Tutoriels interactifs et vidéos BigQuery

Tutoriels interactifs BigQuery

Les procédures pas à pas interactives ci-dessous vous aideront à vous lancer avec BigQuery.

Avant de commencer

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  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. Enable the BigQuery API.

    Roles required to enable APIs

    To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

    Enable the API

    Pour les nouveaux projets, l'API BigQuery est automatiquement activée.

  5. Facultatif : Activez la facturation pour le projet. Les étapes décrites dans ce document demeurent valables, même si vous ne souhaitez pas activer la facturation ou fournir une carte de crédit. BigQuery fournit un bac à sable permettant d'accomplir les étapes. Pour en savoir plus, consultez la page Activer le bac à sable BigQuery.

    6. Ces procédures pas à pas sont lancées dans la console Google Cloud . Cliquez sur les liens pour lancer le tutoriel interactif.

    Titre

    Description
    Charger et interroger des données
    Interroger un ensemble de données public dans BigQuery Studio Utilisez le bac à sable BigQuery pour interroger et visualiser des données dans un ensemble de données public.
    Charger et interroger des données à l'aide de BigQuery Studio Utilisez BigQuery Studio pour créer un ensemble de données, charger des données et interroger les données.
    Charger et interroger des données avec l'outil de ligne de commande bq Utilisez l'outil de ligne de commande BigQuery pour créer un ensemble de données, charger des données et interroger les données.
    Importer des données depuis Cloud Storage vers BigQuery Utilisez la console Google Cloud pour importer des données depuis Cloud Storage dans BigQuery et interrogez-les.
    Gestion des charges de travail
    Premiers pas avec les réservations Utilisez la console Google Cloud pour acheter des emplacements, créer une réservation et attribuer un projet à une réservation.
    IA
    Rédiger des requêtes avec l'aide de Gemini Utilisez l'assistance optimisée par l'IA de Gemini dans BigQuery pour vous aider à interroger vos données à l'aide de requêtes SQL et de code Python.
    Bibliothèques clientes
    Visite guidée C# Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery C#.
    Go Tour Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery Go.
    Visite guidée de Java Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery Java.
    Visite guidée de Node.js Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery Node.js.
    Visite guidée de PHP Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery PHP.
    Visite guidée de Python Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery Python.
    Visite guidée Ruby Interrogez un ensemble de données public avec la bibliothèque cliente BigQuery Ruby.

    Vidéos BigQuery

    Les tutoriels vidéo ci-dessous vous aideront à en savoir plus sur BigQuery. Pour en savoir plus, abonnez-vous à la chaîne YouTube Google Cloud Tech. Google Cloud

    Titre

    Description
    Présentation des produits
    Une minute pour découvrir BigQuery (1:26) Présentation de BigQuery, l'entrepôt de données entièrement géré de Google.
    BigQuery ML en une minute (1:40) Brève présentation de BigQuery ML. BigQuery ML vous permet d'entraîner, d'évaluer et d'exécuter des inférences sur des modèles pour des tâches telles que la prévision de séries temporelles, la détection d'anomalies, la classification, la régression, le clustering, la réduction de dimensionnalité et les recommandations.
    IA
    Présentation de Gemini AI et de l'analyse de données dans BigQuery (3:42) Présentation de Gemini dans BigQuery, qui fournit des fonctionnalités d'IA et d'analyse de données pour vous aider à rationaliser vos workflows tout au long du cycle de vie des données.
    Utiliser BigQuery et Gemini AI pour l'analyse de données (7:00) Découvrez comment les modèles Gemini peuvent vous aider à générer de nouveaux insights, à enrichir vos ensembles de données et même à analyser du contenu multimodal, y compris des images, des vidéos et du texte.
    Présentation des agents d'ingénierie des données BigQuery (6:19) Découvrez les agents BigQuery Data Engineering qui aident les analystes de données à gagner du temps pour le codage, le mappage de schémas et la création de métadonnées.
    Présentation du canevas de données BigQuery (6:03) Présentation du canevas de données BigQuery optimisé par l'IA. Cet outil centré sur le langage naturel simplifie le processus de recherche, d'interrogation et de visualisation des données.
    Interroger et visualiser des données
    Présentation de la syntaxe pipe dans BigQuery et Cloud Logging (5:00) La syntaxe pipe de BigQuery offre une façon plus intuitive de structurer votre code. Découvrez comment la syntaxe de canalisation simplifie l'analyse exploratoire et les tâches complexes d'analyse des journaux, ce qui vous permet d'obtenir des insights plus rapidement.
    Visualiser des données géospatiales BigQuery dans Colab (10:00) BigQuery vous permet de stocker et d'analyser des données géospatiales à l'aide du langage SQL standard. En important ces données dans un notebook Colab, vous pouvez combiner la puissance de BigQuery avec des bibliothèques de visualisation Python populaires.
    Visualiser des données BigQuery avec Looker (3:00) Découvrez comment vous connecter facilement à vos données BigQuery et les visualiser à l'aide de l'interface utilisateur conviviale de Looker et de ses puissantes fonctionnalités de modélisation sémantique.
    Stockage BigQuery
    Présentation des tables BigQuery (6:55) Présentation des différents types de tables dans BigQuery, y compris les tables gérées, les tables externes et les tables virtuelles avec des vues logiques et matérialisées.
    Comment BigQuery stocke-t-il les données ? (8:19) Présentation du stockage des données dans BigQuery pour vous aider à prendre des décisions éclairées sur l'optimisation de votre stockage BigQuery. Cela inclut un aperçu du partitionnement et du clustering.
    Surveillance et journalisation
    Surveillance dans BigQuery (7:43) Découvrez comment la surveillance de votre entrepôt de données peut optimiser les coûts, vous aider à identifier les requêtes à optimiser et auditer le partage et l'accès aux données.