Panoramica dell'analisi di BigQuery

Questo documento descrive come BigQuery elabora le query e fornisce una panoramica di diverse funzionalità utili per comprendere e analizzare i dati.

BigQuery è ottimizzato per eseguire query analitiche su set di dati di grandi dimensioni, tra cui terabyte di dati in pochi secondi e petabyte in pochi minuti. Comprendere le sue funzionalità e il modo in cui elabora le query può aiutarti a massimizzare gli investimenti nell'analisi dei dati.

Per fare un tour delle funzionalità di analisi dei dati di BigQuery direttamente nella console Google Cloud, fai clic su Fai il tour.

Inizia la presentazione

Flussi di lavoro di analisi

BigQuery supporta diversi flussi di lavoro di analisi dei dati:

  • Analisi ad hoc. BigQuery utilizza GoogleSQL, il dialetto SQL in BigQuery, per supportare l'analisi ad hoc. Puoi eseguire query nella console Google Cloud o tramite strumenti di terze parti che si integrano con BigQuery.

  • Analisi geospaziali. BigQuery utilizza i tipi di dati geografici e le funzioni geografiche di Google SQL per consentirti di analizzare e visualizzare i dati geospaziali. Per informazioni su questi tipi di dati e funzioni, consulta Introduzione all'analisi geospaziale.

  • Effettua una ricerca. Puoi eseguire l'indicizzazione dei dati per eseguire ricerche flessibili e ottimizzate su testo non strutturato o dati JSON semistrutturati.

  • Machine learning. BigQuery ML utilizza query GoogleSQL per consentirti di creare ed eseguire modelli di machine learning (ML) in BigQuery.

  • Business intelligence. BigQuery BI Engine è un servizio di analisi in memoria rapido che consente di creare dashboard e report avanzati interattivi senza compromettere prestazioni, scalabilità, sicurezza o aggiornamento dei dati.

  • Assistenza AI. Puoi utilizzare Gemini in BigQuery per preparare ed esplorare i dati, generare query SQL e codice Python e visualizzare i risultati.

Esplorazione dei dati

BigQuery può aiutarti a comprendere i tuoi dati prima di iniziare a scrivere query SQL. Utilizza le seguenti funzionalità se non hai dimestichezza con i tuoi dati, non sai quali domande porre o hai bisogno di aiuto per scrivere SQL:

  • Esplora tabelle. Esplora visivamente l'intervallo e la frequenza dei valori nella tabella e crea query in modo interattivo.

  • Approfondimenti sui dati. Genera domande in linguaggio naturale sui tuoi dati, insieme alle query SQL per rispondere a queste domande.

  • Scansione del profilo di dati. Visualizza le caratteristiche statistiche dei dati, inclusi i valori medi, univoci, massimi e minimi.

  • Canvas di dati. Esegui query sui dati utilizzando il linguaggio naturale, visualizza i risultati con i grafici e fai domande di follow-up.

Query

Il modo principale per analizzare i dati in BigQuery è eseguire una query SQL. Il dialetto GoogleSQL supporta SQL:2011 e include estensioni che supportano l'analisi geospaziale e l'ML.

Origini dati

BigQuery ti consente di eseguire query sui seguenti tipi di origini dati:

Tipi di query

Puoi eseguire query sui dati BigQuery utilizzando uno dei seguenti tipi di job di query:

  • Job di query interattive. Per impostazione predefinita, BigQuery esegue i job di query interattive (on demand) il prima possibile.

  • Job di query batch. Con questi job, BigQuery mette in coda ogni query batch per tuo conto e poi avvia la query quando sono disponibili risorse inattive, in genere entro pochi minuti.

  • Job di query continua (anteprima). Con questi job, la query viene eseguita continuamente, consentendoti di analizzare i dati in entrata in BigQuery in tempo reale e poi di scrivere i risultati in una tabella BigQuery o di esportarli in Bigtable o Pub/Sub. Puoi utilizzare questa funzionalità per eseguire attività urgenti, come creare informazioni e intervenire immediatamente in base a queste, applicare l'inferenza di machine learning (ML) in tempo reale e creare pipeline di dati basate su eventi.

Puoi eseguire job di query utilizzando i seguenti metodi:

Query salvate e condivise

BigQuery ti consente di salvare le query e di condividerle con altri utenti.

Quando salvi una query, può essere privata (visibile solo a te), condivisa a livello di progetto (visibile a principianti specifici) o pubblica (visualizzabile da chiunque). Per ulteriori informazioni, consulta Utilizzare le query salvate.

Come BigQuery elabora le query

Quando BigQuery esegue una query, vengono eseguite diverse procedure:

  • Albero di esecuzione. Quando esegui una query, BigQuery genera un'albero di esecuzione che suddivide la query in fasi. Queste fasi contengono passaggi che possono essere eseguiti in parallelo.

  • Livello di riproduzione casuale. Le fasi comunicano tra loro utilizzando un livello di ordinamento distribuito e veloce che memorizza i dati intermedi prodotti dai worker di una fase. Se possibile, il livello di ordinamento sfrutta tecnologie come una rete in petabit e RAM per spostare rapidamente i dati sui nodi di lavoro.

  • Piano di query. Quando BigQuery dispone di tutte le informazioni di cui ha bisogno per eseguire una query, genera un piano di query. Puoi visualizzare il piano di query nella console Google Cloud e utilizzarlo per risolvere i problemi o ottimizzare le prestazioni delle query.

  • Grafico di esecuzione delle query. Puoi esaminare le informazioni sul piano di query in formato grafico per qualsiasi query, in esecuzione o completata, e visualizzare gli approfondimenti sul rendimento per ottimizzare le query.

  • Monitoraggio delle query e pianificazione dinamica. Oltre ai worker che eseguono il lavoro del piano di query stesso, altri worker monitorano e indirizzano l'avanzamento complessivo del lavoro in tutto il sistema. Man mano che la query avanza, BigQuery potrebbe modificare dinamicamente il piano di query per adattarsi ai risultati delle varie fasi.

  • Risultati delle query. Al termine di una query, BigQuery scrive i risultati nello spazio di archiviazione permanente e li restituisce all'utente. Questo design consente a BigQuery di fornire risultati memorizzati nella cache la volta successiva che viene eseguita la query.

Concorrenza e prestazioni delle query

Il rendimento delle query eseguite ripetutamente sugli stessi dati può variare per la natura condivisa dell'ambiente BigQuery, per l'utilizzo dei risultati delle query memorizzati nella cache o perché BigQuery regola dinamicamente il piano di query durante l'esecuzione della query. Per un sistema di solito in uso in cui molte query vengono eseguite contemporaneamente, BigQuery utilizza diversi processi per attenuare le variazioni nel rendimento delle query:

  • BigQuery esegue molte query in parallelo e può accodare le query per eseguirle quando le risorse sono disponibili.

  • Quando le query iniziano e terminano, BigQuery ridistribuisce equamente le risorse tra le query nuove ed eseguite. Questa procedura garantisce che il rendimento delle query non dipenda dall'ordine in cui vengono inviate, ma dal numero di query eseguite in un determinato momento.

Ottimizzazione delle query

Quando esegui una query, puoi visualizzare il piano di query nella console Google Cloud. Puoi anche richiedere i dettagli di esecuzione utilizzando le visualizzazioni INFORMATION_SCHEMA.JOBS* o il metodo dell'API REST jobs.get.

Il piano di query include dettagli sulle fasi e sui passaggi della query. Questi dettagli possono aiutarti a identificare i modi per migliorare le prestazioni delle query. Ad esempio, se noti una fase che scrive molto più output rispetto ad altre fasi, potrebbe significare che devi applicare un filtro all'inizio della query.

Per ulteriori informazioni sul piano query e sull'ottimizzazione delle query, consulta le seguenti risorse:

Monitoraggio delle query

Il monitoraggio e il logging sono fondamentali per eseguire applicazioni affidabili nel cloud. I carichi di lavoro BigQuery non fanno eccezione, soprattutto se hanno volumi elevati o sono di importanza fondamentale. BigQuery fornisce varie metriche, log e viste dei metadati per aiutarti a monitorare l'utilizzo di BigQuery.

Per maggiori informazioni, consulta le seguenti risorse:

Prezzi delle query

BigQuery offre due modelli di determinazione dei prezzi per l'analisi:

Per informazioni sui due modelli di prezzi e per scoprire di più su come effettuare prenotazioni per i prezzi basati sulla capacità, consulta Introduzione alle prenotazioni.

Quote e controlli dei costi delle query

BigQuery applica le quote a livello di progetto alle query in esecuzione. Per informazioni sulle quote di query, consulta Quote e limiti.

Per controllare i costi delle query, BigQuery offre diverse opzioni, tra cui quote personalizzate e avvisi di fatturazione. Per scoprire di più, consulta la sezione Creare controlli dei costi personalizzati.

Funzionalità di analisi dei dati

BigQuery supporta sia l'analisi descrittiva che quella predittiva e ti aiuta a esplorare i tuoi dati con strumenti basati sull'AI, SQL, machine learning, notebook e altre integrazioni di terze parti.

BigQuery Studio

BigQuery Studio ti aiuta a scoprire, analizzare ed eseguire inferenze sui dati in BigQuery con le seguenti funzionalità:

BigQuery ML

BigQuery ML consente di utilizzare SQL in BigQuery per eseguire analisi predittiva e di machine learning (ML). Per ulteriori informazioni, consulta Introduzione a BigQuery ML.

Integrazione degli strumenti di analisi

Oltre a eseguire query in BigQuery, puoi analizzare i tuoi dati con vari strumenti di analisi e business intelligence che si integrano con BigQuery, ad esempio:

  • Looker. Looker è una piattaforma aziendale per business intelligence, applicazioni di dati e analisi incorporate. La piattaforma Looker funziona con molti datastore, tra cui BigQuery. Per informazioni su come collegare Looker a BigQuery, consulta Utilizzare Looker.

  • Looker Studio. Dopo aver eseguito una query, puoi avviare Looker Studio direttamente da BigQuery nella console Google Cloud. In Looker Studio puoi creare visualizzazioni ed esplorare i dati restituiti dalla query. Per informazioni su Looker Studio, consulta la panoramica di Looker Studio.

  • Fogli connessi. Puoi anche avviare Fogli connessi direttamente da BigQuery nella console. Fogli connessi esegue le query su BigQuery per tuo conto su tua richiesta o in base a una pianificazione definita. I risultati di queste query vengono salvati nel foglio di lavoro per l'analisi e la condivisione. Per informazioni su Fogli connessi, consulta Utilizzare Fogli connessi.

  • Tableau. Puoi collegarti a un set di dati da Tableau. Utilizza BigQuery per creare grafici, dashboard e altre visualizzazioni di dati.

Integrazione di strumenti di terze parti

Diversi strumenti di analisi di terze parti funzionano con BigQuery. Ad esempio, puoi collegare Tableau ai dati di BigQuery e utilizzare i relativi strumenti di visualizzazione per analizzare e condividere la tua analisi. Per ulteriori informazioni sulle considerazioni da tenere presenti quando utilizzi strumenti di terze parti, consulta Integrazione di strumenti di terze parti.

I driver ODBC e JDBC sono disponibili e possono essere utilizzati per integrare la tua applicazione con BigQuery. Lo scopo di questi driver è aiutare gli utenti a sfruttare la potenza di BigQuery con gli strumenti e l'infrastruttura esistenti. Per informazioni sulla release più recente e sui problemi noti, consulta Driver ODBC e JDBC per BigQuery.

Le librerie Pandas come pandas-gbq ti consentono di interagire con i dati di BigQuery nei Jupyter Notebook. Per informazioni su questa libreria e sul suo confronto con l'utilizzo della libreria client Python di BigQuery, consulta Confronto con pandas-gbq.

Puoi utilizzare BigQuery anche con altri notebook e strumenti di analisi. Per saperne di più, consulta Strumenti di analisi programmatica.

Per un elenco completo dei partner di BigQuery Analytics e di altre tecnologie, consulta l'elenco Partner nella pagina del prodotto BigQuery.

Passaggi successivi