQL 函数，基于 Vertex AI 中提供的嵌入、生成式 AI 或自定义模型执行在线推理。使用 Spanner 到 Vertex AI 向量搜索工作流，通过 Vertex AI 向量搜索对 Spanner 数据执行相似度搜索。
数据库中心
全面了解跨多个引擎、版本、区域、项目和环境的整个数据库舰队。数据库中心目前处于预览版阶段，可通过智能的性能和安全建议，主动降低舰队的风险。启用 Gemini 后，数据库中心能够以极其直观的方式优化数据库舰队。使用自然语言聊天界面提出问题、快速解决舰队问题，并获取优化建议。
企业级安全和控制
数据库比较
| 数据库属性 | 其他关系型数据库 | 其他非关系型数据库 | Spanner |
|---|---|---|---|
架构 | 静态 | 动态 | 动态 |
SQL | 是 | 否 | 是 |
事务 | ACID （原子性、一致性、隔离性、耐用性） | 最终一致 | 强 ACID 使用 TrueTime 排序 |
可伸缩性 | 纵向 （使用更大的机器） | 水平市场 （添加更多机器） | 横向 |
可用性 | 故障切换（停机时间） | 高 | 高，SLA 承诺 99.999% 的可用性 |
复制 | 可配置 | 可配置 | 自动 |
架构
静态
动态
动态
SQL
是
否
是
事务
ACID
（原子性、一致性、隔离性、耐用性）
最终一致
强 ACID
使用 TrueTime 排序
可伸缩性
纵向
（使用更大的机器）
水平市场
（添加更多机器）
横向
可用性
故障切换（停机时间）
高
高，SLA 承诺 99.999% 的可用性
复制
可配置
可配置
自动
工作方式
Spanner 实例在一个或多个区域中提供计算和存储资源。一个名为 TrueTime 的分布式时钟保证事务即使在各区域之间也具有强一致性。数据会自动“分块”以实现可伸缩性，并使用基于 Paxos 的同步架构实现可用性。
Spanner 实例在一个或多个区域中提供计算和存储资源。一个名为 TrueTime 的分布式时钟保证事务即使在各区域之间也具有强一致性。数据会自动“分块”以实现可伸缩性，并使用基于 Paxos 的同步架构实现可用性。
常见用途
用户个人资料和使用权
安全地管理任何规模的关键用户数据
教程、快速入门和实验
安全地管理任何规模的关键用户数据
财务账目
获取一致且最新的全球交易视图
将全球的财务交易、贸易、结算和头寸统一到基于 Spanner 构建的交易合并账目中，Spanner 可确保外部一致性和可伸缩性。整合数据有助于快速适应不断变化的市场情况和监管要求。同样，零售/电子商务企业使用 Spanner 来构建库存账目。
教程、快速入门和实验
获取一致且最新的全球交易视图
将全球的财务交易、贸易、结算和头寸统一到基于 Spanner 构建的交易合并账目中，Spanner 可确保外部一致性和可伸缩性。整合数据有助于快速适应不断变化的市场情况和监管要求。同样，零售/电子商务企业使用 Spanner 来构建库存账目。
网上银行
提供始终在线交互的数字化体验
教程、快速入门和实验
提供始终在线交互的数字化体验
会员忠诚计划和推广活动
利用实时动态信息打造个性化体验
教程、快速入门和实验
利用实时动态信息打造个性化体验
全渠道库存管理
跨多个渠道和应用提供一致的视图
Spanner 跨在线商店、实体店、配送中心和运输网络提供零售库存和订单的高性能单一事实来源，以使库存与需求相匹配，从而改善客户体验和盈利能力。同样，游戏公司使用 Spanner 来存储游戏内库存数据。
了解 Mahindra 如何重新定义销售流程，并在 30 分钟内销售 10 万辆 SUV
教程、快速入门和实验
跨多个渠道和应用提供一致的视图
Spanner 跨在线商店、实体店、配送中心和运输网络提供零售库存和订单的高性能单一事实来源，以使库存与需求相匹配，从而改善客户体验和盈利能力。同样，游戏公司使用 Spanner 来存储游戏内库存数据。
了解 Mahindra 如何重新定义销售流程，并在 30 分钟内销售 10 万辆 SUV
知识图谱
揭示数据中隐藏的关系和连接
揭示数据中隐藏的关系和连接
借助 Spanner Graph，您可以开发知识图谱来捕获实体（表示为节点）之间的复杂连接以及实体的关系（表示为边）。这些连接提供了丰富的上下文，因此对于开发知识库系统和推荐引擎而言，知识图谱具有重要价值。通过集成的搜索功能，您可以将语义理解、基于关键字的检索以及图表无缝地结合在一起，以获得全面的结果。
教程、快速入门和实验
揭示数据中隐藏的关系和连接
揭示数据中隐藏的关系和连接
借助 Spanner Graph，您可以开发知识图谱来捕获实体（表示为节点）之间的复杂连接以及实体的关系（表示为边）。这些连接提供了丰富的上下文，因此对于开发知识库系统和推荐引擎而言，知识图谱具有重要价值。通过集成的搜索功能，您可以将语义理解、基于关键字的检索以及图表无缝地结合在一起，以获得全面的结果。
价格
| Spanner 定价方式 | Spanner 价格基于计算容量、Spanner Data Boost、数据库存储空间、备份存储空间、复制和网络用量。计算价格因所选版本和配置而异。承诺使用折扣可以进一步降低计算价格。 | |
|---|---|---|
| 服务 | 说明 | 价格 (USD) |
计算 | 标准版 包含一整套成熟的功能，适用于区域级（单区域）配置 计算容量预配为处理单元或节点（1 个节点 = 1,000 个处理单元）。 | Starting at $0.030 每个副本每小时每 100 个处理单元 |
企业版 提供额外的多模型和高级搜索功能，可提高操作的简便性和效率 计算容量预配为处理单元或节点（1 个节点 = 1,000 个处理单元）。 | Starting at $0.041 每个副本每小时每 100 个处理单元 | |
企业 Plus 版 以最高级别的可用性、性能、合规性和治理级别，为要求最严苛的工作负载提供支持 计算容量预配为处理单元或节点（1 个节点 = 1,000 个处理单元）。 | Starting at $0.057 每个��本每小时每 100 个处理单元 | |
Data Boost | 按需、隔离的计算资源，包括 CPU、内存和本地数据传输 | Starting at $0.00117 每小时每个无服务器处理单元 |
数据库存储 | 价格基于数据库中存储的数据量，包括读写副本和只读副本的存储费用；见证者副本免费。 | Starting at $0.10 每个副本每月每 GB |
备份存储 | 单区域配置 价格基于备份存储空间容量，包括所有副本的存储费用。 | Starting at $0.10 每月每 GB（包括所有副本） |
双区域和多区域配置 价格基于备份存储空间容量，包括所有副本的存储费用。 | Starting at $0.30 每月每 GB（包括所有副本） | |
复制 | 区域内复制 | 免费 |
区域间复制 | Starting at $0.04 每 GB | |
网络 | 入站 | 免费 |
区域内出站流量 | 免费 | |
区域间出站流量 | Starting at $0.01 每 GB | |
Spanner 定价方式
Spanner 价格基于计算容量、Spanner Data Boost、数据库存储空间、备份存储空间、复制和网络用量。计算价格因所选版本和配置而异。承诺使用折扣可以进一步降低计算价格。
标准版
包含一整套成熟的功能，适用于区域级（单区域）配置
计算容量预配为处理单元或节点（1 个节点 = 1,000 个处理单元）。
Starting at
$0.030
每个副本每小时每 100 个处理单元
企业版
提供额外的多模型和高级搜索功能，可提高操作的简便性和效率
计算容量预配为处理单元或节点（1 个节点 = 1,000 个处理单元）。
Starting at
$0.041
每个副本每小时每 100 个处理单元
企业 Plus 版
以最高级别的可用性、性能、合规性和治理级别，为要求最严苛的工作负载提供支持
计算容量预配为处理单元或节点（1 个节点 = 1,000 个处理单元）。
Starting at
$0.057
每个副本每小时每 100 个处理单元
Data Boost
按需、隔离的计算资源，包括 CPU、内存和本地数据传输
Starting at
$0.00117
每小时每个无服务器处理单元
数据库存储
价格基于数据库中存储的数据量，包括读写副本和只读副本的存储费用；见证者副本免费。
Starting at
$0.10
每个副本每月每 GB
备份存储
单区域配置
价格基于备份存储空间容量，包括所有副本的存储费用。
Starting at
$0.10
每月每 GB（包括所有副本）
双区域和多区域配置
价格基于备份存储空间容量，包括所有副本的存储费用。
Starting at
$0.30
每月每 GB（包括所有副本）
复制
区域内复制
免费
区域间复制
Starting at
$0.04
每 GB
网络
入站
免费
区域内出站流量
免费
区域间出站流量
Starting at
$0.01
每 GB
开始概念验证
创建一个可免费试用 90 天的 Spanner 实例
了解如何使用 Spanner
业务用例
了解其他企业如何借助 Spanner 打造创新应用、提供出色的客户体验、降低费用并提高投资回报率
精选产品优势和客户案例
利用可无限扩缩以满足任何需求的创新应用拓展您的业务。
降低总拥有成本，让您的开发者从繁琐的运营中解放出来，实现远大目标并提高工作效率。
优越的性价比，用多少，付多少，每月低至 $40。
合作伙伴与集成
从评估和业务案例，到迁移和在 Spanner 上构建新应用，具备 Spanner 专业知识的合作伙伴可在您整个历程的每一步提供帮助。
系统集成商
Spanner 合作伙伴可帮助您对应用进行现代化改造并无缝迁移到云端。您可以在我们的名录中找到理想的合作伙伴或第三方集成服务。
常见问题解答
Spanner 是关系型数据库还是非关系型数据库？
Spanner 将关系型、键值对、图表和向量搜索工作负载整合到同一数据库，从而简化数据架构。Spanner 是一个扩缩能力极强的数据库，它将无限扩缩能力与关系型语义（例如二级索引、强一致性、架构和 SQL）相结合，通过一个简单的解决方案提供 99.999% 的可用性。因此，它同时适用于关系型工作负载和非关系型工作负载。
Spanner 是否使用 SQL？
如何将数据库迁移到 Spanner？
迁移到 Spanner 的过程可能不尽相同，具体取决于源数据库、数据大小、停机时间要求、应用代码复杂性、分片架构、自定义函数或转换、故障切换和复制策略等。推荐的工具包括用于架构和数据迁移的 Spanner 迁移工具等开源工具，以及用于评估的第三方工具（如 migVisor）。如需详细了解迁移过程，请参阅我们的文档。
运营 Spanner 的关键注意事项是什么？
Spanner 是一个全代管式数据库，因此它自动提供全面的基础架构管理功能，但根据您的工作负载，您可能需要执行一些应用特定的管理操作。您需要确保设置适当的提醒和监控功能，并密切监控，以确保生产始终顺利运行。您需要了解当流量自然增长、或者预计将出现流量峰值时需要执行什么操作，或者如何处理应用 bug 导致的数据损坏，最后但同样重要的是，如何排查性能问题并了解什么组件造成延迟时间增加。
