BigQuery

Serverloses, hoch skalierbares und kostengünstiges Data Warehouse für die Multi-Cloud, das speziell für geschäftliche Agilität konzipiert ist.

Neukunden erhalten eine Gutschrift von 300 $ für Google Cloud während der ersten 90 Tage. Alle Kunden erhalten kostenlos 10 GB Speicher und bis zu 1 TB Abfragen pro Monat.

BigQuery kostenlos testen
  • action/check_circle_24px Erstellt mit Sketch

    Mit ANSI SQL unglaublich schnell und ohne operativen Aufwand Petabyte an Daten analysieren

  • action/check_circle_24px Erstellt mit Sketch

    Umfangreiche Analysen im Vergleich zu anderen Cloud Data Warehouses mit 26 bis 34 % niedrigeren Gesamtbetriebskosten über drei Jahre ausführen

  • action/check_circle_24px Erstellt mit Sketch

    Informationen mit einer zuverlässigen und sicheren Plattform, die sich Ihren Anforderungen anpasst, allgemein verfügbar machen

  • action/check_circle_24px Erstellt mit Sketch

    Mit einer flexiblen Multi-Cloud-Analyselösung Informationen aus Daten in verschiedenen Clouds gewinnen

Vorteile

Mit Auswertungen in Echtzeit und Analysen zu Prognosezwecken Erkenntnisse gewinnen

Sie können in Echtzeit Streamingdaten abrufen und aktuelle Informationen zu allen Geschäftsvorgängen erhalten. Geschäftsergebnisse lassen sich im Handumdrehen mit integriertem maschinellen Lernen prognostizieren, ohne dass dabei Daten verschoben werden müssen.

Einfach auf Daten zugreifen und Informationen teilen

Sie können mit wenigen Klicks sicher auf Analysedaten zugreifen und sie in Ihrem Unternehmen freigeben. Mit beliebten BI-Tools lassen sich ganz einfach überzeugende, sofort verfügbare Berichte und Dashboards erstellen.

Daten schützen und vertrauensvoll arbeiten

Dank einem SLA mit 99,99 % Verfügbarkeit ist BigQuery hoch verfügbar und bietet eine robuste Steuerung von Sicherheit, Data Governance und Zuverlässigkeit. Schützen Sie Ihre Daten mit standardmäßiger Verschlüsselung und vom Kunden verwalteten Verschlüsselungsschlüsseln.

Wichtige Features

Wichtige Features

BigQuery ML

Mit BigQuery ML können Data Scientists und Datenanalysten ML-Modelle mit riesigen Mengen an strukturierten oder semistrukturierten Daten erstellen und operationalisieren, und zwar direkt in BigQuery, mit einfachem SQL und in einem Bruchteil der üblichen Zeit. Exportieren Sie BigQuery ML-Modelle für Online-Vorhersagen in die Cloud AI Platform oder Ihre eigene Bereitstellungsebene. Weitere Informationen zu derzeit von uns unterstützten Modellen.

BigQuery GIS

BigQuery GIS bietet eine einzigartige Kombination aus der serverlosen Architektur von BigQuery und der nativen Unterstützung räumlich-geografischer Analysen. BigQuery ist somit das einzige Cloud Data Warehouse mit integrierter GIS-Funktionalität. Vereinfachen Sie Ihre Analysen, lassen Sie sich Daten auf eine ganz neue Art und Weise anzeigen und erschließen Sie vollkommen neue Geschäftsbereiche mit der Unterstützung für beliebige Punkte, Linien, Polygone und Multi-Polygone im WKT-, WKB- und GeoJSON-Format.

BigQuery BI Engine

BigQuery BI Engine ist ein blitzschneller In-Memory-Analysedienst für BigQuery, mit dem Nutzer umfangreiche und komplexe Datasets interaktiv mit Abfragereaktionszeiten von weniger als einer Sekunde und hoher Gleichzeitigkeit analysieren können. BigQuery BI Engine lässt sich nahtlos in vertraute Tools wie Data Studio einbinden und hilft, die Datenexploration und -analyse für Looker, Google Tabellen und unsere BI-Partner in den kommenden Monaten zu beschleunigen.

Verbundene Tabellenblätter

Mit verbundenen Tabellenblättern analysieren Nutzer Milliarden von Zeilen mit Live-BigQuery-Daten in Google Tabellen – ganz ohne SQL-Kenntnisse. Mithilfe vertrauter Tools wie Pivot-Tabellen, Diagrammen und Formeln können sie aus Big Data Informationen gewinnen. Weitere Informationen zu verbundenen Tabellenblättern und ihrer Verwendung finden Sie hier.

Alle Features ansehen

Dokumentation

Dokumentation

Kurzanleitung
Kurzanleitung zur Web-UI

Hier erfahren Sie, wie Sie die BigQuery-Web-UI in der Google Cloud Console als visuelle Schnittstelle zum Erledigen verschiedener Aufgaben verwenden, beispielsweise für Abfragen oder zum Laden und Exportieren von Daten.

Kurzanleitung
Kurzanleitung zum BigQuery-Befehlszeilentool

Hier erfahren Sie, wie Sie mit dem BigQuery-Befehlszeilentool Abfragen ausführen und Daten laden bzw. exportieren.

Kurzanleitung
Kurzanleitung zu Clientbibliotheken

Hier wird erklärt, wie Sie mit den Google Cloud-Clientbibliotheken die BigQuery API in Ihrer bevorzugten Programmiersprache verwenden.

Tutorial
Tabellen erstellen und verwenden

Eine Anleitung zum Erstellen und Verwenden von Standardtabellen in BigQuery.

Tutorial
Schema angeben

Lesen Sie, wie Sie ein Schema für Ihre Tabelle erstellen und aktualisieren.

Tutorial
Daten mit Cloud KMS-Schlüsseln schützen

In dieser Anleitung wird erklärt, wie Sie vom Kunden verwaltete Verschlüsselungsschlüssel (Customer Managed Encryption Keys, CMEK) für BigQuery verwenden können.

Tutorial
Zugriff auf Datasets steuern

Lesen Sie, wie Sie in BigQuery den Zugriff auf Datasets steuern.

Grundlagen zu Google Cloud
BigQuery-Ressourcen

Finden Sie alles über BigQuery-Preise heraus, einschließlich aktuelle Ratenbegrenzungen, Slots, Datasets, Kontingente und mehr.

Tutorial
Was Sie mit BigQuery erstellen können

Die technischen Leitfäden zu BigQuery helfen Ihnen bei der Verwaltung Ihrer Daten.

Anwendungsfälle

Anwendungsfälle

Anwendungsfall
Daten aus Teradata migrieren

Migrieren Sie Ihr lokales Legacy-Data-Warehouse in eine flexible, cloudbasierte Data-Warehouse-Lösung. Durch die Kombination aus BigQuery Data Transfer Service (DTS) und speziellem Migrations-Agent können Sie Daten aus einem lokalen Data-Warehouse-System wie Teradata in BigQuery kopieren.

Außerdem können Sie über die Web-UI von DTS wiederkehrende Datenladevorgänge in BigQuery überwachen. Wir bieten auch zusätzliche benutzerfreundliche Tools und ein globales System für den Partnersupport. Weitere Informationen.

Diagramm: BigQuery
Anwendungsfall
Migration von Amazon Redshift zu BigQuery

Mit BigQuery Data Transfer Service können Sie Daten aus einem Amazon Redshift-Data-Warehouse zu BigQuery kopieren. Der Dienst aktiviert die Migrations-Agents in Google Kubernetes Engine und löst einen Entladevorgang von Amazon Redshift zu einem Staging-Bereich in einem Amazon S3-Bucket aus. Anschließend überträgt BigQuery Data Transfer Service Ihre Daten aus dem Amazon S3-Bucket zu BigQuery.

Diagramm: BigQuery
Anwendungsfall
Analysen zu Prognosezwecken

Vorausschauende Analysen helfen Ihnen dabei, zukünftige Ergebnisse genauer vorherzusagen und Optimierungsmöglichkeiten für Ihr Unternehmen zu erkennen. Die Referenzmuster für intelligente Analysen von Google beschleunigen die Wertschöpfung für gängige Analyseanwendungsfälle mit Beispielcode und technischen Referenzleitfäden.

Erfahren Sie, wie Sie mit BigQuery und BigQuery ML ein E-Commerce-Empfehlungssystem erstellen, den Customer Lifetime Value vorhersagen und Lösungen zur Kaufneigung erstellen können.

Alle Features

Alle Features

Serverlos Bei serverlosen Data-Warehouse-Prozessen erfolgt die Bereitstellung von Ressourcen durch Google hinter den Kulissen. Sie können sich also auf die Daten und deren Analyse konzentrieren, anstatt sich über Upgrades, Sicherheit oder die Verwaltung der Infrastruktur Gedanken zu machen.
Multi-Cloud-Funktionen Mit BigQuery Omni (private Alphaversion) können Sie Daten cloudübergreifend mithilfe von Standard-SQL analysieren, ohne die vertraute BigQuery-Oberfläche verlassen zu müssen. Die flexible, vollständig verwaltete Infrastruktur ermöglicht Ihren Datenanalysten oder Data Scientists eine absolut nahtlose Datenanalyseumgebung. Wenn Sie Interesse an weiteren Informationen haben, füllen Sie bitte dieses Formular aus.
Natural Language Processing Data QnA ermöglicht es Nutzern, ganz einfach über NLP auf benötigte Informationen aus Daten zuzugreifen. Governance und Sicherheitskontrollen bleiben dabei immer gewährleistet. Auf der Grundlage von Analyza (Google Research) können Sie mit Data QnA Petabyte an Daten über BigQuery analysieren. Das Tool kann in die jeweilige Arbeitsumgebung der Nutzer eingebettet werden: in Chatbots, Tabellen, BI-Plattformen wie Looker oder benutzerdefinierte UIs. Wenn Sie Interesse an weiteren Informationen haben, füllen Sie bitte dieses Formular aus.
Echtzeitanalysen Mit der API für Streaming-Insert-Anweisungen mit hoher Geschwindigkeit bietet BigQuery eine leistungsstarke Grundlage für Echtzeitanalysen. Ihre jüngsten Geschäftsdaten stehen also unmittelbar für Analysen zur Verfügung. Sie können auch mit Pub/Sub und Dataflow Daten in BigQuery streamen.
Automatische Hochverfügbarkeit BigQuery bietet transparent und automatisch einen dauerhaften, replizierten Speicher an mehreren Standorten sowie Hochverfügbarkeit ohne zusätzliche Gebühren und Einrichtung.
Standard-SQL BigQuery unterstützt einen mit ANSI:2011 kompatiblen Standard-SQL-Dialekt. Dadurch muss weniger Code umgeschrieben werden. Darüber hinaus bietet BigQuery kostenlose ODBC- und JDBC-Treiber, über die Ihre aktuellen Anwendungen mit der leistungsstarken Engine von BigQuery interagieren können.
Verbundabfragen und logisches Data Warehousing Dank der leistungsstarken Funktion für Verbundabfragen kann BigQuery Daten aus externen Quellen, d. h. die Open-Source-Dateiformate von Parquet und ORC, in Objektspeichern (Cloud Storage), transaktionalen Datenbanken (Bigtable, Cloud SQL) oder Tabellen in Drive verarbeiten. Die Daten müssen hierfür nicht verschoben werden.
Konvergenz von Data Warehouse und Data Lake Mit der Storage API können Sie Open-Source-Data-Science-Arbeitslasten (Spark, TensorFlow, Dataflow und Apache Beam, MapReduce, Pandas und scikit-learn) direkt in BigQuery ausführen. Die Storage API bietet eine wesentlich einfachere Architektur und weniger umfangreiche Datenbewegungen. Mehrere Kopien derselben Daten sind nicht erforderlich.
Materialisierte Ansichten Erhöhen Sie mit materialisierten Ansichten in BigQuery die Abfrageleistung und senken Sie die Kosten. Die Einrichtung und Nutzung ist einfach und erfolgt in Echtzeit, sodass Sie schnell Antworten auf Ihre Fragen erhalten.
Trennung von Speicherung und Computing Dank der Trennung von Speicherung und Computing in BigQuery können Sie die Speicher- und Verarbeitungslösungen wählen, die für Ihr Unternehmen am sinnvollsten sind, und die Zugriffsmöglichkeiten sowie Kosten für beide steuern.
Automatische Sicherung und einfache Wiederherstellung BigQuery repliziert automatisch Daten und speichert den Änderungsverlauf der letzten sieben Tage. Sie können also den Datenstand unterschiedlicher Zeiten vergleichen und Daten leicht wiederherstellen.
Raumbezogene Datentypen und Funktionen BigQuery GIS bietet eine einzigartige Kombination aus der serverlosen Architektur von BigQuery und der nativen Unterstützung räumlich-geografischer Analysen. BigQuery ist somit das einzige Cloud-Data-Warehouse mit integrierter GIS-Funktionalität. Vereinfachen Sie Ihre Analysen, lassen Sie sich Daten auf eine ganz neue Art und Weise anzeigen und erschließen Sie vollkommen neue Geschäftsbereiche mit der Unterstützung für beliebige Punkte, Linien, Polygone und Multi-Polygone in den gängigsten Formaten für Geodaten.
BigQuery Data Transfer Service Mit BigQuery Data Transfer Service werden Daten aus externen Datenquellen wie der Google Marketing Platform, Google Ads, YouTube und SaaS-Partneranwendungen nach einem festgelegten Zeitplan automatisch und vollständig verwaltet in BigQuery verschoben. Nutzer können Daten auch einfach von Teradata und Amazon S3 an BigQuery übertragen.
Big-Data-Einbindung Mit Dataproc und Dataflow bietet BigQuery eine Einbindung der Big-Data-Umgebung von Apache, wodurch bestehende Hadoop-/Spark- und Beam-Arbeitslasten Daten mit der Storage API direkt in BigQuery schreiben und lesen können.
Daten im Petabytebereich Sie erhalten eine erstklassige Datenleistung und können nahtlos skalieren, um einfach weitere Petabyte und Exabyte an Daten zu speichern und zu analysieren.
Flexible Preismodelle Dank unserer On-Demand-Preise zahlen Sie nur für den verwendeten Speicher und die tatsächlich genutzte Rechenzeit. Pauschalpreise mit Reservierungen bieten Kunden oder Unternehmen mit hohem Datenvolumen Preissicherheit und sorgen für die optimale Verwaltung von Arbeitslasten. Weitere Informationen finden Sie unter BigQuery-Preise und Benutzerdefinierte Kostenkontrolle erstellen.
Datenverwaltung und -sicherheit BigQuery bietet über die Einbindung in die Identitäts- und Zugriffsverwaltung fein abgestimmte Kontrollen für eine zuverlässige Steuerung der Datensicherheit und -verwaltung. Sie müssen sich keine Sorgen machen, denn es werden sowohl inaktive Daten als auch Daten bei der Übertragung standardmäßig verschlüsselt.
Standorterweiterung BigQuery gibt Ihnen die Kontrolle über den Standort Ihrer Daten (in den USA, Asien und Europa), ohne dass Sie Cluster oder andere Rechenressourcen in der jeweiligen Region einrichten und verwalten müssen.
Grundlage für KI Mit BigQuery ML können Sie Ihre Daten für maschinelles Lernen einsetzen. Durch die Einbindung von AI Platform Prediction und TensorFlow können Sie anhand strukturierter Daten innerhalb weniger Minuten nur mit SQL leistungsstarke Modelle trainieren.
Grundlage für BI BigQuery bildet den Backbone der Data-Warehouse-Prozesse für moderne BI-Lösungen und ermöglicht die nahtlose Datenintegration, Transformation, Analyse, Visualisierung und Berichterstellung mit Tools von Google und unseren Technologiepartnern.
Flexible Datenaufnahme Mit Data Transfer Service (DTS) können Sie Daten von Hunderten beliebter SaaS-Unternehmensanwendungen kostenlos zu BigQuery verschieben oder Tools zur Datenintegration wie Cloud Data Fusion, Informatica oder Talend nutzen. Laden und transformieren Sie Daten jeglichen Umfangs aus Hybrid- und Multi-Cloud-Umgebungen.
Programmatische Interaktion BigQuery bietet eine REST API für bequemen programmatischen Zugriff und einfache Anwendungsintegration. Clientbibliotheken sind in Java, Python, Node.js, C#, Go, Ruby und PHP verfügbar. Geschäftskunden können mit Google Apps Script von Google Tabellen aus auf BigQuery zugreifen.
Umfangreiche Monitoring- und Logging-Funktionen BigQuery bietet über Cloud-Audit-Logs viele Möglichkeiten für Monitoring, Logging und Benachrichtigungen. Außerdem können Sie BigQuery mit Cloud Logging als Repository für Logs von beliebigen Anwendungen oder Diensten verwenden.
Öffentliche Datasets Öffentliche Datasets in Google Cloud sind ein umfangreiches Daten-Repository mit mehr als 100 stark nachgefragten öffentlichen Datasets aus unterschiedlichen Branchen. Google bietet kostenlosen Speicher für alle öffentlichen Datasets und Kunden können pro Monat bis zu 1 TB Daten kostenlos abfragen.

Preise

Preise

Bei BigQuery sind Speicherung, Streaming-Insert-Anweisungen und Datenabfragen kostenpflichtig. Das Laden und Exportieren von Daten ist hingegen kostenlos. Ausführliche Preisinformationen finden Sie in der Preisübersicht.

Posten Preis
Speicher

0,02 $ pro GB und Monat

0,01 $ pro GB und Monat für langfristige Speicherung

Streaming-Insert-Anweisungen 0,01 $ pro 200 MB
Daten laden, kopieren oder exportieren; Metadatenvorgänge Kostenlos

Wenn Sie in einer anderen Währung als US-Dollar bezahlen, gelten die unter Google Cloud SKUs für Ihre Währung angegebenen Preise.

Abotyp Preis
Pay as you go

5 $ pro TB

Das erste Terabyte (1 TB) im Monat ist kostenlos.*

Pauschalpreise

Ab 1.700 $/Monat für eine dedizierte Reservierung von 100 Slots.

4 $/Stunde für 100 Flex-Slots.

Weitere Informationen finden Sie unter Pauschalpreise.

Weitere Informationen: BigQuery ML-Preise

Preise in anderen Währungen als US-Dollar finden Sie unter Google Cloud SKUs.

* Das erste Terabyte (1 TB) Daten, das pro Monat mit BigQuery verarbeitet wird, ist kostenlos.

Für diese Vorgänge gelten die BigQuery-Kontingente.

Partner

Partner

Google Cloud-Partner verknüpfen ihre branchenführenden Tools (von der Datenintegration bis zur Analyse) zunehmend mit BigQuery, um das Laden, Transformieren und Visualisieren von Daten zu erleichtern.