地理空间分析简介
在 BigQuery 这样的数据仓库中，位置信息十分常见。许多关键业务决策都围绕位置数据来制定。例如，您可以记录送货车辆或包裹在不同时间点的经度和纬度。您还可以记录客户交易，并将数据连接到包含店面位置数据的另一个表格中。
您可以使用此类位置数据来判断包裹何时可能到达，或判断哪些客户应收到特定店面的邮件。借助地理空间分析，您可以使用地理位置数据类型和 GoogleSQL 地理位置函数来分析和直观呈现 BigQuery 中的地理空间数据。
限制
地理空间分析存在以下限制：
- 地理位置函数仅可在 GoogleSQL 中使用。
- 目前只有 Python 版 BigQuery 客户端库支持
GEOGRAPHY数据类型。对于其他客户端库，请使用ST_ASTEXT或ST_ASGEOJSON函数将GEOGRAPHY值转换为字符串。使用ST_AsText转换为文本只会存储一个值；转换为 WKT 则意味着数据会被标注为STRING类型，而不是GEOGRAPHY类型。
配额
地理空间分析的配额和限制适用于可以对包含地理空间数据的表运行的不同类型作业，包括如下作业类型：
要详细了解所有配额和限制，请参阅配额和限制。
价格
使用地理空间分析时，费用取决于以下因素：
- 包含地理空间数据的表格中存储的数据量
- 针对数据运行的查询
要了解存储价格，请参阅存储价格。
如需了解查询价格，请参阅分析价格模式。
很多表操作都是免费的，包括加载数据、复制表和导出数据。这些操作虽然免费，仍要受 BigQuery 配额和限制的约束。如需了解所有免费操作，请参阅价格页面上的免费操作。
后续步骤
- 如需开始使用地理空间分析，请参阅地理空间分析使用入门。
- 如需详细了解地理空间分析的可视化选项，请参阅直观呈现地理空间数据。
- 如需详细了解如何使用地理空间数据，请参阅使用地理空间数据。
- 如需详细了解如何将 Google Earth Engine 地理空间数据整合到 BigQuery 中，请参阅加载 Google Earth Engine 地理空间数据。
- 如需查看有关地理空间分析中的 GoogleSQL 函数的文档，请参阅 GoogleSQL 中的地理位置函数。
- 如需了解不同的网格系统，请参阅用于空间分析的网格系统。