Descripción general de BigQuery

BigQuery es una plataforma de datos completamente administrada y lista para la IA que te ayuda a administrar y analizar tus datos con funciones integradas como el aprendizaje automático, la búsqueda, el análisis geoespacial y la inteligencia empresarial. La arquitectura sin servidores de BigQuery te permite usar lenguajes como SQL y Python para responder las preguntas más importantes de tu organización sin necesidad de administrar la infraestructura.

BigQuery proporciona una manera uniforme de trabajar con datos estructurados y no estructurados, y es compatible con formatos de tablas abiertas, como Apache Iceberg, Delta y Hudi. La transmisión de BigQuery admite la transferencia y el análisis continuos de datos, mientras que el motor de análisis distribuido y escalable de BigQuery te permite consultar terabytes en segundos y petabytes en minutos.

La arquitectura de BigQuery consta de dos partes: una capa de almacenamiento que transfiere, almacena y optimiza datos, y una capa de procesamiento que proporciona capacidades de estadísticas. Estas capas de procesamiento y almacenamiento operan de forma independiente unas de otras gracias a la red de escala de petabytes de Google que permite la comunicación necesaria entre ellas.

Por lo general, las bases de datos heredadas deben compartir recursos entre las operaciones de lectura y escritura, y las operaciones analíticas. Esto puede generar conflictos de recursos y puede ralentizar las consultas mientras los datos se escriben o leen desde el almacenamiento. Los grupos de recursos compartidos pueden verse aún más entrenados cuando se necesitan recursos para las tareas de administración de bases de datos, como asignar o revocar permisos. La separación de las capas de procesamiento y almacenamiento de BigQuery permite que cada capa asigne recursos de forma dinámica sin afectar el rendimiento ni la disponibilidad de la otra.

La arquitectura de BigQuery separa los recursos con la red de petabytes.

Este principio de separación permite que BigQuery innove más rápido, ya que las mejoras de almacenamiento y procesamiento se pueden implementar de forma independiente, sin tiempo de inactividad ni impacto negativo en el rendimiento del sistema. También es esencial ofrecer un almacén de datos sin servidores completamente administrado en el que el equipo de ingeniería de BigQuery se encarga de las actualizaciones y el mantenimiento. Como resultado, no necesitas aprovisionar ni escalar de forma manual los recursos, lo que te permite enfocarte en entregar valor en lugar de las tareas tradicionales de administración de bases de datos.

Las interfaces de BigQuery incluyen la interfaz de la consola de Google Cloud y la herramienta de línea de comandos de BigQuery. Los desarrolladores y científicos de datos pueden usar bibliotecas cliente con programación conocida, como Python, Java, JavaScript y Go, así como la API de REST y la API de RPC de BigQuery para transformar y administrar datos. Los controladores ODBC y JDBC proporcionan interacción con las aplicaciones existentes, incluidas las herramientas y las utilidades de terceros.

Como analista de datos, ingeniero de datos, administrador de almacenes de datos o científico de datos, BigQuery te ayuda a cargar, procesar y analizar datos para tomar decisiones empresariales críticas.

Primeros pasos con BigQuery

Puedes comenzar a explorar BigQuery en minutos. Aprovecha el nivel de uso gratuito de BigQuery o la zona de pruebas sin costo para comenzar a cargar y consultar datos.

  1. Zona de pruebas de BigQuery: comienza a usar la zona de pruebas de BigQuery sin riesgo y sin costo.
  2. Guía de inicio rápido de la consola de Google Cloud: familiarízate con la potencia de BigQuery Console.
  3. Conjuntos de datos públicos: Experimenta el rendimiento de BigQuery mediante la exploración de datos grandes y reales del programa de conjuntos de datos públicos.

Explora BigQuery

La infraestructura sin servidores de BigQuery permite que te enfoques en los datos en lugar de la administración de recursos. BigQuery combina un almacén de datos basado en la nube y herramientas de análisis potentes.

Almacenamiento de BigQuery

BigQuery almacena datos mediante un formato de almacenamiento en columnas optimizado para consultas analíticas. BigQuery presenta datos en tablas, filas y columnas y proporciona compatibilidad total con la semántica de transacción de la base de datos (ACID). El almacenamiento de BigQuery se replica de forma automática en varias ubicaciones para proporcionar una alta disponibilidad.

Para obtener más información, consulta Descripción general del almacenamiento de BigQuery.

Estadísticas de BigQuery

Los usos descriptivos y prescriptivos del análisis incluyen inteligencia empresarial, análisis ad hoc, estadísticas geoespaciales y aprendizaje automático. Puedes consultar datos almacenados en BigQuery o ejecutar consultas sobre datos en su ubicación mediante tablas externas o consultas federadas, incluidas Cloud Storage, Bigtable, Spanner o Hojas de cálculo de Google almacenadas en Google Drive.

  • Consultas de SQL estándar ANSI (compatibilidad con SQL:2011), incluida la compatibilidad con uniones, campos anidados y repetidos, funciones analíticas y de agregación, consultas de varias instrucciones y una variedad de funciones espaciales con estadísticas geoespaciales: sistemas de información geográfica.
  • Crea vistas para compartir tu análisis.
  • Compatibilidad con herramientas de inteligencia empresarial, incluida BI Engine con Looker Studio, Looker, Hojas de cálculo de Google y herramientas de terceros como Tableau y Power BI.
  • BigQuery ML proporciona aprendizaje automático y estadísticas predictivas.
  • BigQuery Studio (vista previa) ofrece funciones como los notebooks de Python y el control de versión para los notebooks y las consultas guardadas. Estas funciones te facilitan completar los análisis de datos y los flujos de trabajo de aprendizaje automático (AA) en BigQuery.
  • Consulta datos fuera de BigQuery con tablas externas y consultas federadas.

Para obtener más información, consulta Descripción general de las estadísticas de BigQuery.

Administración de BigQuery

BigQuery proporciona administración centralizada de recursos de datos y procesamiento, mientras que Identity and Access Management (IAM) te ayuda a proteger esos recursos con el modelo de acceso que se usa en Google Cloud. Prácticas recomendadas de seguridad de Google Cloud proporciona un enfoque sólido pero flexible que pueda incluir seguridad perimetral tradicional o un enfoque de defensa en profundidad más complejo y detallado.

  • La introducción a la seguridad y administración de datos te ayuda a comprender la administración de datos y qué controles podrías necesitar para proteger los recursos de BigQuery.
  • Los trabajos son acciones que BigQuery ejecuta en tu nombre para cargar, exportar, consultar o copiar datos.
  • Las reservas te permiten cambiar entre precios según demanda y basados en capacidad.

Para obtener más información, consulta Introducción a la administración de BigQuery.

Recursos de BigQuery

Explora los recursos de BigQuery:

API, herramientas y referencias

Materiales de referencia para desarrolladores y analistas de BigQuery:

Funciones y recursos de BigQuery

BigQuery aborda las necesidades de los profesionales de datos en las siguientes funciones y responsabilidades.

Analista de datos

Orientación sobre las tareas para ayudarte si necesitas hacer lo siguiente:

Para realizar un recorrido por las funciones de análisis de datos de BigQuery directamente en la consola de Google Cloud, haz clic en Realizar el recorrido.

Realizar el recorrido

Administrador de datos

Orientación sobre las tareas para ayudarte si necesitas hacer lo siguiente:

Para obtener más información, consulta Introducción a la administración de BigQuery.

Para hacer un recorrido por las funciones de administración de datos de BigQuery directamente en la consola de Google Cloud, haz clic en Realizar el recorrido.

Realizar el recorrido

Científico de datos

Orientación sobre tareas que te ayudarán si necesitas usar el aprendizaje automático de BigQuery ML a fin de realizar las siguientes acciones:

Desarrollador de datos

Orientación sobre las tareas para ayudarte si necesitas hacer lo siguiente:

Videos instructivos de BigQuery

En la siguiente serie de videos instructivos, puedes comenzar a usar BigQuery:

Título

Descripción

Cómo comenzar a usar BigQuery (17:18) Una descripción general que resume qué es BigQuery y cómo usarlo. Los segmentos incluyen lo siguiente: canalizaciones de ETL, precios y optimización, BigQuery ML, BI Engine y una demostración de BigQuery en la consola de Google Cloud para finalizar.
¿Qué es BigQuery? (4:39) Una descripción general de BigQuery sobre cómo está diseñado BigQuery para transferir y almacenar grandes cantidades de datos que ayuden a analistas y desarrolladores por igual.
Usa la zona de pruebas de BigQuery (3:05) Cómo configurar una zona de pruebas de BigQuery para que puedas ejecutar consultas sin necesidad de una tarjeta de crédito
Haz preguntas, ejecuta consultas (5:11) Cómo escribir y ejecutar consultas de SQL en la IU de BigQuery, además de elegir un número de jersey ganador
Carga datos en BigQuery (5:31) Cómo transferir y analizar datos en tiempo real o solo un análisis por lotes de datos único, además de gatos frente a perros
Visualiza los resultados de las consultas (5:38) Cómo es útil la visualización de datos para facilitar y comprender los conjuntos de datos complejos
Administra el acceso con la IAM (5:23) Cómo permitir que otros usuarios consulten tus conjuntos de datos en BigQuery con permisos de IAM y control de acceso
Guarda y comparte consultas (6:17) Cómo guardar y compartir consultas en BigQuery sin complicaciones
Protege datos sensibles con vistas autorizadas (7:12) Cómo compartir conjuntos de datos con facilidad con diferentes usuarios mediante la configuración de controles de acceso personalizados
Consulta datos externos con BigQuery (5:49) Cómo configurar una fuente de datos externa en BigQuery y consultar datos de Cloud Storage, Cloud SQL, Google Drive y otros servicios
¿Qué son las funciones definidas por el usuario? (4:59) Cómo crear funciones definidas por el usuario (UDF) para analizar conjuntos de datos en BigQuery

¿Qué sigue?