Einführung in Entwicklertools

BigQuery bietet eine Reihe von Entwicklertools, mit denen Sie in Ihrer Entwicklungsumgebung auf BigQuery zugreifen, BigQuery mit externen Anwendungen verbinden und End-to-End-Lösungen entwickeln können. Bevor Sie diese Tools verwenden, sollten Sie mit den Standardkonzepten von BigQuery vertraut sein, z. B. mit der Analyse und der Ressourcenorganisation.

Tools für den Zugriff auf BigQuery in Ihrer Entwicklungsumgebung

BigQuery APIs und Clientbibliotheken sind die wichtigsten Entwicklertools für das Senden von BigQuery-Anfragen außerhalb der Cloud de Confiance Console und des bq-Befehlszeilentools. Wenn Sie auf diese Weise auf BigQuery zugreifen, müssen Sie auch eine Form der Authentifizierung angeben.

APIs

BigQuery offers REST und gRPC APIs als programmatische Schnittstelle zu seinen verschiedenen Diensten. Die folgenden APIs sind verfügbar:

Clientbibliotheken

Sie können die BigQuery APIs direkt verwenden, indem Sie Anfragen an den Server senden. Mit den BigQuery-Clientbibliotheken können Sie jedoch die Menge des zu schreibenden Codes erheblich reduzieren, indem Sie Ihre BigQuery API-Aufrufe vereinfachen. Die unterstützten Sprachen für BigQuery sind C#, Go, Java, Node.js, PHP, Python und Ruby. Eine Kurzanleitung für die BigQuery-Clientbibliotheken finden Sie unter Öffentliches Dataset mit BigQuery-Clientbibliotheken abfragen.

Authentifizierung

Bei der Authentifizierung wird Ihre Identität mithilfe von Anmeldedaten bestätigt. Wenn Sie in Ihrer Entwicklungsumgebung auf BigQuery zugreifen, ist immer eine Form der Authentifizierung erforderlich. Die häufigste Authentifizierungsmethode für BigQuery-Entwickler sind Standardanmeldedaten für Anwendungen, mit denen Anmeldedaten automatisch basierend auf Ihrer Umgebung gefunden werden. Weitere Informationen zu allgemeinen Authentifizierungsprinzipien und anderen Authentifizierungs methoden finden Sie unter Bei BigQuery authentifizieren.

Tools zum Verbinden von BigQuery mit externen Anwendungen

Es sind mehrere benutzerdefinierte Verbindungstools verfügbar, mit denen Sie BigQuery-Funktionen in Anwendungen von Drittanbietern einbinden können.

MCP Toolbox for Databases

Das Model Context Protocol (MCP) ist ein offenes Protokoll zum Verbinden von Large Language Models (LLMs) mit Datenquellen wie BigQuery. Mit der MCP Toolbox for Databases können Sie Ihr BigQuery-Projekt mit verschiedenen integrierten Entwicklungsumgebungen (IDEs) und Entwicklertools verbinden, um leistungsstärkere KI-Agenten mit Ihren BigQuery-Daten zu erstellen.

BigQuery-Agentenanalyse

Die BigQuery-Agentenanalyse ist eine Open-Source-Lösung von Google, mit der multimodale Agenteninteraktionsdaten in großem Maßstab erfasst, analysiert und visualisiert werden können. Mit dieser Lösung können Entwickler Rohdaten von Agenteninteraktionen wie Anfragen, Antworten, Toolaufrufe und Fehler direkt in BigQuery streamen.

Weitere Informationen zu dieser Lösung finden Sie unter BigQuery Agentenanalyse verwenden.

ODBC- und JDBC-Treiber

ODBC- (Open Database Connectivity) und JDBC-Treiber (Java Database Connectivity) verbinden Anwendungen mit Datenbanken. Google arbeitet mit Simba zusammen, um ODBC- und JDBC-Treiber für BigQuery bereitzustellen. Mit diesen Treibern können Sie datenbankneutrale Softwareanwendungen mit Ihren bevorzugten Tools und Ihrer bevorzugten Infrastruktur erstellen. Der von Google entwickelte JDBC-Treiber für BigQuery ist auch in der Vorschauverfügbar.

Data Agent Kit

Das Google Cloud Data Agent Kit bietet eine Erweiterung für Tools zur Agenten codierung wie VS Code, Antigravity und Cursor, mit der Sie direkt in Ihrer Agenten umgebung mit BigQuery-Ressourcen interagieren können. Mit dieser Erweiterung können Sie Datasets durchsuchen, Pipelines verwalten, Abfragen ausführen und Ihren Agenten auffordern, andere BigQuery-Aufgaben direkt in Ihrer bevorzugten IDE auszuführen.

Das Data Agent Kit bietet auch eine Reihe von Open-Source-Plug-ins, die Sie mit verschiedenen Befehlszeilentools verwenden können, darunter Antigravity CLI, Gemini CLI, Claude Code und Codex CLI.

Tools zum Entwickeln von End-to-End-Lösungen

Wenn Sie komplexe Lösungen mit BigQuery entwickeln, bietet Google viele Möglichkeiten, Sie zu unterstützen, insbesondere durch Codebeispiele, Repository- und Arbeitsbereichsfunktionen sowie eine Vielzahl von BigQuery-Integrationen.

Codebeispiele

BigQuery-Codebeispiele enthalten Snippets zum Ausführen allgemeiner Aufgaben in BigQuery, z. B. zum Erstellen von Tabellen, zum Auflisten von Verbindungen, zum Aufrufen von Kapazitätszusicherungen und Reservierungen und zum Laden von Daten. Mit diesen Codebeispielen können Sie komplexere Lösungen entwickeln.

Repositories und Arbeitsbereiche

Sie können mit Repositories die Versionsverwaltung für die Dateien durchführen, die Sie in BigQuery verwenden, und mit Arbeitsbereichen in diesen Repositories Code bearbeiten. BigQuery verwendet Git, um Änderungen aufzuzeichnen und Dateiversionen zu verwalten. Sie können die in BigQuery integrierten Git-Funktionen verwenden oder eine Verbindung zu einem Git-Repository eines Drittanbieters herstellen.

Integrierte Dienste und Tools

Die folgenden Google-Dienste und -Tools sind in BigQuery eingebunden und bieten zusätzliche Funktionen zum Erstellen von Lösungen:

  • Managed Service for Apache Spark. Ein vollständig verwalteter Dienst zum Ausführen von Apache Hadoop- und Apache Spark-Jobs. Managed Service for Apache Spark bietet den BigQuery-Connector, mit dem Hadoop und Spark Daten direkt aus BigQuery verarbeiten können.
  • Dataflow. Ein vollständig verwalteter Dienst zum Ausführen umfangreicher Apache Beam-Jobs. Mit dem BigQuery I/O-Connector für Beam können Beam-Pipelines Daten in BigQuery lesen und schreiben.
  • Managed Service for Apache Airflow. Ein vollständig verwalteter Dienst für die Workflowplanung, der auf Apache Airflow basiert. BigQuery-Operatoren ermöglichen Airflow-Workflows die Verwaltung von Datasets und Tabellen, die Ausführung von Abfragen und die Validierung von Daten.
  • Pub/Sub. Ein asynchroner und skalierbarer Messaging-Dienst. Pub/Sub bietet BigQuery-Abos, mit denen Sie Nachrichten beim Empfang in eine vorhandene BigQuery-Tabelle schreiben können.
  • Dataform. Ein Dienst, mit dem Datenanalysten komplexe SQL-Workflows für die Datentransformation in BigQuery entwickeln, testen und planen sowie eine Versionsverwaltung dafür ausführen können.
  • BigQuery-Terraform-Modul. Ein Modul zum Automatisieren der Instanziierung und Bereitstellung Ihrer BigQuery-Datasets und -Tabellen.
  • bq-Befehlszeilentool. Ein Python-basiertes Befehlszeilentool für BigQuery.

Google validiert außerdem Dutzende von Partnerlösungen und -integrationen für BigQuery über das Cloud de Confiance by S3NS Programm „Ready – BigQuery“. Diese anerkannten Partner haben eine Reihe grundlegender Anforderungen erfüllt, um die Kompatibilität mit BigQuery zu gewährleisten.

Nächste Schritte

  • Informationen zu Ressourcen und anstehenden Veranstaltungen für Cloud de Confiance Entwickler finden Sie im Entwicklercenter.
  • Informationen zur Verwendung durch andere Unternehmen finden Sie unter Cloud de Confiance Daten-Cloud für ISVs.