Présentation des outils pour les développeurs

BigQuery fournit un ensemble d'outils pour les développeurs que vous pouvez utiliser pour accéder à BigQuery dans votre environnement de développement, connecter BigQuery à des applications externes et développer des solutions de bout en bout. Avant d'utiliser ces outils, vous devez vous familiariser avec les concepts BigQuery standards, tels que l'analyse et l'organisation des ressources.

Outils permettant d'accéder à BigQuery dans votre environnement de développement

Les API et les bibliothèques clientes BigQuery sont les principaux outils de développement permettant d'envoyer des requêtes BigQuery en dehors de la consoleGoogle Cloud et de l'outil de ligne de commande bq. Lorsque vous accédez à BigQuery de cette manière, vous devez également fournir une forme d'authentification.

API

BigQuery propose des API REST et gRPC pour une interface de programmation avec ses différents services. Les API suivantes sont disponibles :

Bibliothèques clientes

Bien que vous puissiez utiliser directement les API BigQuery en envoyant des requêtes au serveur, l'utilisation des bibliothèques clientes BigQuery peut réduire considérablement la quantité de code à écrire en simplifiant vos appels d'API BigQuery. Les langages compatibles avec BigQuery sont C#, Go, Java, Node.js, PHP, Python et Ruby. Pour essayer un guide de démarrage rapide pour les bibliothèques clientes BigQuery, consultez Interroger un ensemble de données public avec les bibliothèques clientes BigQuery.

Authentification

L'authentification est le processus permettant de confirmer votre identité grâce à l'utilisation d'identifiants. Lorsque vous accédez à BigQuery dans votre environnement de développement, une forme d'authentification est toujours requise. La méthode d'authentification la plus courante pour les développeurs BigQuery est celle des identifiants par défaut de l'application, qui recherche automatiquement les identifiants en fonction de votre environnement. Pour en savoir plus sur les principes généraux d'authentification et les autres méthodes d'authentification, consultez S'authentifier auprès de BigQuery.

Outils pour connecter BigQuery à des applications externes

Plusieurs outils de connexion personnalisés sont disponibles pour vous aider à intégrer les fonctionnalités de BigQuery aux applications tierces.

MCP Toolbox for Databases

Le Model Context Protocol (MCP) est un protocole ouvert permettant de connecter des grands modèles de langage (LLM) à des sources de données comme BigQuery. La MCP Toolbox for Databases connecte votre projet BigQuery à divers environnements de développement intégrés (IDE) et outils pour les développeurs. Vous pouvez ainsi créer des agents d'IA plus performants avec vos données BigQuery.

Pilotes ODBC et JDBC

Les pilotes Open Database Connectivity (ODBC) et Java Database Connectivity (JDBC) connectent les applications aux bases de données. Google s'est associé à Simba pour fournir des pilotes ODBC et JDBC pour BigQuery. Vous pouvez les utiliser pour créer des applications logicielles neutres en base de données à l'aide de vos outils et infrastructures préférés. Le pilote JDBC pour BigQuery développé par Google est également disponible en version Preview.

Google Cloud pour l'extension Visual Studio Code

Si vous utilisez Visual Studio Code (VS Code), vous pouvez utiliser l'extensionGoogle Cloud VS Code pour exécuter des notebooks BigQuery et prévisualiser des ensembles de données BigQuery depuis votre environnement VS Code existant.

Outils pour développer des solutions de bout en bout

Lorsque vous créez des solutions complexes avec BigQuery, Google vous propose de nombreuses ressources pour vous aider, notamment des exemples de code, des fonctionnalités de dépôt et d'espace de travail, ainsi qu'une grande variété d'intégrations BigQuery.

Exemples de code

Les exemples de code BigQuery fournissent des extraits pour effectuer des tâches courantes dans BigQuery, comme créer des tables, répertorier des connexions, afficher des engagements de capacité et des réservations, et charger des données. Vous pouvez utiliser ces exemples de code pour commencer à créer des solutions plus complexes.

Dépôts et espaces de travail

Vous pouvez utiliser des dépôts pour contrôler les versions des fichiers que vous utilisez dans BigQuery. Vous pouvez également utiliser des espaces de travail dans ces dépôts pour modifier le code. BigQuery utilise Git pour enregistrer les modifications et gérer les versions des fichiers. Vous pouvez utiliser les fonctionnalités Git intégrées à BigQuery ou vous connecter à un dépôt Git tiers.

Services et outils intégrés

Les services et outils Google suivants s'intègrent à BigQuery et offrent des fonctionnalités supplémentaires pour créer des solutions :

  • Dataproc. Service entièrement géré pour l'exécution de jobs Apache Hadoop et Apache Spark. Dataproc fournit le connecteur BigQuery, qui permet à Hadoop et Spark de traiter directement les données depuis BigQuery.
  • Dataflow. Service entièrement géré permettant d'exécuter des jobs Apache Beam à grande échelle. Le connecteur d'E/S BigQuery pour Beam permet aux pipelines Beam de lire et d'écrire des données vers et depuis BigQuery.
  • Cloud Composer. Service de planification de workflows entièrement géré basé sur Apache Airflow. Les opérateurs BigQuery permettent aux workflows Airflow de gérer les ensembles de données et les tables, d'exécuter des requêtes et de valider les données.
  • Pub/Sub. Service de messagerie asynchrone et évolutif. Pub/Sub fournit des abonnements BigQuery que vous pouvez utiliser pour écrire des messages dans une table BigQuery existante à mesure qu'ils sont reçus.
  • Dataform. Service permettant aux analystes de données de développer, de tester, de contrôler les versions et de planifier des workflows SQL complexes pour la transformation de données dans BigQuery.
  • Module BigQuery Terraform. Module permettant d'automatiser l'instanciation et le déploiement de vos ensembles de données et tables BigQuery.
  • Outil de ligne de commande bq Outil de ligne de commande basé sur Python pour BigQuery.

Google valide également des dizaines de solutions et d'intégrations partenaires pour BigQuery grâce au programme Google Cloud  Ready – BigQuery. Ces partenaires reconnus ont rempli un ensemble d'exigences de base pour garantir la compatibilité avec BigQuery.

Étape suivante