Panoramica di BigQuery

BigQuery è un data warehouse aziendale completamente gestito che ti aiuta a gestire e analizzare i dati con funzionalità integrate come machine learning, analisi geospaziale e business intelligence. L'architettura serverless di BigQuery ti consente di utilizzare query SQL per rispondere alle domande più importanti della tua organizzazione senza alcuna gestione dell'infrastruttura. Le query federate ti consentono di leggere i dati da origini esterne, mentre i flussi di dati supportano gli aggiornamenti continui dei dati. Il motore di analisi scalabile e distribuito di BigQuery consente di eseguire query su terabyte in pochi secondi e petabyte.

L'architettura di BigQuery è costituita da due parti: un livello di archiviazione che importa, archivia e ottimizza i dati e un livello di computing che fornisce funzionalità di analisi. Questi livelli di computing e archiviazione operano in modo efficiente in modo indipendente l'uno dall'altro grazie alla rete su scala petabyte di Google, che consente la comunicazione necessaria tra loro.

In genere, i database legacy devono condividere le risorse per le operazioni di lettura/scrittura e le operazioni analitiche. Questo può causare conflitti tra le risorse e rallentare le query durante la scrittura o la lettura dei dati dallo spazio di archiviazione. I pool di risorse condivisi possono subire ulteriori sforzi quando sono necessarie risorse per attività di gestione del database, come l'assegnazione o la revoca delle autorizzazioni. La separazione dei livelli di calcolo e di archiviazione consente a ogni livello di allocare dinamicamente le risorse senza influire sulle prestazioni o sulla disponibilità dell'altro.

L'architettura BigQuery separa le risorse con una rete Petabit.

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

Le interfacce di BigQuery includono l'interfaccia della console Google Cloud e lo strumento a riga di comando di BigQuery. Sviluppatori e data scientist possono utilizzare librerie client con programmi 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 di dati, data engineer, amministratore di data warehouse o data scientist, BigQuery ti aiuta a caricare, elaborare e analizzare i dati per prendere decisioni aziendali critiche.

Inizia a utilizzare BigQuery

Puoi iniziare a esplorare BigQuery in pochi minuti. Sfrutta il livello di utilizzo gratuito o la sandbox senza costi di BigQuery per iniziare a caricare ed eseguire query sui dati.

  1. Sandbox di BigQuery: inizia nella sandbox di BigQuery, senza rischi e senza costi.
  2. Guida rapida della console Google Cloud: Acquisisci familiarità con la potenza della console BigQuery.
  3. Set di dati pubblici: scopri le prestazioni di BigQuery esplorando grandi dati reali del programma per set di dati pubblici.

Esplora BigQuery

L'infrastruttura serverless di BigQuery ti permette di concentrarti sui dati anziché sulla gestione delle risorse. BigQuery combina un data warehouse basato su cloud con 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 offre il supporto completo per la semantica delle transazioni del database (ACID). L'archiviazione di BigQuery viene replicata automaticamente in più località per garantire la disponibilità elevata.

Per ulteriori informazioni, consulta la Panoramica sullo spazio di archiviazione di BigQuery.

Analisi di BigQuery

Gli utilizzi dell'analisi descrittiva e prescrittiva includono business intelligence, analisi ad hoc, analisi geospaziale e machine learning. Puoi eseguire query sui dati archiviati in BigQuery o sui dati nella loro posizione utilizzando tabelle esterne o query federate, tra cui Cloud Storage, Bigtable, Spanner o Fogli Google archiviati su Google Drive.

  • Query SQL standard ANSI (supporto SQL:2011) che include il supporto per join, campi nidificati e ripetuti, funzioni di analisi e aggregazione, query con istruzioni multiple e una varietà di funzioni spaziali con analisi geospaziale: Geographic Information System.
  • Crea viste per condividere l'analisi.
  • Supporto per gli strumenti di business intelligence, tra cui BI Engine con Looker Studio, Looker, Fogli Google e strumenti di terze parti come Tableau e Power BI.
  • BigQuery ML offre machine learning e analisi predittiva.
  • BigQuery Studio (anteprima) offre funzionalità come i blocchi note Python e il controllo della versione sia per i blocchi note sia per le query salvate. Queste funzionalità semplificano il completamento dei flussi di lavoro di analisi dei dati e di machine learning (ML) in BigQuery.
  • Esegui query sui dati al di fuori di BigQuery con tabelle esterne e query federate.

Per ulteriori informazioni, consulta la panoramica di BigQuery Analytics.

Amministrazione di BigQuery

BigQuery offre una gestione centralizzata di dati e risorse di calcolo, mentre Identity and Access Management (IAM) ti consente di proteggere le risorse con il modello di accesso utilizzato in Google Cloud. Le best practice per la sicurezza di Google Cloud forniscono un approccio solido ma flessibile che può includere la sicurezza perimetrale tradizionale o un approccio di difesa in profondità più complesso e granulare.

  • L'introduzione alla sicurezza e alla governance dei dati ti aiuta a comprendere la governance dei dati e i controlli di cui potresti aver bisogno per proteggere le risorse BigQuery.
  • I job sono azioni che BigQuery esegue per tuo conto al fine di caricare, esportare, eseguire query o copiare i dati.
  • Le prenotazioni consentono di passare dai prezzi on demand ai prezzi basati sulla capacità.

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

Risorse di BigQuery

Esplora le risorse di BigQuery:

API, strumenti e riferimenti

Materiali di riferimento per sviluppatori e analisti BigQuery:

Ruoli e risorse BigQuery

BigQuery risponde alle esigenze dei professionisti dei dati in tutti i ruoli e le responsabilità seguenti.

Analista di dati

Indicazioni relative alle attività utili se devi:

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

Fai il tour

Amministratore dati

Indicazioni relative alle attività utili se devi:

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

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

Fai il tour

Data scientist

Indicazioni sulle attività utili se devi utilizzare il machine learning di BigQuery ML per:

Sviluppatore dati

Indicazioni relative alle attività utili se devi:

Tutorial video su BigQuery

La seguente serie di tutorial video per iniziare a utilizzare BigQuery:

Titolo

Descrizione

Come iniziare a utilizzare BigQuery (17:18) Una panoramica che riassume che cos'è BigQuery e come utilizzarlo. I segmenti includono: pipeline ETL, prezzi e ottimizzazione, BigQuery ML e BI Engine e la conclusione con una demo di BigQuery nella console Google Cloud.
Che cos'è BigQuery? (04:39) Una panoramica di BigQuery su come BigQuery è progettato per importare e archiviare grandi quantità di dati per aiutare analisti e sviluppatori
Utilizzo della sandbox di BigQuery (3:05) Come configurare una sandbox BigQuery, per eseguire query senza bisogno di carta di credito
Fare domande, eseguire query (5:11) Scrivere ed eseguire query SQL nell'interfaccia utente di BigQuery e scegliere il numero di maglia più adatto
Caricamento di dati in BigQuery (5:31) Come importare e analizzare i dati in tempo reale o solo un'analisi batch una tantum dei dati - più gatti e cani
Visualizzazione dei risultati della query (5:38) In che modo la visualizzazione dei dati è utile per semplificare la comprensione e l'interiorità di set di dati complessi
Gestione dell'accesso con IAM (5:23) Come consentire ad altri utenti di eseguire query sui tuoi set di dati in BigQuery con le autorizzazioni e il controllo dell'accesso IAM
Salvataggio e condivisione delle query (6:17) Come salvare e condividere facilmente le query in BigQuery
Protezione dei dati sensibili con le visualizzazioni autorizzate (7:12) Come condividere facilmente set di dati con utenti diversi impostando controlli dell'accesso personalizzati
Esecuzione di query su dati esterni con BigQuery (5:49) Come configurare un'origine dati esterna in BigQuery ed eseguire query sui dati da Cloud Storage, Cloud SQL, Google Drive e altro ancora
Che cosa sono le funzioni definite dall'utente? 04:59 Come creare funzioni definite dall'utente per l'analisi di set di dati in BigQuery

Passaggi successivi