Interaktive BigQuery-Anleitungen und -Videos

Interaktive BigQuery-Anleitungen

Die folgenden interaktiven Anleitungen helfen Ihnen beim Einstieg in BigQuery.

Hinweis

  1. Melden Sie sich in Ihrem Google Cloud -Konto an. Wenn Sie mit Google Cloudnoch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

    4.

  4. Aktivieren Sie die BigQuery API.

    Rollen, die zum Aktivieren von APIs erforderlich sind

    Zum Aktivieren von APIs benötigen Sie die IAM-Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin), die die Berechtigung serviceusage.services.enable enthält. Weitere Informationen zum Zuweisen von Rollen

    API aktivieren

    Bei neuen Projekten ist die BigQuery API automatisch aktiviert.

  5. Optional: Aktivieren Sie die Abrechnung für das Projekt. Die Abrechnung funktioniert auch dann, wenn Sie die Abrechnung nicht aktivieren oder keine Kreditkarte angeben möchten. BigQuery bietet Ihnen eine Sandbox zum Ausführen dieser Schritte. Weitere Informationen finden Sie unter BigQuery-Sandbox aktivieren.

Diese Anleitungen werden in der Google Cloud Console gestartet. Klicken Sie auf die Links, um die interaktive Anleitung zu starten.

Titel

Beschreibung
Daten laden und abfragen
Öffentliches Dataset in BigQuery Studio abfragen Mit der BigQuery-Sandbox Daten in einem öffentlichen Dataset abfragen und visualisieren
Daten mit BigQuery Studio laden und abfragen Verwenden Sie BigQuery Studio, um ein Dataset zu erstellen, Daten zu laden und die Daten abzufragen.
Daten mit dem bq-Befehlszeilentool laden und abfragen Verwenden Sie das BigQuery-Befehlszeilentool, um ein Dataset zu erstellen, Daten zu laden und die Daten abzufragen.
Daten aus Cloud Storage in BigQuery importieren Mit der Google Cloud Console Daten aus Cloud Storage in BigQuery importieren und die Daten abfragen.
Arbeitslastverwaltung
Erste Schritte mit Reservierungen Verwenden Sie die Google Cloud Console, um Slots zu kaufen, eine Reservierung zu erstellen und ein Projekt einer Reservierung zuzuweisen.
KI
Abfragen mit Unterstützung durch Gemini schreiben Mit der KI-basierten Unterstützung von Gemini in BigQuery können Sie Ihre Daten mit SQL-Abfragen und Python-Code abfragen.
Clientbibliotheken
C#-Tour Öffentliches Dataset mit der C#-Clientbibliothek von BigQuery abfragen.
Tour starten Öffentliches Dataset mit der Go-Clientbibliothek von BigQuery abfragen.
Java-Tour Öffentliches Dataset mit der Java-Clientbibliothek von BigQuery abfragen.
Node.js-Tour Öffentliches Dataset mit der Node.js-Clientbibliothek von BigQuery abfragen.
PHP-Tour Öffentliches Dataset mit der PHP-Clientbibliothek von BigQuery abfragen.
Python-Tour Öffentliches Dataset mit der Python-Clientbibliothek von BigQuery abfragen.
Ruby-Tour Öffentliches Dataset mit der Ruby-Clientbibliothek von BigQuery abfragen.

BigQuery-Videos

Die folgende Reihe von Videoanleitungen bietet einen Einstieg in BigQuery. Weitere Google Cloud Videos finden Sie auf dem YouTube-Kanal von Google Cloud Tech.

Titel

Beschreibung
Produktübersichten
BigQuery in einer Minute (1:26) Eine kurze Übersicht über BigQuery, das vollständig verwaltete Data Warehouse von Google.
BigQuery ML in einer Minute (1:40) Kurze Übersicht über BigQuery ML. Mit BigQuery ML können Sie Modelle für Aufgaben wie Zeitreihenvorhersage, Anomalieerkennung, Klassifizierung, Regression, Clustering, Dimensionsreduzierung und Empfehlungen trainieren, bewerten und Inferenzvorgänge für sie ausführen.
KI
Einführung in Gemini AI und Datenanalyse in BigQuery (3:42) Eine Einführung in Gemini in BigQuery, das KI- und Datenanalysefunktionen bietet, mit denen Sie Ihre Workflows über den gesamten Datenlebenszyklus hinweg optimieren können.
BigQuery und Gemini AI für Datenanalysen verwenden (7:00) Eine Übersicht darüber, wie Gemini-Modelle Ihnen helfen können, neue Statistiken zu generieren, Ihre Datasets zu erweitern und multimodale Inhalte wie Bilder, Videos und Text zu analysieren.
BigQuery-Agents für Data Engineering (6:19) Eine Einführung in BigQuery Data Engineering Agents, mit denen Datenanalysten Zeit beim Programmieren, Zuordnen von Schemas und Erstellen von Metadaten sparen können.
BigQuery-Daten-Canvas – Übersicht (6:03) Übersicht über den KI-gestützten BigQuery-Daten-Canvas. Dieses auf natürliche Sprache ausgerichtete Tool vereinfacht das Suchen, Abfragen und Visualisieren Ihrer Daten.
Daten abfragen und visualisieren
Einführung in die Pipe-Syntax in BigQuery und Cloud Logging (5:00) Die Pipe-Syntax von BigQuery bietet eine intuitivere Möglichkeit, Ihren Code zu strukturieren. Hier erfahren Sie, wie die Pipe-Syntax sowohl die explorative Analyse als auch komplexe Loganalyseaufgaben vereinfacht und Ihnen hilft, schneller Erkenntnisse zu gewinnen.
Raumbezogene BigQuery-Daten in Colab visualisieren (10:00) Mit BigQuery können Sie raumbezogene Daten mit Standard-SQL speichern und analysieren. Wenn Sie diese Daten in ein Colab-Notebook importieren, können Sie die Leistungsfähigkeit von BigQuery mit beliebten Python-Visualisierungsbibliotheken kombinieren.
BigQuery-Daten mit Looker visualisieren (3:00) Eine Übersicht darüber, wie Sie mit der benutzerfreundlichen Oberfläche und den leistungsstarken Funktionen für die semantische Modellierung von Looker nahtlos eine Verbindung zu Ihren BigQuery-Daten herstellen und diese visualisieren können.
BigQuery-Speicher
BigQuery-Tabellen (6:55) Eine Übersicht über die verschiedenen Arten von Tabellen in BigQuery, einschließlich verwalteter Tabellen, externer Tabellen und virtueller Tabellen mit logischen und materialisierten Ansichten.
Wie speichert BigQuery Daten? (8:19) Eine Einführung in die Art und Weise, wie BigQuery Daten speichert, damit Sie fundierte Entscheidungen zur Optimierung Ihres BigQuery-Speichers treffen können. Dazu gehört eine Übersicht über Partitionierung und Clustering.
Monitoring und Logging
Monitoring in BigQuery (7:43) Eine Übersicht darüber, wie Sie durch die Überwachung Ihres Data Warehouse Kosten optimieren, ermitteln können, welche Abfragen optimiert werden müssen, und sowohl die gemeinsame Nutzung von Daten als auch den Zugriff prüfen können.