סרטונים ומדריכים אינטראקטיביים ל-BigQuery

במסמך הזה מפורטים מדריכים מפורטים אינטראקטיביים וסרטוני הדרכה שיעזרו לכם ללמוד על BigQuery ולהתחיל להשתמש בו. במקורות המידע האלה יש הוראות מפורטות למשימות נפוצות והסברים ויזואליים על מושגים ותכונות.

הדרכות אינטראקטיביות ל-BigQuery

ההדרכות הבאות יסבירו לכם איך לבצע משימות נפוצות ישירות במסוףGoogle Cloud . כדי להפעיל הדרכה מפורטת, לוחצים על הקישור.

לפני שמתחילים

נכנסים לחשבון Google Cloud . אם אתם משתמשים חדשים ב- Google Cloud, צרו חשבון כדי שתוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

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.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

1. מפעילים את BigQuery API.

   תפקידים שנדרשים להפעלת ממשקי API

   כדי להפעיל ממשקי API, נדרשת ההרשאה serviceusage.services.enable. אם יצרתם את הפרויקט, סביר להניח שכבר יש לכם את ההרשאה הזו דרך התפקיד 'בעלים' (roles/owner). אחרת, תוכלו לקבל את ההרשאה הזו דרך התפקיד 'אדמין בממשק 'שימוש בשירות'' (roles/serviceusage.serviceUsageAdmin). איך מקצים תפקידים

   להפעלת ה-API

   בפרויקטים חדשים, BigQuery API מופעל באופן אוטומטי.

2. אופציונלי: מפעילים את החיוב בפרויקט. גם אם אתם לא רוצים להפעיל חיוב או לספק כרטיס אשראי, השלבים שבמסמך הזה עדיין רלוונטיים. ‫BigQuery מספק לכם ארגז חול לביצוע השלבים. מידע נוסף זמין במאמר בנושא הפעלת ארגז החול של BigQuery.
   הערה: אם לפרויקט שלכם יש חשבון לחיוב ואתם רוצים להשתמש ב-Sandbox של BigQuery, אתם צריכים להשבית את החיוב בפרויקט.

ההדרכות האלה מופעלות במסוף Google Cloud . לוחצים על הקישורים כדי להפעיל את המדריך האינטראקטיבי.

כותרת	תיאור
טעינה של נתונים והפעלת שאילתות
הרצת שאילתות במערך נתונים ציבורי ב-BigQuery Studio	שימוש בארגז החול של BigQuery כדי לשלוח שאילתות לנתונים ולהציג אותם באופן חזותי במערך נתונים ציבורי.
טעינה של נתונים והפעלת שאילתות באמצעות BigQuery Studio	משתמשים ב-BigQuery Studio כדי ליצור מערך נתונים, לטעון נתונים ולשלוח שאילתות לנתונים.
טעינה ושאילתות על נתונים באמצעות כלי שורת הפקודה bq	משתמשים בכלי שורת הפקודה של BigQuery כדי ליצור מערך נתונים, לטעון נתונים ולהריץ שאילתות על הנתונים.
ייבוא נתונים מ-Cloud Storage ל-BigQuery	אפשר להשתמש במסוף Google Cloud כדי לייבא נתונים מ-Cloud Storage ל-BigQuery ולהריץ שאילתות על הנתונים.
ניהול עומסי עבודה
איך מתחילים להשתמש בהזמנות	משתמשים במסוף Google Cloud כדי לרכוש משבצות, ליצור הזמנה ולהקצות פרויקט להזמנה.
AI
כתיבת שאילתות בעזרת Gemini	אתם יכולים להשתמש בעזרה מבוססת-AI של Gemini ב-BigQuery כדי להריץ שאילתות על הנתונים באמצעות שאילתות SQL וקוד Python.
ספריות לקוח
סיור ב-C# ‎	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית הלקוח של BigQuery C# ‎.
לצאת לסיור	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית הלקוח BigQuery Go.
סיור ב-Java	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית לקוח Java של BigQuery.
סיור ב-Node.js	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית הלקוח של BigQuery Node.js.
PHP tour	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית הלקוח של BigQuery PHP.
סיור מודרך ב-Python	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית הלקוח של BigQuery Python.
סיור ב-Ruby	הרצת שאילתות במערך נתונים ציבורי באמצעות ספריית הלקוח BigQuery Ruby.

סרטונים בנושא BigQuery

בסדרת הסרטונים הבאה תוכלו לקבל מידע נוסף על BigQuery. רוצים לצפות בסרטונים נוספים? הירשמו לערוץ Google Cloud Tech ב-YouTube. Google Cloud

כותרת	תיאור
סקירות כלליות של מוצרים
BigQuery בדקה (1:26)	סקירה כללית קצרה על BigQuery, מחסן הנתונים (data warehouse) המנוהל של Google.
‫BigQuery ML בדקה (1:40)	סקירה כללית קצרה על BigQuery ML. באמצעות BigQuery ML, אפשר לאמן מודלים, להעריך אותם ולהריץ בהם הסקה למשימות כמו חיזוי סדרות זמנים, זיהוי אנומליות, סיווג, רגרסיה, אשכולות, צמצום ממדים והמלצות.
AI
מבוא ל-Gemini AI ולניתוח נתונים ב-BigQuery (3:42)	הסבר על Gemini ב-BigQuery, שכולל יכולות של AI וניתוח נתונים שעוזרות לייעל את תהליכי העבודה לאורך כל מחזור החיים של הנתונים.
שימוש ב-BigQuery וב-Gemini AI לניתוח נתונים (7:00)	סקירה כללית של האופן שבו מודלים של Gemini יכולים לעזור לכם ליצור תובנות חדשות, להעשיר את מערכי הנתונים ואפילו לנתח תוכן מולטי-מודאלי, כולל תמונות, סרטונים וטקסט.
היכרות עם סוכני הנדסת נתונים ב-BigQuery (6:19)	הסבר על סוכני הנדסת נתונים ב-BigQuery שעוזרים לנתח נתונים לחסוך זמן בכתיבת קוד, במיפוי סכימות וביצירת מטא-נתונים.
סקירה כללית על קנבס נתונים ב-BigQuery (6:03)	סקירה כללית על קנבס נתונים ב-BigQuery שמבוסס על AI. הכלי הזה מתבסס על שפה טבעית ומפשט את התהליך של חיפוש הנתונים, שליחת שאילתות לגביהם והצגתם בצורה ויזואלית.
שאילתות והמחשה של נתונים
מבוא לתחביר של צינורות ב-BigQuery וב-Cloud Logging (5:00)	התחביר של צינורות ב-BigQuery מאפשר לבנות את הקוד בצורה אינטואיטיבית יותר. כאן מוסבר איך תחביר של צינורות מפשט ניתוח נתונים ראשוני ומשימות מורכבות של ניתוח יומנים, ועוזר לכם לקבל תובנות מהר יותר.
המחשה חזותית של נתונים גיאו-מרחביים של BigQuery ב-Colab (10:00)	‫BigQuery מאפשר לכם לאחסן ולנתח נתונים גיאו-מרחביים באמצעות SQL סטנדרטי, והעברת הנתונים האלה ל-Notebook של Colab מאפשרת לכם לשלב את העוצמה של BigQuery עם ספריות פופולריות של Python להמחשה חזותית.
הדמיה של נתוני BigQuery באמצעות Looker (3:00)	סקירה כללית של האופן שבו אפשר להתחבר בצורה חלקה לנתוני BigQuery ולהציג אותם באופן ויזואלי באמצעות הממשק הידידותי למשתמש של Looker והיכולות המתקדמות של מודלים סמנטיים.
אחסון BigQuery
סיור בטבלאות ב-BigQuery (6:55)	סקירה כללית של סוגי הטבלאות השונים ב-BigQuery, כולל טבלאות מנוהלות, טבלאות חיצוניות וטבלאות וירטואליות עם תצוגות לוגיות ותצוגות חומריות.
איך BigQuery מאחסן נתונים? (8:19)	הסבר על האופן שבו BigQuery מאחסן נתונים, כדי שתוכלו לקבל החלטות מושכלות לגבי אופטימיזציה של האחסון ב-BigQuery. ההסבר כולל סקירה כללית של חלוקה למחיצות ושל אשכולות.
מעקב ורישום ביומן
מעקב ב-BigQuery (7:43)	סקירה כללית של האופן שבו מעקב אחרי מחסן הנתונים יכול לעזור לכם לבצע אופטימיזציה של העלויות, לזהות אילו שאילתות צריך לבצע להן אופטימיזציה ולבדוק את שיתוף הנתונים והגישה אליהם.