BigQuery
Vom Data Warehouse zu einer einheitlichen, KI-fähigen Datenplattform
BigQuery ist eine vollständig verwaltete, KI-fähige Datenanalyseplattform, mit der Sie den Wert Ihrer Daten maximieren können. Sie wurde für Multi-Engines, Multiformat und Multi-Cloud entwickelt.
10 GiB Daten speichern und bis zu 1 TiB Abfragen kostenlos pro Monat ausführen. Neukunden erhalten außerdem ein Guthaben von 300 $, um BigQuery und andere Google Cloud-Produkte auszuprobieren.
Features
Daten-Agents mit Gemini in BigQuery ausführen
Gemini in BigQuery bietet KI-gestützte Funktionen für Unterstützung und Zusammenarbeit, darunter Codeassistent, visuelle Datenvorbereitung und intelligente Empfehlungen, mit denen die Produktivität gesteigert und die Kosten optimiert werden können. BigQuery bietet einen einzelnen, einheitlichen Arbeitsbereich mit SQL, einem Notebook und einer NL-basierten Canvas-Oberfläche für Datenanwender mit unterschiedlichen Programmierkenntnissen. So lassen sich Analyse-Workflows von der Datenaufnahme und -vorbereitung über die explorative Datenanalyse und -visualisierung bis hin zum Erstellen und Verwenden von ML-Modellen vereinfachen.
Mehrere Engines mit einer einzigen Datenkopie verknüpfen
Serverloses Apache Spark ist direkt in BigQuery verfügbar. Sie können Spark in BigQuery Studio schreiben und ausführen, ohne Daten exportieren oder die Infrastruktur verwalten zu müssen. BigQuery Metastore bietet gemeinsame Laufzeitmetadaten für SQL- und Open-Source-Engines für einheitliche Sicherheits- und Governance-Einstellungen für alle Engines und Speichertypen. Wenn Sie mehrere Engines, einschließlich SQL, Spark und Python, zu einer einzigen Kopie von Daten und Metadaten bringen, können Sie Datensilos beseitigen und die Effizienz steigern.
Alle Datentypen und offenen Formate verwalten
Verwenden Sie BigQuery, um alle Datentypen in verschiedenen Clouds, sowohl strukturiert als auch unstrukturiert, mit fein abgestimmter Zugriffssteuerung zu verwalten. Durch die Unterstützung von offenen Tabellen-Formaten können Sie vorhandene Open-Source- und Legacy-Tools flexibel verwenden und gleichzeitig von den Vorteilen einer integrierten Datenplattform profitieren. BigLake, die Speicher-Engine von BigQuery, bietet eine einheitliche Arbeitsweise für Daten und erstellt offene Formate wie Apache Iceberg, Delta und Hudi.Aktuelle Studie zur Entwicklung von BigQuery hin zu einem Multi-Cloud-Lakehouse
Integriertes Machine Learning
BigQuery ML bietet integrierte Funktionen zum Erstellen und Ausführen von ML-Modellen für Ihre BigQuery-Daten. Sie können eine breite Palette von Modellen für Vorhersagen nutzen und auf die neuesten Gemini-Modelle zugreifen, um Informationen aus allen Datentypen abzuleiten und Aufgaben der generativen KI wie Textzusammenfassung oder Textgenerierung zu nutzen sowie multimodale Einbettungen und Vektorsuche. Die Modellentwicklung wird beschleunigt, da ML direkt in Ihre Daten eingebunden werden, sodass die Daten nicht mehr von BigQuery aus verschoben werden müssen.
Integrierte Data Governance
Die Data Governance ist in BigQuery eingebunden, einschließlich vollständiger Integration von Dataplex-Funktionen wie einem einheitlichen Metadatenkatalog, Datenqualität, Herkunft und Profilerstellung. Kunden können umfassende KI-gestützte Such- und Erkennungsfunktionen für Metadaten für Assets verwenden, darunter Dataset-Schemas, Notebooks und Berichte sowie öffentliche und kommerzielle Dataset-Einträge.BigQuery-Nutzer können mithilfe von Governance-Regeln auch Richtlinien für BigQuery-Objekttabellen verwalten.
Für Unternehmen geeignet
BigQuery entwickelt ständig neue Unternehmensfunktionen.Die regionsübergreifende Notfallwiederherstellung bietet einen verwalteten Failover im unwahrscheinlichen Fall eines regionalen Notfalls sowie Funktionen zur Datensicherung und -wiederherstellung, mit denen Sie alles nach Nutzerfehlern wiederherstellen können. Das Monitoring des Betriebszustands von BigQuery bietet unternehmensweite Ansichten Ihrer BigQuery-Betriebsumgebung. BigQuery Migration Services bietet eine umfassende Sammlung von Tools für die Migration von Legacy- oder Cloud-Data-Warehouses zu BigQuery.
Echtzeitanalysen mit Streaming-Datenpipelines
BigQuery kann Streamingdaten aufnehmen und sofort zum Abfragen und Integrieren in Streamingprodukte wie Dataflow zur Verfügung stellen. Erhöhen Sie mit materialisierten Ansichten die Abfrageleistung und senken Sie die Kosten in BigQuery. Kontinuierliche Abfragen sind eine neue BigQuery-Funktion, die die kontinuierliche analytische Verarbeitung über eine SQL-Anweisung ermöglicht, um ereignisgesteuerte Anwendungen zu unterstützen. Lesen Sie unsere neueste Studie zu Vortex: Eine Stream-orientierte Speicher-Engine für Big Data Analytics.
Erkenntnisse mit integrierter Business Intelligence teilen
Dank integrierter Business-Intelligence (BI) können Sie in Looker Studio mit wenigen Klicks Insights generieren und teilen. Mit Looker lassen sich außerdem erweiterte Analysen erstellen, die weit über BI hinausgehen. In Google Tabellen können Sie anhand vertrauter Tools wie Pivot-Tabellen, Diagrammen und Formeln Milliarden von Zeilen mit Live-BigQuery-Daten analysieren, um so aus Big Data mithilfe ConnectedSheets schnell Statistiken abzuleiten.
Funktionsweise
Mit der serverlosen Architektur von BigQuery können Sie SQL-Abfragen verwenden, um Ihre Daten zu analysieren. Mit BigQuery können Sie Ihre Daten speichern und analysieren oder sie dort untersuchen, wo sie gespeichert sind. Um die Funktionsweise selbst zu testen, fragen Sie Daten – ohne Kreditkarte – mit der BigQuery-Sandbox ab.
Mit der serverlosen Architektur von BigQuery können Sie SQL-Abfragen verwenden, um Ihre Daten zu analysieren. Mit BigQuery können Sie Ihre Daten speichern und analysieren oder sie dort untersuchen, wo sie gespeichert sind. Um die Funktionsweise selbst zu testen, fragen Sie Daten – ohne Kreditkarte – mit der BigQuery-Sandbox ab.
Gängige Einsatzmöglichkeiten
Generative KI
Generative AI-Anwendungsfälle mit BigQuery- und Gemini-Modellen nutzen
Generative AI-Anwendungsfälle mit BigQuery- und Gemini-Modellen nutzen
Erstellen Sie Datenpipelines, die strukturierte Daten, unstrukturierte Daten und Modelle für Generative AI kombinieren, um eine neue Klasse von Analyseanwendungen zu erstellen. BigQuery lässt sich über Vertex AI in Gemini 1.0 Pro einbinden. Das Gemini 1.0 Pro-Modell wurde für einen höheren Eingabe-/Ausgabeumfang und eine bessere Ergebnisqualität bei einer Vielzahl von Aufgaben wie Textzusammenfassung und Sentimentanalyse entwickelt. Sie können jetzt mit einfachen SQL-Anweisungen oder der eingebetteten DataFrame API von BigQuery direkt von der BigQuery-Konsole aus darauf zugreifen.
Tutorials, Kurzanleitungen und Labs
Generative AI-Anwendungsfälle mit BigQuery- und Gemini-Modellen nutzen
Generative AI-Anwendungsfälle mit BigQuery- und Gemini-Modellen nutzen
Erstellen Sie Datenpipelines, die strukturierte Daten, unstrukturierte Daten und Modelle für Generative AI kombinieren, um eine neue Klasse von Analyseanwendungen zu erstellen. BigQuery lässt sich über Vertex AI in Gemini 1.0 Pro einbinden. Das Gemini 1.0 Pro-Modell wurde für einen höheren Eingabe-/Ausgabeumfang und eine bessere Ergebnisqualität bei einer Vielzahl von Aufgaben wie Textzusammenfassung und Sentimentanalyse entwickelt. Sie können jetzt mit einfachen SQL-Anweisungen oder der eingebetteten DataFrame API von BigQuery direkt von der BigQuery-Konsole aus darauf zugreifen.
Data-Warehouse-Migration
Data Warehouses zu BigQuery migrieren
Data Warehouses zu BigQuery migrieren
Meistern Sie die heutigen Analyseanforderungen und skalieren Sie Ihre Aktivitäten nahtlos durch einen Umstieg auf das moderne Data Warehouse von Google Cloud. Optimieren Sie Ihren Migrationspfad von Netezza, Oracle, Redshift, Teradata oder Snowflake zu BigQuery mit dem kostenlosen und vollständig verwalteten BigQuery Migration Service.
Tutorials, Kurzanleitungen und Labs
Data Warehouses zu BigQuery migrieren
Data Warehouses zu BigQuery migrieren
Meistern Sie die heutigen Analyseanforderungen und skalieren Sie Ihre Aktivitäten nahtlos durch einen Umstieg auf das moderne Data Warehouse von Google Cloud. Optimieren Sie Ihren Migrationspfad von Netezza, Oracle, Redshift, Teradata oder Snowflake zu BigQuery mit dem kostenlosen und vollständig verwalteten BigQuery Migration Service.
Daten in BigQuery übertragen
Daten in BigQuery laden
Daten in BigQuery laden
Vereinfachen Sie Analysen und führen Sie in BigQuery Daten aus verschiedenen Quellen zusammen. Sie können Datendateien aus lokalen Quellen, Google Drive und Cloud Storage-Buckets hochladen, BigQuery Data Transfer Service (DTS) und Cloud Data Fusion-Plug-ins verwenden, mit Datastream für BigQuery Daten aus relationalen Datenbanken replizieren oder die branchenführenden Partnerschaften zur Datenintegration von Google nutzen.
Tutorials, Kurzanleitungen und Labs
Daten in BigQuery laden
Daten in BigQuery laden
Vereinfachen Sie Analysen und führen Sie in BigQuery Daten aus verschiedenen Quellen zusammen. Sie können Datendateien aus lokalen Quellen, Google Drive und Cloud Storage-Buckets hochladen, BigQuery Data Transfer Service (DTS) und Cloud Data Fusion-Plug-ins verwenden, mit Datastream für BigQuery Daten aus relationalen Datenbanken replizieren oder die branchenführenden Partnerschaften zur Datenintegration von Google nutzen.
Wertschöpfung aus allen Datentypen
Informationen aus Bildern, Dokumenten und Audiodateien gewinnen und mit strukturierten Daten kombinieren
Informationen aus Bildern, Dokumenten und Audiodateien gewinnen und mit strukturierten Daten kombinieren
Unstrukturierte Daten machen einen großen Teil der bisher ungenutzten Unternehmensdaten aus. Es kann jedoch schwierig sein, sie zu interpretieren, sodass es schwierig ist, aussagekräftige Erkenntnisse daraus zu gewinnen. Mithilfe von BigLake können Sie Informationen aus Bildern, Dokumenten und Audiodateien gewinnen. Dazu werden eine breite Palette von KI-Modellen verwendet, darunter die Vertex APIs Vision, Dokumentverarbeitung und Speech-to-Text, Open-Source-Modelle von TensorFlow Hub oder eigene benutzerdefinierte Modelle.
Tutorials, Kurzanleitungen und Labs
Informationen aus Bildern, Dokumenten und Audiodateien gewinnen und mit strukturierten Daten kombinieren
Informationen aus Bildern, Dokumenten und Audiodateien gewinnen und mit strukturierten Daten kombinieren
Unstrukturierte Daten machen einen großen Teil der bisher ungenutzten Unternehmensdaten aus. Es kann jedoch schwierig sein, sie zu interpretieren, sodass es schwierig ist, aussagekräftige Erkenntnisse daraus zu gewinnen. Mithilfe von BigLake können Sie Informationen aus Bildern, Dokumenten und Audiodateien gewinnen. Dazu werden eine breite Palette von KI-Modellen verwendet, darunter die Vertex APIs Vision, Dokumentverarbeitung und Speech-to-Text, Open-Source-Modelle von TensorFlow Hub oder eigene benutzerdefinierte Modelle.
Vorkonfigurierte Datenlösungen
Vorkonfiguriertes Data Warehouse in der Google Cloud Console bereitstellen
Vorkonfiguriertes Data Warehouse in der Google Cloud Console bereitstellen
Stellen Sie eine beispielhafte Data-Warehouse-Lösung bereit, um Daten mit BigQuery und Looker Studio zu untersuchen, zu analysieren und zu visualisieren. Außerdem können Sie mithilfe von generativer KI die Ergebnisse der Analyse zusammenfassen.
Tutorials, Kurzanleitungen und Labs
Vorkonfiguriertes Data Warehouse in der Google Cloud Console bereitstellen
Vorkonfiguriertes Data Warehouse in der Google Cloud Console bereitstellen
Stellen Sie eine beispielhafte Data-Warehouse-Lösung bereit, um Daten mit BigQuery und Looker Studio zu untersuchen, zu analysieren und zu visualisieren. Außerdem können Sie mithilfe von generativer KI die Ergebnisse der Analyse zusammenfassen.
Echtzeitanalysen
Ereignisgesteuerte Analyse
Ereignisgesteuerte Analyse
Reagieren Sie in Echtzeit mit ereignisgesteuerten Analysen auf Geschäftsereignisse und sichern Sie sich so einen Wettbewerbsvorteil. Integrierte Streamingfunktionen nehmen automatisch Streamingdaten auf und stellen sie sofort für Abfragen zur Verfügung. So bleiben Sie agil und können anhand neuester Daten Geschäftsentscheidungen treffen.Oder nutzen Sie Dataflow, um schnelle, vereinfachte Streaming-Datenpipelines für eine umfassende Lösung zu ermöglichen.
Tutorials, Kurzanleitungen und Labs
Ereignisgesteuerte Analyse
Ereignisgesteuerte Analyse
Reagieren Sie in Echtzeit mit ereignisgesteuerten Analysen auf Geschäftsereignisse und sichern Sie sich so einen Wettbewerbsvorteil. Integrierte Streamingfunktionen nehmen automatisch Streamingdaten auf und stellen sie sofort für Abfragen zur Verfügung. So bleiben Sie agil und können anhand neuester Daten Geschäftsentscheidungen treffen.Oder nutzen Sie Dataflow, um schnelle, vereinfachte Streaming-Datenpipelines für eine umfassende Lösung zu ermöglichen.
Analysen zu Prognosezwecken
Geschäftsergebnisse mit KI und ML prognostizieren
Geschäftsergebnisse mit KI und ML prognostizieren
Prädiktive Analysen können verwendet werden, um Abläufe zu optimieren, den Umsatz zu steigern und Risiken zu minimieren. BigQuery ML trägt zur Demokratisierung von Machine Learning bei, denn es ermöglicht Datenanalysten, Modelle mithilfe vorhandener Business-Intelligence-Tools und -Tabellen zu erstellen und auszuführen. Prädiktive Analysen können bei der Entscheidungsfindung im gesamten Unternehmen helfen.
Tutorials, Kurzanleitungen und Labs
Geschäftsergebnisse mit KI und ML prognostizieren
Geschäftsergebnisse mit KI und ML prognostizieren
Prädiktive Analysen können verwendet werden, um Abläufe zu optimieren, den Umsatz zu steigern und Risiken zu minimieren. BigQuery ML trägt zur Demokratisierung von Machine Learning bei, denn es ermöglicht Datenanalysten, Modelle mithilfe vorhandener Business-Intelligence-Tools und -Tabellen zu erstellen und auszuführen. Prädiktive Analysen können bei der Entscheidungsfindung im gesamten Unternehmen helfen.
Loganalyse
Logdaten analysieren
Logdaten analysieren
Nutzen Sie BigQuery, um Logging-Daten zu analysieren und Insights zu optimieren. Sie können Abfragen von Daten, die von Servern, Sensoren und anderen Einheiten generiert wurden, einfach mit GoogleSQL speichern, untersuchen und ausführen. Darüber hinaus können Sie Logdaten ebenso wie Ihre Geschäftsdaten umfassend und nativ in BigQuery analysieren.
Tutorials, Kurzanleitungen und Labs
Logdaten analysieren
Logdaten analysieren
Nutzen Sie BigQuery, um Logging-Daten zu analysieren und Insights zu optimieren. Sie können Abfragen von Daten, die von Servern, Sensoren und anderen Einheiten generiert wurden, einfach mit GoogleSQL speichern, untersuchen und ausführen. Darüber hinaus können Sie Logdaten ebenso wie Ihre Geschäftsdaten umfassend und nativ in BigQuery analysieren.
Marketinganalyse
Mit Daten und KI die Marketing-ROI und -Leistung steigern
Mit Daten und KI die Marketing-ROI und -Leistung steigern
Nutzen Sie die Vorteile der KI von Google für Ihre Marketingdaten, indem Sie Marketing- und Geschäftsdatenquellen in BigQuery vereinheitlichen. Gewinnen Sie einen ganzheitlichen Überblick über das Unternehmen, steigern Sie den Marketing-ROI und die Marketingleistung mit mehr selbst erhobenen Daten und bieten Sie personalisiertes und zielgerichtetes Marketing im großen Maßstab mit integriertem ML/KI. Sie können Statistiken und Leistungsdaten über Looker Studio oder verbundene Tabellenblätter teilen.
Tutorials, Kurzanleitungen und Labs
Mit Daten und KI die Marketing-ROI und -Leistung steigern
Mit Daten und KI die Marketing-ROI und -Leistung steigern
Nutzen Sie die Vorteile der KI von Google für Ihre Marketingdaten, indem Sie Marketing- und Geschäftsdatenquellen in BigQuery vereinheitlichen. Gewinnen Sie einen ganzheitlichen Überblick über das Unternehmen, steigern Sie den Marketing-ROI und die Marketingleistung mit mehr selbst erhobenen Daten und bieten Sie personalisiertes und zielgerichtetes Marketing im großen Maßstab mit integriertem ML/KI. Sie können Statistiken und Leistungsdaten über Looker Studio oder verbundene Tabellenblätter teilen.
Data-Clean-Rooms
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
Erstellen Sie eine Low-Trust-Umgebung, in der Sie und Ihre Partner zusammenarbeiten können, ohne die zugrunde liegenden Daten direkt in BigQuery zu kopieren oder zu verschieben. Auf diese Weise können Sie datenschutzfreundliche Transformationen in BigQuery SQL-Schnittstellen durchführen und die Nutzung überwachen, um Datenschutzbedrohungen für freigegebene Daten zu erkennen. Profitieren Sie von der BigQuery-Skalierung, ohne eine Infrastruktur verwalten zu müssen, sowie von integrierter BI und KI/ML.
Tutorials, Kurzanleitungen und Labs
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
BigQuery-Data-Clean-Rooms für datenschutzkonforme Datenfreigabe
Erstellen Sie eine Low-Trust-Umgebung, in der Sie und Ihre Partner zusammenarbeiten können, ohne die zugrunde liegenden Daten direkt in BigQuery zu kopieren oder zu verschieben. Auf diese Weise können Sie datenschutzfreundliche Transformationen in BigQuery SQL-Schnittstellen durchführen und die Nutzung überwachen, um Datenschutzbedrohungen für freigegebene Daten zu erkennen. Profitieren Sie von der BigQuery-Skalierung, ohne eine Infrastruktur verwalten zu müssen, sowie von integrierter BI und KI/ML.
Preise
| Funktionsweise von BigQuery-Preisen | Die Preise für BigQuery richten sich nach Computingleistung (Analyse), Speicherbedarf, ggf. zusätzlichen Diensten sowie Datenaufnahme und -extraktion. Das Laden und Exportieren von Daten ist kostenlos. | |
|---|---|---|
| Dienste und Nutzung | Abotyp | Preis ($) |
Kostenlose Stufe | Die kostenlose BigQuery-Stufe bietet Kunden 10 GiB Speicherplatz, ein Abfragevolumen von bis zu 1 TiB pro Monat sowie weitere Ressourcen. | Kostenlos |
Computing (Analyse) | On demand Im Allgemeinen haben Sie Zugriff auf bis zu 2.000 gleichzeitige Slots, die für alle Abfragen in einem Projekt gemeinsam genutzt werden. | Starting at $6,25 pro gescanntem TiB. Das erste TiB pro Monat ist kostenlos. |
Standard Edition Kostengünstige Option für die SQL-Standardanalyse | 0,04 $ pro Slot-Stunde | |
Enterprise Edition Unterstützt erweiterte Unternehmensanalysen | 0,06 $ pro Slot-Stunde | |
Enterprise Plus Edition Unterstützt geschäftskritische Unternehmensanalysen | 0,10 $ pro Slot-Stunde | |
Speicher | Aktiver lokaler Speicher Basierend auf unkomprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in den letzten 90 Tagen geändert wurden. | Starting at 0,02 $ Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos. |
Logischer Langzeitspeicher Basierend auf unkomprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in 90 aufeinanderfolgenden Tagen geändert wurden. | Starting at 0,01 $ Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos. | |
Aktiver physischer Speicher Basierend auf komprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in 90 aufeinanderfolgenden Tagen geändert wurden. | Starting at 0,04 $ Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos. | |
Langfristiger physischer Speicher Basierend auf komprimierten Bytes in Tabellen oder Partitionen, die in 90 aufeinanderfolgenden Tagen nicht geändert wurden. | Starting at 0,02 $ Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos. | |
Datenaufnahme | Laden im Batch Tabelle aus Cloud Storage importieren | Kostenlos Bei Verwendung des Pools für freigegebene Slots |
Streaming-Insert-Anweisungen Abgerechnet werden die erfolgreich eingefügten Zeilen. Einzelne Zeilen werden mit einer Mindestgröße von 1 KB berechnet. | 0,01 $ pro 200 MiB | |
BigQuery Storage Write API In BigQuery geladene Daten unterliegen den BigQuery-Speicherpreisen oder den Cloud Storage-Preisen. | 0,025 $ pro 1 GiB. Die ersten 2 TiB pro Monat sind kostenlos. | |
Datenextraktion | Batch-Export Tabellendaten in Cloud Storage exportieren. | Kostenlos Bei Verwendung des Pools für freigegebene Slots |
Streaming-Lesevorgänge Storage Read API verwenden, um Streaming-Lesevorgänge von Tabellendaten auszuführen. | Starting at 1,10 $ pro TiB-Lesevorgang | |
Hier finden Sie weitere Details zu den BigQuery-Preisen: Vollständige Preisinformationen
Funktionsweise von BigQuery-Preisen
Die Preise für BigQuery richten sich nach Computingleistung (Analyse), Speicherbedarf, ggf. zusätzlichen Diensten sowie Datenaufnahme und -extraktion. Das Laden und Exportieren von Daten ist kostenlos.
Die kostenlose BigQuery-Stufe bietet Kunden 10 GiB Speicherplatz, ein Abfragevolumen von bis zu 1 TiB pro Monat sowie weitere Ressourcen.
Kostenlos
Computing (Analyse)
On demand
Im Allgemeinen haben Sie Zugriff auf bis zu 2.000 gleichzeitige Slots, die für alle Abfragen in einem Projekt gemeinsam genutzt werden.
Starting at
$6,25
pro gescanntem TiB. Das erste TiB pro Monat ist kostenlos.
Standard Edition
Kostengünstige Option für die SQL-Standardanalyse
0,04 $
pro Slot-Stunde
Enterprise Edition
Unterstützt erweiterte Unternehmensanalysen
0,06 $
pro Slot-Stunde
Enterprise Plus Edition
Unterstützt geschäftskritische Unternehmensanalysen
0,10 $
pro Slot-Stunde
Speicher
Aktiver lokaler Speicher
Basierend auf unkomprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in den letzten 90 Tagen geändert wurden.
Starting at
0,02 $
Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos.
Logischer Langzeitspeicher
Basierend auf unkomprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in 90 aufeinanderfolgenden Tagen geändert wurden.
Starting at
0,01 $
Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos.
Aktiver physischer Speicher
Basierend auf komprimierten Bytes, die in Tabellen oder Tabellenpartitionen verwendet und in 90 aufeinanderfolgenden Tagen geändert wurden.
Starting at
0,04 $
Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos.
Langfristiger physischer Speicher
Basierend auf komprimierten Bytes in Tabellen oder Partitionen, die in 90 aufeinanderfolgenden Tagen nicht geändert wurden.
Starting at
0,02 $
Pro GiB. Die ersten 10 GiB pro Monat sind kostenlos.
Datenaufnahme
Laden im Batch
Tabelle aus Cloud Storage importieren
Kostenlos
Bei Verwendung des Pools für freigegebene Slots
Streaming-Insert-Anweisungen
Abgerechnet werden die erfolgreich eingefügten Zeilen. Einzelne Zeilen werden mit einer Mindestgröße von 1 KB berechnet.
0,01 $
pro 200 MiB
BigQuery Storage Write API
In BigQuery geladene Daten unterliegen den BigQuery-Speicherpreisen oder den Cloud Storage-Preisen.
0,025 $
pro 1 GiB. Die ersten 2 TiB pro Monat sind kostenlos.
Datenextraktion
Batch-Export
Tabellendaten in Cloud Storage exportieren.
Kostenlos
Bei Verwendung des Pools für freigegebene Slots
Streaming-Lesevorgänge
Storage Read API verwenden, um Streaming-Lesevorgänge von Tabellendaten auszuführen.
Starting at
1,10 $
pro TiB-Lesevorgang
Hier finden Sie weitere Details zu den BigQuery-Preisen: Vollständige Preisinformationen
Preisrechner
Individuelles Angebot
Proof of Concept starten
Neukunden erhalten ein Guthaben von 300 $, um BigQuery und andere Google Cloud-Produkte auszuprobieren
BigQuery-Sandbox ohne Kreditkarte testen
Informationen zum Suchen und Abfragen öffentlicher Datasets in BigQuery
Weitere Informationen zum Laden von Daten in BigQuery
Tabellen in BigQuery erstellen und verwenden
Partner und Integration
Mit einem Experten für BigQuery zusammenarbeiten
ETL und Datenintegration
ETL und MDM umkehren
BI und Datenvisualisierung
Datenverwaltung und -sicherheit
Connectors und Entwicklertools
Machine Learning und erweiterte Analysen
Datenqualität und Beobachtbarkeit
Beratungspartner
Viele Partnerunternehmen binden ihre Datenlösungen in BigQuery ein – von der Datenaufnahme bis zur Visualisierung. Die hier aufgeführten Unternehmen nutzen die Integration über Google Cloud Ready – BigQuery.
Informationen zu diesen Unternehmen finden Sie in unserem Partnerverzeichnis.
FAQs
Was unterscheidet BigQuery von anderen Data Warehouses für Unternehmen?
BigQuery von Google Cloud ist die vollständig verwaltete und serverlose Data-Warehouse-Lösung für Unternehmen. BigQuery unterstützt alle Datentypen, funktioniert cloudübergreifend und enthält integrierte Funktionen für Machine Learning und Business Intelligence auf einer einheitlichen Plattform.
Was ist ein Data Warehouse für Unternehmen?
Ein Data Warehouse für Unternehmen ist ein System, das für die Analyse und Berichte zu strukturierten und semistrukturierten Daten aus verschiedenen Quellen verwendet wird. Viele Unternehmen wechseln von traditionellen Data Warehouses in lokaler Umgebung zu Cloud Data Warehouses, um von Kosteneinsparungen, höherer Skalierbarkeit und mehr Flexibilität zu profitieren.
Wie sicher ist BigQuery?
BigQuery bietet robuste Steuerelemente für Sicherheit, Data Governance und Zuverlässigkeit, die einen SLA von 99,99 % Verfügbarkeit bieten. Ihre Daten werden durch Standard-Verschlüsselung und kundenverwaltete Schlüssel geschützt.
Wie fange ich am besten mit BigQuery an?
Es gibt verschiedene Möglichkeiten, BigQuery zu verwenden. Neukunden erhalten ein Startguthaben von 300 $ für BigQuery. Alle Kunden können 10 GB Speicherplatz und ein Abfragevolumen von bis zu 1 TB pro Monat kostenlos nutzen. Dies wird nicht mit Ihrem Guthaben verrechnet. Registrieren Sie sich für die kostenlose Testversion von BigQuery, um das Guthaben zu erhalten. Noch nicht bereit? Sie können die BigQuery-Sandbox ohne Kreditkarte testen.
Was ist die BigQuery-Sandbox?
In der BigQuery-Sandbox können Sie BigQuery ohne Kreditkarte testen. Sie bleiben automatisch in der kostenlosen Stufe von BigQuery und können die Sandbox nutzen, um Abfragen und Analysen in öffentlichen Datasets durchzuführen und die Funktionsweise zu testen. Sie können auch eigene Daten zur Analyse in die BigQuery-Sandbox übertragen. Sie können auf die kostenlose Testversion upgraden, bei der Neukunden ein Guthaben von 300 $ zum Ausprobieren von BigQuery erhalten.
Wofür wird BigQuery am häufigsten von Unternehmen genutzt?
Unternehmen jeder Größe verwenden BigQuery, um isolierte Daten zentral zu konsolidieren und so Datenanalysen durchzuführen und Insights aus Geschäftsdaten zu gewinnen. Dadurch können sie Entscheidungen in Echtzeit treffen, Geschäftsberichte optimieren und Machine Learning in die Datenanalyse einbinden, um zukünftige Geschäftschancen zu erkennen.
