Introduzione agli strumenti per sviluppatori

BigQuery fornisce un insieme di strumenti per sviluppatori che puoi utilizzare per accedere a BigQuery nel tuo ambiente di sviluppo, connettere BigQuery ad applicazioni esterne e sviluppare soluzioni end-to-end. Prima di utilizzare questi strumenti, devi avere familiarità con i concetti standard di BigQuery, come l' analisi e l' organizzazione delle risorse.

Strumenti per accedere a BigQuery nel tuo ambiente di sviluppo

Le API e le librerie client di BigQuery sono gli strumenti per sviluppatori principali per effettuare richieste BigQuery al di fuori della Google Cloud console e dello strumento a riga di comando bq. Quando accedi a BigQuery in questo modo, devi anche fornire una forma di autenticazione.

API

BigQuery offre API REST e gRPC per interfacciarsi a livello di programmazione con i suoi vari servizi. Sono disponibili le seguenti API:

Librerie client

Sebbene tu possa utilizzare le API BigQuery direttamente effettuando richieste al server, l'utilizzo delle librerie client BigQuery può ridurre notevolmente la quantità di codice da scrivere fornendo semplificazioni nelle chiamate API BigQuery. I linguaggi supportati per BigQuery sono C#, Go, Java, Node.js, PHP, Python e Ruby. Per provare una guida rapida per le librerie client BigQuery, vedi Eseguire una query su un set di dati pubblico con le librerie client BigQuery.

Autenticazione

L'autenticazione è il processo di conferma della tua identità tramite l'utilizzo delle credenziali. Quando accedi a BigQuery nel tuo ambiente di sviluppo, è sempre richiesta una forma di autenticazione. Il metodo di autenticazione più comune per gli sviluppatori BigQuery è Credenziali predefinite dell'applicazione, che trova automaticamente le credenziali in base al tuo ambiente. Per ulteriori informazioni sui principi di autenticazione generali e su altri metodi di autenticazione, vedi Autenticarsi a BigQuery.

Strumenti per connettere BigQuery ad applicazioni esterne

Sono disponibili diversi strumenti di connessione personalizzati per aiutarti a incorporare le funzionalità di BigQuery con applicazioni di terze parti.

MCP Toolbox for Databases

Model Context Protocol (MCP) è un protocollo aperto per connettere modelli linguistici di grandi dimensioni (LLM) a origini dati come BigQuery. The MCP Toolbox for Databases connette il tuo progetto BigQuery a vari ambienti di sviluppo integrati (IDE) e strumenti per sviluppatori, consentendoti di creare agenti AI più potenti con i tuoi dati BigQuery.

Driver ODBC e JDBC

I driver Open Database Connectivity (ODBC) e Java Database Connectivity (JDBC) connettono le applicazioni ai database. Google collabora con Simba per fornire driver ODBC e JDBC per BigQuery, che puoi utilizzare per creare applicazioni software indipendenti dal database tramite gli strumenti e l'infrastruttura che preferisci. È disponibile in anteprima anche il driver JDBC per BigQuery sviluppato da Google .

Google Cloud Estensione per Visual Studio Code

Se utilizzi Visual Studio Code (VS Code), puoi utilizzare l' Google Cloud estensione VS Code per eseguire i notebook BigQuery e visualizzare in anteprima i set di dati BigQuery dal tuo ambiente VS Code esistente.

Strumenti per lo sviluppo di soluzioni end-to-end

Quando crei soluzioni complesse con BigQuery, Google offre molti percorsi per aiutarti, in particolare tramite esempi di codice, funzionalità di repository e workspace e un'ampia varietà di integrazioni BigQuery.

Esempi di codice

Gli esempi di codice BigQuery forniscono snippet per eseguire attività comuni in BigQuery, come la creazione di tabelle, l'elenco delle connessioni, la visualizzazione degli impegni di capacità e delle prenotazioni e il caricamento dei dati. Puoi utilizzare questi esempi di codice per iniziare a creare soluzioni più complesse.

Repository e spazi di lavoro

Puoi utilizzare repository per il controllo della versione dei file che utilizzi in BigQuery e puoi utilizzare spazi di lavoro all'interno di questi repository per modificare il codice. BigQuery utilizza Git per registrare le modifiche e gestire le versioni dei file. Puoi utilizzare le funzionalità Git integrate in BigQuery oppure connetterti a un repository Git di terze parti.

Servizi e strumenti integrati

I seguenti servizi e strumenti Google si integrano con BigQuery e offrono funzionalità aggiuntive per la creazione di soluzioni:

  • Dataproc. Un servizio completamente gestito per l'esecuzione di job Apache Hadoop e Apache Spark. Dataproc fornisce il connettore BigQuery, che consente a Hadoop e Spark di elaborare direttamente i dati da BigQuery.
  • Dataflow. Un servizio completamente gestito per l'esecuzione di job Apache Beam su larga scala. Il connettore BigQuery I/O per Beam consente alle pipeline Beam di leggere e scrivere dati da e in BigQuery.
  • Cloud Composer. Un servizio di pianificazione del flusso di lavoro completamente gestito basato su Apache Airflow. Gli operatori BigQuery consentono ai flussi di lavoro Airflow di gestire set di dati e tabelle, eseguire query e convalidare i dati.
  • Pub/Sub. Un servizio di messaggistica asincrono e scalabile. Pub/Sub fornisce sottoscrizioni BigQuery, che puoi utilizzare per scrivere i messaggi in una tabella BigQuery esistente non appena vengono ricevuti.
  • Dataform. Un servizio che consente agli analisti di dati di sviluppare, testare, controllare la versione e pianificare flussi di lavoro SQL complessi per la trasformazione dei dati in BigQuery.
  • Modulo Terraform BigQuery. Un modulo per automatizzare l'istanza e il deployment di set di dati e tabelle BigQuery.
  • Strumento a riga di comando bq. Uno strumento a riga di comando basato su Python per BigQuery.

Google convalida anche decine di soluzioni e integrazioni dei partner per BigQuery tramite il Google Cloud programma Ready - BigQuery. Questi partner riconosciuti soddisfano un insieme di requisiti di base per garantire la compatibilità con BigQuery.

Passaggi successivi

  • Per informazioni sulle risorse e sui prossimi eventi per Google Cloud gli sviluppatori, visita il centro per sviluppatori.
  • Per informazioni su come utilizzano altre aziende Google Cloud, vedi Data Cloud per ISV.