Emplacements BigQuery
Cette page explique le concept d'emplacement et les différentes régions où les données peuvent être stockées et traitées. La tarification du stockage et de l'analyse est également définie par l'emplacement des données et des réservations. Pour en savoir plus sur les tarifs des emplacements, consultez la page Tarifs de BigQuery. Pour savoir comment définir l'emplacement de votre ensemble de données, consultez la page Créer des ensembles de données. Pour en savoir plus sur les emplacements de réservation, consultez la page Gérer les réservations dans différentes régions.
Pour en savoir plus sur la façon dont le service de transfert de données BigQuery utilise l'emplacement, consultez la section Emplacement des données et transferts.
Emplacements et régions
BigQuery propose deux types d'emplacements de données et de calcul :
Une région est un emplacement géographique spécifique, par exemple Londres.
Un emplacement multirégional correspond à un secteur géographique de grande étendue, par exemple les États-Unis, et comporte au moins deux régions. Les emplacements multirégionaux peuvent fournir des quotas plus élevés que les régions uniques.
Pour les deux types d'emplacement, BigQuery stocke automatiquement des copies de vos données dans deux zones Google Cloud distinctes au sein d'une même région, dans l'emplacement sélectionné. Pour en savoir plus sur la disponibilité et la durabilité des données, consultez la section Planification des sinistres.
Pays acceptés
Les ensembles de données BigQuery peuvent être stockés dans les régions et les emplacements multirégionaux suivants. Pour en savoir plus sur les régions et les zones, consultez la section Zones géographiques et régions.
Régions
Le tableau suivant répertorie les régions Amériques où BigQuery est disponible.Description de la région | Nom de la région | Détails |
---|---|---|
Columbus, Ohio | us-east5 |
|
Dallas | us-south1 |
Faibles émissions de CO2 |
Iowa | us-central1 |
Faibles émissions de CO2 |
Las Vegas | us-west4 |
|
Los Angeles | us-west2 |
|
Montréal | northamerica-northeast1 |
Faibles émissions de CO2 |
Virginie du Nord | us-east4 |
|
Oregon | us-west1 |
Faibles émissions de CO2 |
Salt Lake City | us-west3 |
|
São Paulo | southamerica-east1 |
Faibles émissions de CO2 |
Santiago | southamerica-west1 |
Faibles émissions de CO2 |
Caroline du Sud | us-east1 |
|
Toronto | northamerica-northeast2 |
Faibles émissions de CO2 |
Description de la région | Nom de la région | Détails |
---|---|---|
Delhi | asia-south2 |
|
Hong Kong | asia-east2 |
|
Jakarta | asia-southeast2 |
|
Melbourne | australia-southeast2 |
|
Mumbai | asia-south1 |
|
Osaka | asia-northeast2 |
|
Séoul | asia-northeast3 |
|
Singapour | asia-southeast1 |
|
Sydney | australia-southeast1 |
|
Taïwan | asia-east1 |
|
Tokyo | asia-northeast1 |
Description de la région | Nom de la région | Détails |
---|---|---|
Belgique | europe-west1 |
Faibles émissions de CO2 |
Berlin | europe-west10 |
Faibles émissions de CO2 |
Finlande | europe-north1 |
Faibles émissions de CO2 |
Francfort | europe-west3 |
Faibles émissions de CO2 |
Londres | europe-west2 |
Faibles émissions de CO2 |
Madrid | europe-southwest1 |
Faibles émissions de CO2 |
Milan | europe-west8 |
|
Pays-Bas | europe-west4 |
Faibles émissions de CO2 |
Paris | europe-west9 |
Faibles émissions de CO2 |
Turin | europe-west12 |
|
Varsovie | europe-central2 |
|
Zurich | europe-west6 |
Faibles émissions de CO2 |
Description de la région | Nom de la région | Détails |
---|---|---|
Dammam | me-central2 |
|
Doha | me-central1 |
|
Tel Aviv | me-west1 |
Description de la région | Nom de la région | Détails |
---|---|---|
Johannesburg | africa-south1 |
Emplacements multirégionaux
Le tableau suivant répertorie les emplacements multirégionaux où BigQuery est disponible.Description de la zone multirégionale | Nom de la zone multirégionale |
---|---|
Centres de données dans les États membres de l'Union européenne1 | EU |
Centres de données aux États-Unis2 | US |
1 Les données situées dans la zone multirégionale EU
ne sont stockées que dans l'un des emplacements suivants : europe-west1
(Belgique) ou europe-west4
(Pays-Bas).
L'emplacement exact où les données sont stockées et traitées est déterminé automatiquement par BigQuery.
2 Les données situées dans la zone multirégionale US
ne sont stockées que dans l'un des emplacements suivants : us-central1
(Iowa), us-west1
(Oregon) ou us-central2
(Oklahoma). L'emplacement exact où les données sont stockées et traitées est déterminé automatiquement par BigQuery.
Emplacements BigQuery Studio
BigQuery Studio vous permet d'enregistrer, de partager et de gérer des versions d'éléments de code telles que des notebooks et des requêtes enregistrées.
Le tableau suivant liste les régions dans lesquelles BigQuery Studio est disponible :
Description de la région | Nom de la région | Détails | |
---|---|---|---|
Afrique | |||
Johannesburg | africa-south1 |
||
Amériques | |||
Columbus | us-east5 |
||
Dallas | us-south1 |
Faibles émissions de CO2 | |
Iowa | us-central1 |
Faibles émissions de CO2 | |
Los Angeles | us-west2 |
||
Las Vegas | us-west4 |
||
Montréal | northamerica-northeast1 |
Faibles émissions de CO2 | |
Virginie du Virginie | us-east4 |
||
Oregon | us-west1 |
Faibles émissions de CO2 | |
São Paulo | southamerica-east1 |
Faibles émissions de CO2 | |
Caroline du Sud | us-east1 |
||
Asie-Pacifique | |||
Hong Kong | asia-east2 |
||
Jakarta | asia-southeast2 |
||
Mumbai | asia-south1 |
||
Séoul | asia-northeast3 |
||
Singapour | asia-southeast1 |
||
Sydney | australia-southeast1 |
||
Taïwan | asia-east1 |
||
Tokyo | asia-northeast1 |
||
Europe | |||
Belgique | europe-west1 |
Faibles émissions de CO2 | |
Francfort | europe-west3 |
Faibles émissions de CO2 | |
Londres | europe-west2 |
Faibles émissions de CO2 | |
Madrid | europe-southwest1 |
Faibles émissions de CO2 | |
Pays-Bas | europe-west4 |
Faibles émissions de CO2 | |
Turin | europe-west12 |
||
Zurich | europe-west6 |
Faibles émissions de CO2 | |
Moyen-Orient | |||
Doha | me-central1 |
||
Dammam | me-central2 |
Emplacements BigQuery Omni
BigQuery Omni traite les requêtes dans le même emplacement que l'ensemble de données contenant les tables que vous interrogez. Après avoir créé l'ensemble de données, la zone ne peut plus être modifiée. Vos données résident dans votre propre compte AWS ou Azure. Les régions BigQuery Omni sont compatibles avec les réservations de l'édition Enterprise et la tarification du calcul à la demande (analyse). Pour en savoir plus sur les éditions, consultez la page Présentation des éditions BigQuery.Description de la région | Nom de la région | Région BigQuery colocalisée | |
---|---|---|---|
AWS | |||
AWS Est des États-Unis (Virginie du Nord) | aws-us-east-1 |
us-east4 |
|
AWS Est des États-Unis (Oregon) | aws-us-west-2 |
us-west1 |
|
AWS – Asie-Pacifique (Séoul) | aws-ap-northeast-2 |
asia-northeast3 |
|
AWS – Asie-Pacifique (Sydney) | aws-ap-southeast-2 |
australia-southeast1 |
|
AWS – Europe (Irlande) | aws-eu-west-1 |
europe-west1 |
|
AWS – Europe (Francfort) | aws-eu-central-1 |
europe-west3 |
|
Azure | |||
Azure – Est des États-Unis 2 | azure-eastus2 |
us-east4 |
Emplacements BigQuery ML
BigQuery ML traite et classe les données dans le même emplacement que l'ensemble de données contenant les données.
BigQuery ML stocke vos données dans l'emplacement sélectionné conformément aux Conditions spécifiques du service.
La prédiction de modèle BigQuery ML et d'autres fonctions de ML sont acceptées dans toutes les régions BigQuery. La compatibilité de l'entraînement de modèle varie selon les régions :
L'entraînement des modèles entraînés en interne et des modèles importés est possible dans toutes les régions BigQuery.
L'entraînement pour les modèles d'auto-encodeur, d'arbre de décision à boosting, de DNN et de wide et deep learning est disponible dans les emplacements multirégionaux
US
etEU
, ainsi que dans la plupart des régions uniques. Pour en savoir plus, consultez la section Emplacements de tous les autres types de modèles.L'entraînement pour AutoML est compatible dans les emplacements multirégionaux
US
etEU
, ainsi que dans la plupart des régions uniques.
Emplacements pour des modèles distants
Cette section contient plus d'informations sur les emplacements compatibles pour les modèles distants et sur l'emplacement du traitement des modèles distants.Zones régionales
Le tableau suivant indique les régions compatibles avec différents types de modèles distants. Le nom de la colonne indique le type de modèle distant.Description de la région | Nom de la région | Modèles déployés Vertex AI | LLM de génération de texte | LLM d'embedding textuel | API Cloud Natural Language | API Cloud Translation | API Cloud Vision | API Document AI | API Speech-to-Text | |
---|---|---|---|---|---|---|---|---|---|---|
Amériques | ||||||||||
Columbus, Ohio | us-east5 |
|||||||||
Dallas | us-south1 |
● | ● | |||||||
Iowa | us-central1 |
● | ● | ● | ● | |||||
Las Vegas | us-west4 |
● | ● | ● | ||||||
Los Angeles | us-west2 |
● | ||||||||
Montréal | northamerica-northeast1 |
● | ● | ● | ||||||
Virginie du Nord | us-east4 |
● | ● | ● | ||||||
Oregon | us-west1 |
● | ● | ● | ● | |||||
Salt Lake City | us-west3 |
● | ||||||||
São Paulo | southamerica-east1 |
● | ● | |||||||
Santiago | southamerica-west1 |
|||||||||
Caroline du Sud | us-east1 |
● | ● | ● | ||||||
Toronto | northamerica-northeast2 |
● | ||||||||
Europe | ||||||||||
Belgique | europe-west1 |
● | ● | ● | ● | |||||
Finlande | europe-north1 |
● | ||||||||
Francfort | europe-west3 |
● | ● | ● | ● | |||||
Londres | europe-west2 |
● | ● | ● | ● | |||||
Madrid | europe-southwest1 |
|||||||||
Milan | europe-west8 |
● | ● | ● | ||||||
Pays-Bas | europe-west4 |
● | ● | ● | ● | |||||
Paris | europe-west9 |
● | ● | ● | ||||||
Turin | europe-west12 |
|||||||||
Varsovie | europe-central2 |
● | ||||||||
Zurich | europe-west6 |
● | ● | |||||||
Asie-Pacifique | ||||||||||
Delhi | asia-south2 |
|||||||||
Hong Kong | asia-east2 |
● | ● | |||||||
Jakarta | asia-southeast2 |
● | ||||||||
Melbourne | australia-southeast2 |
|||||||||
Mumbai | asia-south1 |
● | ● | ● | ||||||
Osaka | asia-northeast2 |
|||||||||
Séoul | asia-northeast3 |
● | ● | ● | ||||||
Singapour | asia-southeast1 |
● | ● | ● | ● | |||||
Sydney | australia-southeast1 |
● | ● | ● | ||||||
Taïwan | asia-east1 |
● | ● | |||||||
Tokyo | asia-northeast1 |
● | ● | ● | ● | |||||
Moyen-Orient | ||||||||||
Dammam | me-central2 |
|||||||||
Doha | me-central1 |
|||||||||
Tel Aviv | me-west1 |
● | ● |
Zones multirégionales
Le tableau suivant indique les emplacements multirégionaux compatibles avec différents types de modèles distants. Le nom de la colonne indique le type de modèle distant.Description de la région | Nom de la région | Modèles déployés Vertex AI | LLM de génération de texte | LLM d'embedding textuel | API Cloud Natural Language | API Cloud Translation | API Cloud Vision | API Document AI | API Speech-to-Text |
---|---|---|---|---|---|---|---|---|---|
Centres de données dans les États membres de l'Union européenne1 | EU |
● | ● | ● | ● | ● | ● | ||
Centres de données aux États-Unis | US |
● | ● | ● | ● | ● | ● | ● |
Emplacements de traitement pour les modèles Google hébergés
Pour les modèles distants sur un modèle Google hébergé dans Vertex AI, l'emplacement du traitement est affecté par l'emplacement de l'ensemble de données dans lequel se trouvent les modèles distants.
Si l'ensemble de données dans lequel vous créez le modèle distant se trouve dans une seule région, le point de terminaison du modèle Vertex AI doit se trouver dans la même région. Si vous spécifiez l'URL du point de terminaison du modèle, utilisez le point de terminaison dans la même région que l'ensemble de données. Par exemple, si l'ensemble de données se trouve dans la région us-central1
, spécifiez le point de terminaison https://us-central1-aiplatform.googleapis.com/v1/projects/myproject/locations/us-central1/publishers/google/models/<target_model>
.
Si vous spécifiez le nom du modèle, BigQuery ML choisit automatiquement le point de terminaison dans la région appropriée.
Si l'ensemble de données dans lequel vous créez le modèle distant se trouve dans une région multirégionale, le point de terminaison du modèle Vertex AI doit se trouver dans une région de cette région multirégionale. Par exemple, si l'ensemble de données se trouve dans l'emplacement multirégional eu
, vous pouvez spécifier l'URL du point de terminaison de la région europe-west6
, https://europe-west6-aiplatform.googleapis.com/v1/projects/myproject/locations/europe-west6/publishers/google/models/<target_model>
.
Si vous spécifiez le nom du modèle au lieu de l'URL du point de terminaison, BigQuery ML utilise par défaut le point de terminaison europe-west4
pour les ensembles de données de la multirégion eu
et le point de terminaison us-central1
pour les ensembles de données de la multirégion us
.
Emplacements pour tous les autres types de modèles
Cette section contient plus d'informations sur les emplacements compatibles pour tous les types de modèles, à l'exception des modèles distants.Zones régionales
Description de la région | Nom de la région | Modèles importés |
Entraînement du modèle intégré |
Entraînement de modèles DNN/ d'auto-encodeur/ d'arbre de décision à boosting/ de wide et deep learning |
Entraînement du modèle AutoML |
Réglages d'hyperparamètres |
Intégration de Vertex AI Model Registry | ||
---|---|---|---|---|---|---|---|---|---|
Amériques | |||||||||
Columbus, Ohio | us-east5 |
● | ● | ||||||
Dallas | us-south1 |
● | ● | ||||||
Iowa | us-central1 |
● | ● | ● | ● | ● | ● | ||
Las Vegas | us-west4 |
● | ● | ● | ● | ||||
Los Angeles | us-west2 |
● | ● | ● | ● | ||||
Montréal | northamerica-northeast1 |
● | ● | ● | ● | ● | ● | ||
Virginie du Nord | us-east4 |
● | ● | ● | ● | ● | ● | ||
Oregon | us-west1 |
● | ● | ● | ● | ● | |||
Salt Lake City | us-west3 |
● | ● | ● | |||||
São Paulo | southamerica-east1 |
● | ● | ● | ● | ||||
Santiago | southamerica-west1 |
● | ● | ||||||
Caroline du Sud | us-east1 |
● | ● | ● | ● | ● | |||
Toronto | northamerica-northeast2 |
● | ● | ● | |||||
Europe | |||||||||
Belgique | europe-west1 |
● | ● | ● | ● | ● | ● | ||
Berlin | europe-west10 |
● | ● | ||||||
Finlande | europe-north1 |
● | ● | ● | |||||
Francfort | europe-west3 |
● | ● | ● | ● | ● | ● | ||
Londres | europe-west2 |
● | ● | ● | ● | ● | ● | ||
Madrid | europe-southwest1 |
● | ● | ||||||
Milan | europe-west8 |
● | ● | ||||||
Pays-Bas | europe-west4 |
● | ● | ● | ● | ● | ● | ||
Paris | europe-west9 |
● | ● | ||||||
Turin | europe-west12 |
● | |||||||
Varsovie | europe-central2 |
● | ● | ||||||
Zurich | europe-west6 |
● | ● | ● | ● | ● | ● | ||
Asie-Pacifique | |||||||||
Delhi | asia-south2 |
● | ● | ||||||
Hong Kong | asia-east2 |
● | ● | ● | ● | ● | ● | ||
Jakarta | asia-southeast2 |
● | ● | ● | |||||
Melbourne | australia-southeast2 |
● | ● | ||||||
Mumbai | asia-south1 |
● | ● | ● | ● | ● | |||
Osaka | asia-northeast2 |
● | ● | ● | |||||
Séoul | asia-northeast3 |
● | ● | ● | ● | ● | ● | ||
Singapour | asia-southeast1 |
● | ● | ● | ● | ● | ● | ||
Sydney | australia-southeast1 |
● | ● | ● | ● | ● | ● | ||
Taïwan | asia-east1 |
● | ● | ● | ● | ● | ● | ||
Tokyo | asia-northeast1 |
● | ● | ● | ● | ● | ● | ||
Moyen-Orient | |||||||||
Dammam | me-central2 |
● | |||||||
Doha | me-central1 |
● | |||||||
Tel Aviv | me-west1 |
● | ● | ||||||
Afrique | |||||||||
Johannesburg | africa-south1 |
● | ● |
Zones multirégionales
Description de la région | Nom de la région | Modèles importés |
Entraînement du modèle intégré |
Entraînement de modèles DNN/d'auto-encodeur/ d'arbre de décision à boosting/ de wide et deep learning |
Entraînement du modèle AutoML |
Réglages d'hyperparamètres |
Intégration de Vertex AI Model Registry |
---|---|---|---|---|---|---|---|
Centres de données dans les États membres de l'Union européenne1 | EU |
● | ● | ● | ● | ● | ● |
Centres de données aux États-Unis | US |
● | ● | ● | ● | ● | ● |
1 Les données situées dans la zone multirégionale EU
ne sont pas stockées dans les centres de données des régions europe-west2
(Londres) ou europe-west6
(Zurich).
L'intégration de Vertex AI Model Registry n'est possible que pour les intégrations dans une seule région. Si vous envoyez un modèle BigQuery ML multirégional à Model Registry, il est converti en modèle régional dans Vertex AI.
Un modèle États-Unis multirégional BigQuery ML est synchronisé avec Vertex AI us-central1
et un modèle UE multirégional BigQuery ML avec Vertex AI europe-west4
. Pour les modèles dans une seule région, il n'y a pas de modification.
Emplacements des traducteurs SQL BigQuery
Lors de la migration de données de votre ancien entrepôt de données vers BigQuery, vous pouvez faire appel à plusieurs traducteurs SQL pour traduire vos requêtes SQL en langage GoogleSQL ou dans d'autres dialectes SQL compatibles. Ceux-ci incluent le traducteur SQL interactif, l'API de traduction SQL et le traducteur SQL par lot.
Les traducteurs SQL BigQuery sont disponibles dans les emplacements de traitement suivants :
Description de la région | Nom de la région | Détail | |
---|---|---|---|
Asie-Pacifique | |||
Tokyo | asia-northeast1 |
||
Mumbai | asia-south1 |
||
Singapour | asia-southeast1 |
||
Sydney | australia-southeast1 |
||
Europe | |||
UE (multirégional) | eu |
||
Varsovie | europe-central2 |
||
Finlande | europe-north1 |
Faibles émissions de CO2 | |
Madrid | europe-southwest1 |
Faibles émissions de CO2 | |
Belgique | europe-west1 |
Faibles émissions de CO2 | |
Londres | europe-west2 |
Faibles émissions de CO2 | |
Francfort | europe-west3 |
Faibles émissions de CO2 | |
Pays-Bas | europe-west4 |
Faibles émissions de CO2 | |
Zurich | europe-west6 |
Faibles émissions de CO2 | |
Paris | europe-west9 |
Faibles émissions de CO2 | |
Turin | europe-west12 |
||
Amériques | |||
Québec | northamerica-northeast1 |
Faibles émissions de CO2 | |
São Paulo | southamerica-east1 |
Faibles émissions de CO2 | |
États-Unis (multirégional) | us |
||
Iowa | us-central1 |
Faibles émissions de CO2 | |
Caroline du Sud | us-east1 |
||
Virginie du Nord | us-east4 |
||
Columbus, Ohio | us-east5 |
||
Dallas | us-south1 |
Faibles émissions de CO2 | |
Oregon | us-west1 |
Faibles émissions de CO2 | |
Los Angeles | us-west2 |
||
Salt Lake City | us-west3 |
Outil de recommandation de partitionnement et de clustering BigQuery
L'outil de recommandation de partitionnement et de clustering BigQuery génère des recommandations de partition ou de cluster pour optimiser vos tables BigQuery.
L'outil de recommandation de partitionnement et de clustering est disponible dans les emplacements de traitement suivants :
Description de la région | Nom de la région | Détail | |
---|---|---|---|
Asie-Pacifique | |||
Delhi | asia-south2 |
||
Hong Kong | asia-east2 |
||
Jakarta | asia-southeast2 |
||
Mumbai | asia-south1 |
||
Osaka | asia-northeast2 |
||
Séoul | asia-northeast3 |
||
Singapour | asia-southeast1 |
||
Sydney | australia-southeast1 |
||
Taïwan | asia-east1 |
||
Tokyo | asia-northeast1 |
||
Europe | |||
Belgique | europe-west1 |
Faibles émissions de CO2 | |
Berlin | europe-west10 |
Faibles émissions de CO2 | |
UE (multirégional) | eu |
||
Francfort | europe-west3 |
Faibles émissions de CO2 | |
Londres | europe-west2 |
Faibles émissions de CO2 | |
Pays-Bas | europe-west4 |
Faibles émissions de CO2 | |
Zurich | europe-west6 |
Faibles émissions de CO2 | |
Amériques | |||
Iowa | us-central1 |
Faibles émissions de CO2 | |
Las Vegas | us-west4 |
||
Los Angeles | us-west2 |
||
Montréal | northamerica-northeast1 |
Faibles émissions de CO2 | |
Virginie du Nord | us-east4 |
||
Oregon | us-west1 |
Faibles émissions de CO2 | |
Salt Lake City | us-west3 |
||
São Paulo | southamerica-east1 |
Faibles émissions de CO2 | |
Toronto | northamerica-northeast2 |
Faibles émissions de CO2 | |
États-Unis (multirégional) | us |
Spécifier des emplacements
Lors du chargement, de l'interrogation ou de l'exportation de données, BigQuery détermine la zone d'exécution de la tâche en fonction des ensembles de données référencés dans la requête. Par exemple, si une requête fait référence à une table d'un ensemble de données stocké dans la région asia-northeast1
, la tâche de requête est exécutée dans cette région.
Si une requête ne fait pas référence à des tables ou à d'autres ressources contenues dans des ensembles de données et qu'aucune table de destination n'est fournie, le job de requête est exécuté dans l'emplacement multirégional US
. Pour vous assurer que les requêtes BigQuery sont stockées dans une région ou un emplacement multirégional spécifique, spécifiez l'emplacement avec la requête de job afin d'acheminer la requête en conséquence lors de l'utilisation du point de terminaison mondial BigQuery. Si vous ne spécifiez pas l'emplacement, les requêtes peuvent être stockées temporairement dans les journaux de routeur BigQuery lorsque la requête est utilisée pour déterminer l'emplacement de traitement dans BigQuery.
Si le projet a une réservation basée sur la capacité dans une région autre que US
et que la requête ne fait référence à aucune table ou autre ressource contenue dans les ensembles de données, vous devez spécifier explicitement l'emplacement de la réservation basée sur la capacité lors de l'envoi de la tâche. Les engagements basés sur la capacité sont liés à un emplacement, tel que US
ou EU
. Si vous exécutez un job en dehors de l'emplacement de votre capacité, la tarification de ce job passe automatiquement à la tarification à la demande.
Vous pouvez spécifier l'emplacement d'exécution de la tâche de façon explicite de différentes manières :
- Lorsque vous interrogez des données à l'aide de la console Google Cloud dans l'éditeur de requête, cliquez sur Plus > Paramètres de requête, développez la section Options avancées, puis sélectionnez votre emplacement de données.
- Lorsque vous utilisez l'outil de ligne de commande bq, renseignez l'option globale
--location
en définissant la valeur sur votre emplacement. - Lorsque vous utilisez l'API, spécifiez votre région dans la propriété
location
de la sectionjobReference
de la ressource associée à la tâche.
BigQuery renvoie une erreur si la zone spécifiée ne correspond pas à la zone des ensembles de données dans la requête. L'emplacement de tous les ensembles de données impliqués dans la requête, y compris ceux lus et écrits, doit correspondre à l'emplacement de la tâche tel qu'il est déduit ou spécifié.
Les emplacements régionaux ne correspondent pas aux emplacements multirégionaux, même si l'emplacement régional est contenu dans l'emplacement multirégional. Par conséquent, une requête ou une tâche échoue si l'emplacement inclut à la fois un emplacement régional et un emplacement multirégional. Par exemple, si l'emplacement d'un job est défini sur US
, le job échoue s'il fait référence à un ensemble de données dans us-central1
. De même, un job faisant référence à un ensemble de données dans US
et un autre dans us-central1
échouera. Cela s'applique également aux instructions JOIN
avec des tables situées à la fois dans une région et dans un emplacement multirégional.
Les requêtes dynamiques ne sont pas analysées avant leur exécution. Elles ne peuvent donc pas être utilisées pour déterminer automatiquement la région d'une requête.
Emplacements, réservations et jobs
Les engagements de capacité sont une ressource régionale. Lorsque vous achetez des emplacements, ceux-ci sont limités à une ou plusieurs régions spécifiques. Si votre engagement de capacité ne concerne que la région EU
, vous ne pouvez pas créer de réservation dans la région US
. Lorsque vous créez une réservation, vous spécifiez un lieu (une région) et un nombre d'emplacements.
Ces emplacements sont extraits de votre engagement de capacité dans cette région.
De même, lorsque vous exécutez un job dans une région, il n'utilise une réservation que si l'emplacement du job correspond à l'emplacement d'une réservation. Par exemple, si vous attribuez une réservation à un projet dans la région EU
et que vous exécutez une requête dans ce projet sur un ensemble de données situé dans la région US
, cette requête n'est pas exécutée sur votre réservation dans la région EU
. En l'absence de réservation dans la région US
, le job est exécuté à la demande.
Considérations relatives aux emplacements
Lorsque vous choisissez un emplacement pour les données, envisagez d'entreprendre les actions suivantes :
Cloud Storage
Vous pouvez interagir avec les données Cloud Storage à l'aide de BigQuery de différentes manières :
- Interroger des données Cloud Storage à l'aide de tables externes BigLake ou non BigLake
- Charger des données Cloud Storage dans BigQuery
- Exporter des données de BigQuery vers Cloud Storage
Interroger les données Cloud Storage
Lorsque vous interrogez des données dans Cloud Storage à l'aide d'une table externe BigLake ou non BigLake, les données interrogées doivent être cohébergées avec votre ensemble de données BigQuery. Par exemple :
Bucket à région unique : si votre ensemble de données BigQuery se trouve dans l'emplacement de Varsovie (
europe-central2
), le bucket Cloud Storage correspondant doit également se trouver dans la région de Varsovie ou dans un emplacement birégional Cloud Storage qui inclut Varsovie. Si votre ensemble de données BigQuery se trouve dans l'emplacement multirégionalUS
, le bucket Cloud Storage peut se trouver dans l'emplacement multirégionalUS
, dans l'Iowa (us-central1
) ou dans n'importe quel emplacement birégional comprenant l'Iowa. Les requêtes provenant d'un autre emplacement à région unique échouent, même si le bucket se trouve dans un emplacement inclus dans l'emplacement multirégional de l'ensemble de données. Par exemple, si les tables externes se trouvent dans l'emplacement multirégionalUS
et que le bucket Cloud Storage se trouve dans l'Oregon (us-west1
), le job échouera.Si votre ensemble de données BigQuery se trouve dans l'emplacement multirégional
EU
, le bucket Cloud Storage peut se trouver dans l'emplacement multirégionalEU
, dans la région unique en Belgique (europe-west1
) ou dans n'importe quel emplacement birégional qui inclut la Belgique. Les requêtes provenant d'un autre emplacement à région unique échouent, même si le bucket se trouve dans un emplacement inclus dans l'emplacement multirégional de l'ensemble de données. Par exemple, si les tables externes se trouvent dans l'emplacement multirégionalEU
et que le bucket Cloud Storage se trouve à Varsovie (europe-central2
), le job échouera.Bucket birégional : si votre ensemble de données BigQuery se trouve dans la région Tokyo (
asia-northeast1
), le bucket Cloud Storage correspondant doit se trouver dans la région de Tokyo, ou dans un emplacement birégional qui inclut Tokyo, comme l'emplacement birégionalASIA1
.Si le bucket Cloud Storage se trouve dans l'emplacement birégional
NAM4
ou dans tout emplacement birégional incluant la région de l'Iowa (us-central1
), l'ensemble de données BigQuery correspondant peut se trouver dans l'emplacement multirégionalUS
ou dans l'Iowa (us-central1
).Si le bucket Cloud Storage se trouve dans l'emplacement birégional
EUR4
ou dans tout emplacement birégional incluant la région Belgique (europe-west1
), l'ensemble de données BigQuery correspondant peut se trouver dans l'emplacement multirégionalEU
ou en Belgique (europe-west1
).Bucket multirégional : l'utilisation d'emplacements d'ensembles de données multirégionaux avec des buckets Cloud Storage multirégionaux n'est pas recommandée pour les tables externes, car les performances des requêtes externes dépendent d'une latence minimale et d'une bande passante réseau optimale
Si votre ensemble de données BigQuery se trouve dans la multirégion
US
, le bucket Cloud Storage correspondant doit se trouver dans la zone multirégionaleUS
, dans une zone birégionale qui inclut l'Iowa (us-central1
), par exemple la zone birégionaleNAM4
, ou dans une zone birégionale personnalisée comprenant l'Iowa (us-central1
).Si votre ensemble de données BigQuery se trouve dans la zone multirégionale
EU
, le bucket Cloud Storage correspondant doit se trouver dans la zone multirégionaleEU
, dans une zone birégionale qui inclut la Belgique (europe-west1
), par exemple la zone birégionaleEUR4
, ou dans une zone birégionale personnalisée comprenant la Belgique.
Pour en savoir plus sur les emplacements Cloud Storage, consultez la section Emplacements des buckets dans la documentation de Cloud Storage.
Charger des données depuis Cloud Storage
Lorsque vous chargez des données à partir de Cloud Storage, elles doivent être colocalisées avec votre ensemble de données BigQuery.
Vous pouvez charger des données à partir d'un bucket Cloud Storage situé dans n'importe quel emplacement, si votre ensemble de données BigQuery se trouve dans l'emplacement multirégional
US
.- Bucket multirégional : Si le bucket Cloud Storage à partir duquel vous souhaitez effectuer le chargement se trouve dans un bucket multirégional, votre ensemble de données BigQuery peut se trouver dans le même bucket multirégional ou dans toute région unique incluse dans le même bucket multirégional.
Par exemple, si le bucket Cloud Storage se trouve dans la région
EU
, votre ensemble de données BigQuery peut se trouver dans l'emplacement multirégionalEU
ou dans n'importe quelle région deEU
. Bucket birégional : si le bucket Cloud Storage à partir duquel vous souhaitez effectuer le chargement se trouve dans un bucket birégional, votre ensemble de données BigQuery peut être situé dans des régions incluses dans le bucket birégional, ou dans un emplacement multirégional qui inclut la zone birégionale. Par exemple, si votre bucket Cloud Storage est situé dans la région
EUR4
, votre ensemble de données BigQuery peut se trouver dans la région unique "Finlande" (europe-north1
) ou "Pays-Bas" (europe-west4
) unique, ou dans l'emplacement multirégionalEU
.Bucket à région unique : si le bucket Cloud Storage à partir duquel vous souhaitez effectuer le chargement se trouve dans une région unique, votre ensemble de données BigQuery peut se trouver dans la même région, ou dans l'emplacement multirégional qui inclut l'emplacement régional unique. Par exemple, si votre bucket Cloud Storage se trouve dans la région Finlande (
europe-north1
), votre ensemble de données BigQuery peut se trouver dans l'emplacement multirégional Finlande ouEU
.Si votre ensemble de données BigQuery se trouve dans la région
asia-northeast1
, votre bucket Cloud Storage peut être situé dans l'emplacement multirégionalEU
.
Pour en savoir plus, consultez la section Charger des données par lot.
Exporter des données vers Cloud Storage
Cohébergez vos buckets Cloud Storage pour exporter des données :- Si votre ensemble de données BigQuery se trouve dans la zone multirégionale
EU
, le bucket Cloud Storage contenant les données que vous exportez doit se trouver dans la même zone multirégionale ou dans un emplacement inclus dans la zone multirégionale. Par exemple, si votre ensemble de données BigQuery se trouve dans la zone multirégionaleEU
, le bucket Cloud Storage peut être situé dans la région de Belgiqueeurope-west1
, qui se trouve dans l'Union européenne.Si votre ensemble de données se trouve dans la zone multirégionale
US
, vous pouvez exporter des données dans un bucket Cloud Storage situé à n'importe quel emplacement. - Si votre ensemble de données se trouve dans une région, votre bucket Cloud Storage doit se situer dans la même région. Par exemple, si votre ensemble de données se trouve dans la région de Tokyo
asia-northeast1
, votre bucket Cloud Storage ne peut pas se trouver dans l'emplacement multirégionalASIA
.
Pour en savoir plus, consultez la page Exporter des données de table.
Bigtable
Vous devez tenir compte de l'emplacement lorsque vous interrogez des données à partir de Bigtable ou que vous exportez des données vers Bigtable.
Interroger des données Bigtable
Lorsque vous interrogez des données dans Bigtable via une table externe BigQuery, votre instance Bigtable doit se situer au même emplacement que votre ensemble de données BigQuery :
- Région unique : si votre ensemble de données BigQuery se trouve dans la région régionale Belgique (
europe-west1
), l'instance Bigtable correspondante doit se trouver dans la région Belgique. - Multirégional : les performances des requêtes externes dépendent d'une latence minimale et d'une bande passante réseau optimale. Il n'est donc pas recommandé d'utiliser des emplacements d'ensembles de données multirégionaux pour les tables externes sur Bigtable.
Pour en savoir plus sur les emplacements Bigtable compatibles, consultez la page Emplacements Bigtable.
Exporter des données vers Bigtable
- Si votre ensemble de données BigQuery se trouve dans une zone multirégionale, votre profil d'application Bigtable doit être configuré pour acheminer les données vers un cluster Bigtable au sein de cette zone multirégionale.
Par exemple, si votre ensemble de données BigQuery se trouve dans la zone multirégionale
US
, le cluster Bigtable peut être situé dans la régionus-west1
(Oregon), qui se trouve aux États-Unis. - Si votre ensemble de données BigQuery se trouve dans une seule région, votre profil d'application Bigtable doit être configuré pour acheminer les données vers un cluster Bigtable de la même région. Par exemple, si votre ensemble de données BigQuery se trouve dans la région
asia-northeast1
(Tokyo), votre cluster Bigtable doit également se trouver dans la régionasia-northeast1
(Tokyo).
Google Drive
Les considérations concernant les emplacements ne s'appliquent pas aux sources de données externes Google Drive.
Cloud SQL
Lorsque vous interrogez des données dans Cloud SQL via une requête fédérée BigQuery, votre instance Cloud SQL doit se trouver dans le même emplacement que votre ensemble de données BigQuery.
- Région unique : si votre ensemble de données BigQuery se trouve dans l'emplacement régional Belgique (
europe-west1
), l'instance Cloud SQL correspondante doit se trouver dans la région Belgique. - Multirégional : si votre ensemble de données BigQuery se trouve dans l'emplacement multirégional
US
, l'instance Cloud SQL correspondante doit se trouver dans une région unique de la zone géographique des États-Unis.
Pour en savoir plus sur les emplacements Cloud SQL compatibles, consultez la page Emplacements Cloud SQL.
Spanner
Lorsque vous interrogez des données dans Spanner via une requête fédérée BigQuery, votre instance Spanner doit se trouver dans le même emplacement que votre ensemble de données BigQuery.
- Région unique : si votre ensemble de données BigQuery se trouve dans l'emplacement régional Belgique (
europe-west1
), l'instance Spanner correspondante doit se trouver dans la région Belgique. - Multirégional : si votre ensemble de données BigQuery se trouve dans l'emplacement multirégional
US
, l'instance Spanner correspondante doit se trouver dans une région unique de la zone géographique des États-Unis.
Pour en savoir plus sur les emplacements Spanner compatibles, consultez la page Emplacements Spanner.
Outils d'analyse
Cohébergez votre ensemble de données BigQuery avec vos outils d'analyse :- Dataproc : lorsque vous interrogez des ensembles de données BigQuery à l'aide d'un connecteur BigQuery, votre ensemble de données BigQuery doit se trouver en colocation avec votre cluster Dataproc. Dataproc est disponible dans tous les emplacements Compute Engine.
- Vertex AI Workbench : lorsque vous interrogez des ensembles de données BigQuery à l'aide de notebooks Jupyter dans Vertex AI Workbench, votre ensemble de données BigQuery doit être colocalisé avec votre instance Vertex AI Workbench. Consultez les emplacements compatibles avec Vertex AI Workbench.
Plans de gestion des données
Élaborez un plan de gestion des données :- Si vous choisissez une ressource de stockage régionale, telle qu'un ensemble de données BigQuery ou un bucket Cloud Storage, élaborez un plan de gestion géographique des données.
Limiter les emplacements
Vous pouvez limiter les emplacements dans lesquels vos ensembles de données peuvent être créés à l'aide du service de règles d'administration. Pour en savoir plus, consultez les pages Limiter les emplacements de ressources et Services compatibles avec les emplacements de ressources.
Sécurité des ensembles de données
Pour savoir comment contrôler l'accès aux ensembles de données dans BigQuery, consultez la page Contrôler l'accès aux ensembles de données. Pour en savoir plus sur le chiffrement des données, consultez la page Chiffrement au repos.
Étapes suivantes
- Découvrez comment créer des ensembles de données.
- Découvrez comment charger des données dans BigQuery.
- En savoir plus sur les tarifs de BigQuery.
- Affichez tous les services Google Cloud disponibles dans le monde entier.
- Découvrez les autres concepts basés sur l'emplacement, tels que les zones, qui s'appliquent à d'autres services Google Cloud.