BigQuery ist das vollständig verwaltete, kostengünstige Data Warehouse für Analysen im Petabyte-Bereich von Google Cloud. Damit können Sie große Datenmengen nahezu in Echtzeit analysieren. Mit BigQuery muss keine Infrastruktur eingerichtet oder verwaltet werden. So können Sie sich mithilfe von Standard-SQL auf aussagekräftige Informationen konzentrieren und außerdem flexible Preismodelle einschließlich On-Demand- und Pauschaloptionen nutzen. Weitere Informationen

Leitfäden

Referenz

Ressourcen

G Suite-Nutzer schulen

Testen Sie BigQuery-Anleitungen, Schulungen und Qwiklabs von Google Cloud.

Qwiklabs

BigQuery for Data Warehousing

Best Practices zum Extrahieren, Umwandeln und Laden Ihrer Daten in Google Cloud mit BigQuery.

Weitere Informationen  
Codelab

BigQuery-Daten mit PySpark in Dataproc vorverarbeiten

Anleitung zum Erstellen einer Datenverarbeitungspipeline mit Apache Spark mit Dataproc auf der Google Cloud Platform. Im Bereich von Data Science und Data Engineering werden Daten häufig von einem Speicherort gelesen, dann werden sie transformiert und in einen anderen Speicherort geschrieben.

Weitere Informationen  
Qwiklabs

BigQuery For Data Analysis

Erfahren Sie, wie Sie mit BigQuery Modelle für maschinelles Lernen in SQL abfragen, aufnehmen, optimieren, visualisieren und sogar erstellen.

Weitere Informationen  
Qwiklabs

BigQuery für Marketinganalysten

Gewinnen Sie wiederholbare, skalierbare und wertvolle Erkenntnisse aus Ihren Daten, indem Sie lernen, sie in BigQuery abzufragen.

Weitere Informationen  

Anwendungsfälle

Hier werden Anwendungsfälle, Referenzarchitekturen, Whitepapers, Best Practices und Branchenlösungen vorgestellt.

Anwendungsfall

Data Warehouses zu BigQuery migrieren

Muster und Empfehlungen für die Umstellung Ihres lokalen Data Warehouse auf BigQuery.

Migration Muster BigQuery

Weitere Informationen  
Anwendungsfall

Daten mit Cloud Functions aus Cloud Storage in BigQuery streamen

Erfahren Sie, wie Sie mit Cloud Functions neue Objekte aus einem Cloud Storage-Bucket in BigQuery streamen.

Weitere Informationen  
Anwendungsfall

BigQuery-Daten in einem Jupyter-Notebook visualisieren

Verwenden Sie die BigQuery Python-Clientbibliothek und Pandas in einem Jupyter-Notebook, um Daten in einer BigQuery-Beispieltabelle zu visualisieren.

Weitere Informationen  
Anwendungsfall

Zugriff auf Gesundheitsdaten in BigQuery verwalten

Erklärt Strategien zur Sicherung klinischer und operativer Gesundheitsdaten in BigQuery.

Weitere Informationen  

Codebeispiele

Steigen Sie anhand von Beispielen zur Verwendung und zum Verbinden von Google Cloud-Diensten in das Coding ein.

Google Cloud

Client: Anmeldedaten mit Bereichen erstellen

Anmeldedaten mit Drive- und der BigQuery API-Bereichen erstellen

Los geht's 

Google Cloud

Client: Anmeldedaten mit Standardanmeldedaten für Anwendungen erstellen

Einen BigQuery-Client mithilfe der Standardanmeldedaten für Anwendungen erstellen.

Los geht's 

Google Cloud

Client: Mit Dienstkontoschlüssel erstellen

Einen BigQuery-Client mithilfe einer Dienstkonto-Schlüsseldatei erstellen.

Los geht's 

GitHub

Python-Beispiele

Mit BigQuery mit der Google Cloud Python-Clientbibliothek arbeiten

Zu GitHub  

GitHub

Node.js-Beispiele

Beispiele für die Node.js-Clientbibliothek für BigQuery

Zu GitHub  

GitHub

Einfaches C#-Beispiel

Ein einfaches C#-Programm und Code-Snippets für die Interaktion mit BigQuery

Zu GitHub  

GitHub

BigQuery und Monitoring in App Engine mit Java 8

In dieser API-Showcase wird gezeigt, wie Sie eine Anwendung der App Engine-Standardumgebung mit Abhängigkeiten sowohl in BigQuery als auch in Cloud Monitoring ausführen.

Zu GitHub  

Google Cloud

Alle Beispiele

Alle Beispiele für BigQuery durchsuchen

Los geht's 

Videos

BigQuery testen

Erstellen Sie ein Konto, um die Leistung unserer Produkte in realen Szenarien auszuwerten.
Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

BigQuery kostenlos testen