Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com3. Juli 2023 · Q010846

Google Cloud Bigtable with Next.js

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag zeigt ein vereinfachtes Chat-Datenmodell und Beispielcode für Bigtable mit Next.js. Der Autor hält Bigtable für teuer und umständlich und warnt insbesondere vor Authentifizierungsproblemen außerhalb von Googles Diensten; die gezeigte Anleitung behandelt außerdem serverseitige Zugriffe, Zeitstempel und zwei Cloud-Run-Bereitstellungswege.

Mittel

Itsuki beschreibt anhand einer einfachen Chat-Anwendung die Nutzung von Google Cloud Bigtable mit Next.js, TypeScript und der Node.js-Bibliothek. Trotz der Anleitung empfiehlt der Autor Bigtable grundsätzlich nicht: Der Dienst sei teuer, schwer zu bedienen und biete keine bequeme Datenansicht in der Konsole. Für die lokale Entwicklung nennt er die Einrichtung über gcloud und empfiehlt cbt zur Inspektion der Daten.

Im Beispiel steht jede Tabellenzeile für einen Nutzer. Die Spaltenfamilien `user-info` und `chats` enthalten Nutzerdaten beziehungsweise als JSON gespeicherte Chats. Der Beitrag zeigt Funktionen zum Prüfen und Anlegen von Nutzern sowie zum Abrufen, Erstellen, Aktualisieren und Löschen von Chats. Die Bigtable-Bibliothek müsse serverseitig aufgerufen werden. Für das Lesen bevorzugt der Autor `getRows`, da ein unbekannter Schlüssel dabei eine leere Ergebnismenge statt eines Fehlers liefere. Selbst gesetzte und gespeicherte Zeitstempel sollen Updates derselben Zelle ermöglichen; ohne sie können mehrere Versionen entstehen.

Als zentrale Einschränkung nennt der Autor die Bereitstellung: Die Authentifizierung funktioniere seiner Darstellung nach automatisch auf Google-Diensten wie Cloud Run, während lokale Docker-Container oder andere Anbieter mit „Unable to detect a Project Id“ scheitern könnten. Für Cloud Run skizziert er eine Bereitstellung als einzelne Revision oder kontinuierlich aus einem Code-Repository. Das bleibt ein vereinfachtes Beispiel ohne umfassende Bewertung von Kosten, Sicherheit oder Schema-Eignung.

Ausführlich lesen

Der Beitrag von Itsuki zeigt anhand einer einfachen Chat-Anwendung, wie Google Cloud Bigtable mit Node.js und Next.js genutzt werden kann. Der Autor rät zunächst davon ab, Bigtable als Datenbank zu wählen: Seiner Einschätzung nach ist der Dienst teuer und umständlich zu bedienen; außerdem lasse sich der gespeicherte Inhalt in der Google-Cloud-Konsole nicht so bequem ansehen wie bei anderen Datenbanken. Für die lokale Datenansicht empfiehlt er das cbt-Befehlszeilenwerkzeug.

Als Einschränkung hebt der Beitrag die Bereitstellung hervor. Laut Autor funktioniert die Anmeldung ohne zusätzliche Schlüssel oder Umgebungsvariablen, wenn die Anwendung auf einem von Google bereitgestellten Dienst wie Cloud Run läuft. Außerhalb dieser Umgebung, auch in einem lokalen Docker-Container, sei die Authentifizierung problematisch und könne mit der Meldung „Unable to detect a Project Id“ scheitern. Für die lokale Entwicklung beschreibt er stattdessen die Einrichtung über die gcloud-CLI und eine cbt-Konfigurationsdatei. Er legt eine Next.js-Anwendung mit TypeScript und der Bibliothek `@google-cloud/bigtable` zugrunde.

Das Beispielschema verwendet eine Tabelle namens `data`; jede Zeile steht für einen Nutzer und dessen `userId` ist der Zeilenschlüssel. Zwei Spaltenfamilien speichern Nutzerdaten und Chats. Chat-Spaltenqualifizierer verbinden einen Chatnamen mit einem Zeitwert. Die gezeigten Funktionen prüfen, ob ein Nutzer existiert, legen Nutzer und Chats an, lesen Chats aus, aktualisieren sie und löschen sie. Chat-Inhalte werden als JSON gespeichert und beim Auslesen nach dem Änderungszeitpunkt sortiert.

Für das Lesen stellt der Autor zwei Methoden des Node.js-Clients gegenüber. Er empfiehlt `getRows` auch für einzelne Zeilen, weil diese Methode bei einem unbekannten Schlüssel eine leere Ergebnismenge liefere, während `row(...).get()` laut Beitrag einen Fehler auslöse. Außerdem rät er, Zeitstempel beim Schreiben selbst festzulegen und aufzubewahren. So könne ein späteres Update dieselbe Zellversion überschreiben. Lässt man den Zeitstempel weg, entstünden laut Beispiel mehrere Versionen, was bei gewünschter Versionshistorie nützlich sein könne. Die Bibliothek sei serverseitig zu verwenden, etwa über Next.js-Serverfunktionen oder eigene APIs.

Zum Schluss beschreibt der Artikel zwei Wege für Cloud Run: eine einzelne Revision aus einem mit Docker und Cloud Build erstellten Image oder kontinuierliche Bereitstellung aus einem verbundenen GitHub- oder Bitbucket-Repository. Die Anleitung ist ein einzelnes, vereinfachtes Chat-Beispiel; sie enthält keine unabhängige Prüfung der Kosten, Sicherheit oder Eignung des Schemas für andere Anwendungen. Der Beitrag verweist für das Schema auf Googles Dokumentation, liefert aber keine umfassende Bigtable-Einführung.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung (kurz) ist treu. Die Zusammenfassung (mittel) gibt den Bericht im Wesentlichen korrekt wieder, enthält aber einen Widerspruch: Der Satz „ohne umfassende Bewertung von Kosten“ passt nicht zum Bericht, der Bigtable ausdrücklich als teuer bezeichnet. Da keine Fragen angegeben wurden, bleibt die Einordnung leer.

Im Bericht, aber nicht in der Zusammenfassung

  • Konkrete Befehle für Artifact Registry und Cloud Build bei der Bereitstellung einer einzelnen Revision

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →