Panoramica di BigQuery

BigQuery è una piattaforma di dati completamente gestita e predisposta per l'AI che ti aiuta a gestire e analizzare i dati con funzionalità integrate come machine learning, ricerca, analisi geospaziale e business intelligence. L'architettura serverless di BigQuery ti consente di utilizzare linguaggi come SQL e Python per rispondere alle domande più importanti della tua organizzazione senza alcuna gestione dell'infrastruttura.

BigQuery offre un modo uniforme di lavorare con dati strutturati e non strutturati e supporta formati di tabelle aperte come Apache Iceberg, Delta e Hudi. Lo streaming BigQuery supporta l'importazione e l'analisi continue dei dati, mentre il motore di analisi scalabile e distribuito di BigQuery ti consente di eseguire query su terabyte in pochi secondi e su petabyte in pochi minuti.

L'architettura di BigQuery è composta da due parti: un livello di archiviazione che acquisisce, archivia e ottimizza i dati e un livello di calcolo che fornisce funzionalità di analisi. Questi livelli di calcolo e archiviazione funzionano in modo efficiente indipendentemente l'uno dall'altro grazie alla rete di petabit di Google che consente la comunicazione necessaria tra loro.

I database legacy di solito devono condividere le risorse tra le operazioni di lettura e scrittura e le operazioni di analisi. Ciò può causare conflitti di risorse e query lente durante la scrittura o la lettura dei dati dall'archiviazione. I pool di risorse condivisi possono essere ulteriormente messi a dura prova quando le risorse sono necessarie per attività di gestione del database come l'assegnazione o la revoca delle autorizzazioni. La separazione dei livelli di calcolo e archiviazione di BigQuery consente a ogni livello di allocare dinamicamente le risorse senza influire sulle prestazioni o sulla disponibilità dell'altro.

Questo principio di separazione consente a BigQuery di innovare più rapidamente perché i miglioramenti di archiviazione e calcolo possono essere implementati in modo indipendente, senza tempi di inattività o impatto negativo sulle prestazioni del sistema. È anche essenziale per offrire un data warehouse serverless completamente gestito in cui il team di ingegneri di BigQuery gestisce aggiornamenti e manutenzione. Il risultato è che non devi eseguire il provisioning o scalare manualmente le risorse, il che ti consente di concentrarti sulla creazione di valore anziché sulle attività tradizionali di gestione dei database.

Le interfacce BigQuery includono l'interfaccia della console e lo strumento a riga di comando BigQuery. Cloud de Confiance Sviluppatori e data scientist possono utilizzare librerie client con linguaggi di programmazione familiari, tra cui Python, Java, JavaScript e Go, nonché l'API REST e l'API RPC di BigQuery per trasformare e gestire i dati. I driver ODBC e JDBC consentono l'interazione con le applicazioni esistenti, inclusi strumenti e utilità di terze parti.

In qualità di analista dei dati, data engineer, amministratore del data warehouse o data scientist, BigQuery ti aiuta a caricare, elaborare e analizzare i dati per prendere decisioni aziendali fondamentali.

Inizia a utilizzare BigQuery

Puoi iniziare a esplorare BigQuery in pochi minuti.

• Cloud de Confiance Guida rapida della console: scopri la potenza di BigQuery Studio.

Esplora BigQuery

L'infrastruttura serverless di BigQuery ti consente di concentrarti sui dati anziché sulla gestione delle risorse. BigQuery combina un data warehouse basato su cloud e potenti strumenti di analisi.

Spazio di archiviazione BigQuery

BigQuery archivia i dati utilizzando un formato di archiviazione a colonne ottimizzato per le query analitiche. BigQuery presenta i dati in tabelle, righe e colonne e fornisce il supporto completo per la semantica delle transazioni di database (ACID). Lo spazio di archiviazione BigQuery viene replicato automaticamente in più località per garantire un'elevata disponibilità.

• Scopri i pattern comuni per organizzare le risorse BigQuery nel data warehouse e nei data mart.
• Scopri di più sui set di dati, il container di primo livello di tabelle e viste di BigQuery.
• Carica i dati in BigQuery utilizzando:
  • Trasmetti in streaming i dati con l'API Storage Write.
  • Carica i dati in batch da file locali o Cloud Storage utilizzando formati che includono: Avro, Parquet, ORC, CSV, JSON formati.

Per ulteriori informazioni, vedi Panoramica dello spazio di archiviazione BigQuery.

BigQuery Analytics

L'analisi descrittiva e prescrittiva viene utilizzata per la business intelligence, l'analisi ad hoc, l'analisi geospaziale e il machine learning. Puoi eseguire query sui dati archiviati in BigQuery o eseguire query sui dati nella posizione in cui si trovano utilizzando tabelle esterne o query federate, incluso Cloud Storage.

• Query SQL standard ANSI (supporto di SQL:2011) incluso il supporto per join, campi nidificati e ripetuti, funzioni analitiche e di aggregazione, query con più istruzioni e una serie di funzioni spaziali con analisi geospaziale - Sistemi informativi geografici.
• Crea visualizzazioni per condividere la tua analisi.
• Supporto di strumenti di business intelligence, inclusi strumenti di terze parti che utilizzano i driver Simba ODBC e JDBC per BigQuery
• BigQuery ML fornisce machine learning e analisi predittiva.
• BigQuery Studio semplifica il completamento dei flussi di lavoro di analisi dei dati e machine learning (ML) in BigQuery.
• Esegui query sui dati al di fuori di BigQuery con le tabelle esterne.

Per ulteriori informazioni, vedi Panoramica di BigQuery Analytics.

Amministrazione di BigQuery

BigQuery fornisce una gestione centralizzata delle risorse di dati e di calcolo, mentre Identity and Access Management (IAM) ti aiuta a proteggere queste risorse con il modello di accesso utilizzato in Cloud de Confiance by S3NS.

• Introduzione alla sicurezza e alla governance dei dati ti aiuta a comprendere la governance dei dati e quali controlli potresti dover proteggere le risorse BigQuery.
• I job sono azioni che BigQuery esegue per tuo conto per caricare, esportare, eseguire query o copiare i dati.
• Le prenotazioni ti consentono di passare dai prezzi on demand a quelli basati sulla capacità.

Per ulteriori informazioni, vedi Introduzione all'amministrazione di BigQuery.

Risorse di BigQuery

Esplora le risorse BigQuery:

• Le note di rilascio forniscono i log delle modifiche di funzionalità, modifiche e ritiri.
• Stack Overflow ospita una community attiva di sviluppatori e analisti che lavorano con BigQuery.
• Google BigQuery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale di Valliappa Lakshmanan e Jordan Tigani, spiega come funziona BigQuery e fornisce una procedura dettagliata end-to-end su come utilizzare il servizio.

API, strumenti e riferimenti

Materiali di riferimento per sviluppatori e analisti BigQuery:

• L'API BigQuery e le librerie client presentano panoramiche delle funzionalità di BigQuery e del loro utilizzo.
• La sintassi di DML consente di gestire e trasformare i dati BigQuery.
• Il riferimento allo strumento a riga di comando bq documenta la sintassi, i comandi, i flag e gli argomenti per l'interfaccia a riga di comando bq.
• Integrazione ODBC / JDBC collega BigQuery ai tuoi strumenti e alla tua infrastruttura esistenti.

Ruoli e risorse BigQuery

BigQuery soddisfa le esigenze dei professionisti dei dati nei seguenti ruoli e responsabilità.

Passaggi successivi

• Scopri di più sulle differenze di BigQuery in Cloud de Confiance rispetto a Google Cloud.

• Per una panoramica dello spazio di archiviazione BigQuery, consulta Panoramica dello spazio di archiviazione BigQuery.
• Per una panoramica delle query BigQuery, consulta Panoramica di BigQuery Analytics.
• Per una panoramica dell'amministrazione di BigQuery, consulta Introduzione all'amministrazione di BigQuery.
• Per una panoramica della sicurezza di BigQuery, consulta Panoramica della sicurezza e della governance dei dati.