架构中心提供了各种大数据和分析主题的内容资源。
Architecture Center 中的大数据和分析资源
您可以通过输入产品名称或资源标题或说明中的短语来过滤以下大数据和分析资源列表。
|
介绍在 BigQuery 中分析快速医疗互操作性资源 (FHIR) 数据的流程和注意事项。 使用的产品：BigQuery |
|
本系列文章介绍了如何在组织内部实现数据网格。 |
|
使用 Dataflow 和 Cloud Vision API 构建机器学习视觉分析解决方案 如何部署 Dataflow 流水线以使用 Cloud Vision 处理大规模图片文件。Dataflow 将结果存储在 BigQuery 中，以便将其用于训练 BigQuery ML 预构建模型。 使用的产品：BigQuery、Cloud Build、Cloud Storage、Cloud Vision、Dataflow、Pub/Sub |
|
介绍了导出 Cloud Monitoring 指标以进行长期分析的方法。 使用的产品：App Engine、BigQuery、Cloud Monitoring、Cloud Pub/Sub、Cloud Scheduler、Datalab、Looker Studio |
|
演示如何使用 Striim 将 MySQL 数据库迁移到 BigQuery。Striim 是一个全面的流式提取、转换和加载 (ETL) 平台。 使用的产品：BigQuery、Cloud SQL for MySQL、Compute Engine |
|
如何使用 Striim 将 MySQL 数据库迁移到 Cloud Spanner。 使用的产品：Cloud SQL、Cloud SQL for MySQL、Compute Engine、Spanner |
|
在 Google Cloud 上使用 R 进行数据科学研究：探索性数据分析 介绍了如何在 Google Cloud 上使用 R 大规模开始进行数据科学研究。本文档面向拥有 R 和 Jupyter 笔记本经验且熟悉 SQL 的人员。 使用的产品：BigQuery、Cloud Storage、Notebooks、Vertex AI |
|
MongoDB Atlas 和 Google Cloud 之间的数据转换 用作运营数据存储区的 MongoDB Atlas 与用作分析数据仓库的 BigQuery 之间的数据转换。 使用的产品：BigQuery、Cloud Pub/Sub、Dataflow |
|
使用 Sensitive Data Protection 对大规模数据集中的个人身份信息进行去标识化和重标识处理 讨论了如何使用 Sensitive Data Protection 创建自动化数据转换流水线，以对个人身份信息 (PII) 等敏感数据进行去标识化处理。 使用的产品：BigQuery、Cloud Pub/Sub、Cloud Storage、Dataflow、Identity and Access Management、Sensitive Data Protection |
|
了解 Google Cloud 地理空间功能以及如何在地理空间分析应用中使用这些功能。 使用的产品：BigQuery、Dataflow |
|
介绍可用于帮助保护生产环境中的数据仓库的架构，并介绍从外部网络（例如本地环境）将数据导入到 BigQuery 的最佳实践。 使用的产品：BigQuery |
|
将 Google Cloud 中的数据导入安全的 BigQuery 数据仓库 介绍可用于帮助保护生产环境中的数据仓库的架构，并介绍 Google Cloud 中数据仓库的数据治理最佳实践。 使用的产品：BigQuery、Cloud Key Management Service、Dataflow、Sensitive Data Protection |
|
通过使用 BigQuery 创建分析湖仓一体来统一数据湖和数据仓库，从而存储、处理、分析和激活数据。 |
|
使用 BigQuery 通过信息中心和可视化工具来构建数据仓库。 |
|
帮助您规划、设计并实现将应用和基础架构工作负载迁移到 Google Cloud 的过程，包括计算、数据库和存储工作负载。 使用的产品：App Engine、Cloud Build、Cloud Data Fusion、Cloud Deployment Manager、Cloud Functions、Cloud Run、Cloud Storage、Container Registry、Data Catalog、Dataflow、直接对等互连、Google Kubernetes Engine (GKE)、Transfer Appliance |
|
将本地 Hadoop 基础架构迁移到 Google Cloud 将本地 Hadoop 工作负载迁移到 Google Cloud 的指南… 使用的产品：BigQuery、Cloud Storage、Dataproc |
|
介绍了如何从 Google Cloud 收集、导出和分析日志，从而帮助您审核使用情况并检测数据和工作负载的威胁。使用包含的用于 BigQuery 或 Chronicle 的威胁检测查询，或自带 SIEM。 使用的产品：BigQuery、Cloud Logging、Compute Engine、Looker Studio |
|
介绍了如何通过在 Google Cloud 上使用代管式产品实现 CI/CD 方法，设置持续集成/持续部署 (CI/CD) 流水线以处理数据。 使用的产品：Cloud Build、Cloud Composer、Cloud Source Repositories、Cloud Storage、Compute Engine、Dataflow |
|
展示如何通过将 Hive 数据存储在 Cloud Storage 中以及将 Hive Metastore 托管在 Cloud SQL 上的 MySQL 数据库中，以在 Dataproc 上高效灵活地使用 Apache Hive。 使用的产品：Cloud SQL、Cloud Storage、Dataproc |