Was ist BigQuery BI Engine?

BigQuery BI Engine ist ein schneller In-Memory-Analysedienst. Mithilfe der BI Engine können Sie in BigQuery gespeicherte Daten mit einer Antwortzeit von weniger als einer Sekunde analysieren und gleichzeitig Computing-Kosten sparen.

BigQuery BI Engine verbessert Ihre Dashboards auf zwei Arten:

  • Die BI Engine SQL-Schnittstelle ist eine verteilte In-Memory-Engine, die jede BigQuery-Abfrage unabhängig von der verwendeten API beschleunigt. Jedes Tool, das mit BigQuery-Schnittstellen wie BigQuery SQL, API und Clientbibliotheken oder JDBC-Treibern funktioniert, funktioniert auch mit der BI Engine SQL-Schnittstelle. Die SQL-Schnittstelle von BI Engine bietet zusätzliche Statistiken und Monitoring durch Skalierung auf große Datengrößen mit verteilter Ausführung und partieller Beschleunigung.

  • Google Data Studio-Beschleunigung, mit der BI Engine eine interaktive Leistung liefert.

Mit BI Engine können Sie umfangreiche interaktive Dashboards und Berichte erstellen, ohne Leistung, Skalierbarkeit, Sicherheit oder Datenaktualität zu beeinträchtigen.

Vorteile von BI Engine

BI Engine bietet folgende Vorteile:

  • Schnell: Passen Sie die Leistung an die Geschäftsgeschwindigkeit an, indem Sie die Zeit auf Erkenntnisse reduzieren.
    Heutzutage ist es schwierig, Berichte schnell genug auszuführen, um Ihr Unternehmen datengesteuert zu steuern, indem betriebliche, vorgeschriebene Business Intelligence verwendet wird. Die Teams haben auch Probleme mit trägen Dashboards und veralteten Daten. BI Engine bietet eine Antwortzeit von weniger als einer Sekunde bei minimalen Ladezeiten und intelligentem Caching für in BigQuery gespeicherte Daten. Durch die Integration von BI Engine in BigQuery-Streaming können Sie Echtzeitdatenanalysen über Streaming-Daten durchführen, ohne die Schreibgeschwindigkeit oder Datenaktualität zu beeinträchtigen.
  • Vereinfachte Architektur: Starten Sie schnell, ohne komplexe Datenpipelines oder Server zu verwalten.
    Bei herkömmlichen BI-Systemen müssen Nutzer Daten von Data Warehousing-Plattformen auf Data Marts oder BI-Plattformen verschieben, um eine schnelle interaktive Analyse zu unterstützen. Dies erfordert normalerweise komplexe ETL-Pipelines für die Datenverschiebung. Die für diese ETL-Jobs erforderliche Zeit kann Ihre Berichterstellung verzögern und die Aktualität der Daten für kritische Entscheidungsunterstützungssysteme beeinträchtigen. BI Engine führt eine direkte Analyse in BigQuery durch. Dadurch entfällt die Notwendigkeit, Daten zu verschieben oder komplexe Datentransformations-Pipelines zu erstellen.
  • Nutzerfreundlichkeit: Nahtlose Interaktionen in BigQuery
    BI Engine verwendet die gleiche Schnittstelle wie BigQuery. Unabhängig von dem verwendeten BI-Tool können Sie daher die Vorteile der BI Engine SQL-Schnittstelle nutzen, ohne Änderungen an der Interaktion mit BigQuery vorzunehmen. Das bedeutet, dass eine Abfrage, die nicht für die Beschleunigung mit BI Engine geeignet ist, fehlschlägt und als reguläre Abfrage ausgeführt wird.
  • Smart Tuning: Sehr wenige Konfigurationseinstellungen
    Das selbstoptimierende Design von BI Engine optimiert Abfragen automatisch, indem Daten zwischen dem internen Speicher von BI Engine, dem BigQuery-Abfragecache und dem BigQuery-Speicher verschoben werden, um eine optimale Leistung und Ladezeiten für Dashboards sicherzustellen. Ihr BigQuery-Administrator kann mithilfe der Console problemlos BI Engine-Speicherkapazität hinzufügen und entfernen.

Best Practices für BI Engine

Beachten Sie beim Implementieren von BI Engine die folgenden Best Practices:

  • Isolation: Um sicherzustellen, dass eine bestimmte Gruppe von Abfragen immer beschleunigt wird, erstellen Sie ein separates Abrechnungsprojekt mit BI-Reservierung und achten Sie darauf, dass die Reservierungskapazität groß genug für das Projekt ist.
  • Abfragekomplexität: Die Leistung eignet sich am besten für vorab aggregierte Daten mit Filterung und Berechnung zusätzlich. BI Engine funktioniert auch gut mit einer kleinen Anzahl von Joins (Inner Join, Left Outer). Dies gilt insbesondere, wenn eine Seite des Join groß ist und die anderen wesentlich kleiner sind, z. B. wenn Sie eine große Faktentabelle abfragen, die mit einer kleinen Dimensionstabelle verknüpft ist.
  • Abfrageoptimierung: Verwenden Sie Partitionierung und Clustering, um die Leistung großer Tabellen zu optimieren. Wenn Ihr Dashboard beispielsweise nur die Daten des letzten Quartals anzeigt, sollten Sie eine Zeitaufteilung vornehmen, damit nur die neuesten Partitionen in den Speicher geladen werden.
  • Materialisierte Ansichten: Materialisierte Ansichten in BigQuery führen eine Vorausberechnung durch, wodurch die Abfragezeit reduziert wird. Sie sollten materialisierte Ansichten erstellen, um die Leistung zu verbessern und verarbeitete Daten mithilfe von Aggregationen, Filtern, internen Joins und Verschachtelungen zu reduzieren.
  • Leistungsvergleich: Mit den BI Engine-Logs und -Diagnosen können Sie feststellen, ob eine Abfrage vollständig oder teilweise mit BI Engine beschleunigt wurde. Führen Sie die gleichen Abfragen in einem Projekt mit BI Engine und einem anderen ohne BI Engine aus. Führen Sie die Abfragen mehrmals aus, um stabilere Ergebnisse zu erhalten.

Kontingente und Limits

Informationen zu Kontingenten und Limits für BI Engine finden Sie unter BigQuery-Kontingente und -Limits.

Eine Liste der Einschränkungen für die BI Engine-Abfragebeschleunigung, einschließlich der BigQuery API und anderer BI-Tools, finden Sie unter Übersicht über die SQL-Schnittstelle in BigQuery BI Engine.

Eine vollständige Liste der optimierten Funktionen und Operatoren in benutzerdefinierten Abfragen und Ansichten finden Sie unter Optimierte SQL-Funktionen und -Operatoren.

Unterstützte Regionen

BI Engine wird in denselben Regionen wie BigQuery unterstützt. Eine vollständige Liste der unterstützten Regionen und Multiregionen finden Sie auf der Seite Standorte.

Preise

Informationen zur BI Engine-Preisgestaltung finden Sie auf der Seite BI Engine-Preisgestaltung.

Nächste Schritte