Einführung in Notebooks
Mit Colab Enterprise-Notebooks in BigQuery können Sie End-to-End-Workflows für Data Science und maschinelles Lernen über eine einzige, integrierte Benutzeroberfläche ausführen. Im Gegensatz zu Standard-SQL-Editoren können Sie in Notebooks SQL-Abfragen mit Python-Code, Rich-Text und Visualisierungen kombinieren, um Ihre Daten umfassend darzustellen. Notebooks eignen sich ideal für die folgenden Anwendungsfälle:
- End-to-End-ML-Workflows: Sie können ein BigQuery ML-Modell über eine einzige Notebook-Oberfläche erstellen, bewerten und bereitstellen.
- Datenanalyse: Bereinigen und analysieren Sie große Datasets mit BigQuery DataFrames.
- Gemeinsame Recherche: Notebooks mit IAM für Kollegen freigeben und den Versionsverlauf verfolgen.
Notebooks sind Code-Assets in BigQuery Studio, ebenso wie gespeicherte Abfragen, und basieren auf Dataform. Diese Funktionen sind nur in der Google Cloud -Konsole verfügbar.
Vorteile
Notebooks in BigQuery bieten folgende Vorteile:
- Nahtlose Python-Integration: Sie können die BigQuery DataFrames API ohne zusätzliche Einrichtung verwenden.
- KI-basierte Entwicklung: Nutzen Sie generative KI von Gemini für die unterstützende Codeentwicklung.
- Vertraute Editorfunktionen: Verwenden Sie die automatische Vervollständigung von SQL-Anweisungen, ähnlich wie im BigQuery-SQL-Editor.
- Integrierte Visualisierungen: Verwenden Sie interaktive DataFrame-Visualisierungen oder Bibliotheken wie matplotlib und seaborn, um Daten direkt in Ihrem Workflow zu visualisieren.
- SQL-Python-Interoperabilität: SQL in Zellen ausführen, die auf Python-Variablen verweisen.
Notebook-Galerie
Die Notebook-Galerie ist ein zentraler Hub zum Auffinden und Verwenden vorgefertigter Notebook-Vorlagen. Mit diesen Vorlagen können Sie häufige Aufgaben wie die Datenvorbereitung, Datenanalyse und Visualisierung ausführen. Notebook-Vorlagen helfen Ihnen auch, BigQuery Studio-Funktionen zu nutzen, Workflows zu verwalten und Best Practices zu fördern.
Mit Vorlagen aus der Notebook-Galerie können Sie Ihren gesamten Workflow von der Absicht bis zur Erkenntnis in jeder Phase des Datenlebenszyklus optimieren – von der Aufnahme und explorativen Datenanalyse bis hin zu erweiterten Analysen und BigQuery ML.
In der Notebook-Galerie finden Sie Vorlagen für alle Erfahrungsstufen. Die Galerie enthält grundlegende Vorlagen für SQL, Python, Apache Spark und DataFrames. Außerdem können Sie sich mit Themen wie generativer KI und multimodaler Datenanalyse in BigQuery beschäftigen.
So rufen Sie die Notebook-Galerie auf:
Rufen Sie die Seite BigQuery auf.
Klicken Sie im Menü Explorer auf Notebooks.
Klicken Sie auf das Drop-down-Menü Neues Notebook und wählen Sie Alle Vorlagen aus.
Weitere Informationen zur Verwendung von Notebook-Galerievorlagen finden Sie unter Notebook mithilfe der Notebook-Galerie erstellen.
Laufzeitverwaltung
BigQuery verwendet Colab Enterprise-Laufzeiten zum Ausführen von Notebooks.
Eine Notebook-Laufzeit ist eine virtuelle Compute Engine-Maschine, die einem bestimmten Nutzer zugewiesen ist, um die Codeausführung in einem Notebook zu aktivieren. Mehrere Notebooks können dieselbe Laufzeit verwenden. Jede Laufzeit gehört jedoch nur einem Nutzer und kann nicht von anderen verwendet werden. Notebook-Laufzeiten werden auf der Grundlage von Vorlagen erstellt, die normalerweise von Nutzern mit Administratorberechtigungen definiert werden. Sie können jederzeit zu einer Laufzeit wechseln, die einen anderen Vorlagentyp verwendet.
Notebook-Sicherheit
Sie steuern den Zugriff auf Notebooks über IAM-Rollen (Identity and Access Management). Weitere Informationen finden Sie unter Zugriff auf Notebooks gewähren und Sicherheitsaspekte für Notebooks.
Wenn Sie Sicherheitslücken in Python-Paketen erkennen möchten, die Sie in Ihren Notebooks verwenden, installieren und verwenden Sie den Notebook Security Scanner (Vorschau).
Unterstützte Regionen
Mit BigQuery Studio können Sie Versionen von Notebooks speichern, freigeben und verwalten. In der folgenden Tabelle sind die Regionen aufgeführt, in denen BigQuery Studio verfügbar ist:
| Beschreibung der Region | Name der Region | Details | |
|---|---|---|---|
| Afrika | |||
| Johannesburg | africa-south1 |
||
| Amerika | |||
| Columbus | us-east5 |
||
| Dallas | us-south1 |
 Niedriger CO2-Wert
|
|
| Iowa | us-central1 |
Niedriger CO2-Wert
|
|
| Los Angeles | us-west2 |
||
| Las Vegas | us-west4 |
||
| Montreal | northamerica-northeast1 |
Niedriger CO2-Wert
|
|
| N. Virginia | us-east4 |
||
| Oregon | us-west1 |
Niedriger CO2-Wert |
|
| São Paulo | southamerica-east1 |
Niedriger CO2-Wert
|
|
| South Carolina | us-east1 |
||
| Asiatisch-pazifischer Raum | |||
| Hongkong | asia-east2 |
||
| Jakarta | asia-southeast2 |
||
| Mumbai | asia-south1 |
||
| Seoul | asia-northeast3 |
||
| Singapur | asia-southeast1 |
||
| Sydney | australia-southeast1 |
||
| Taiwan | asia-east1 |
||
| Tokio | asia-northeast1 |
||
| Europa | |||
| Belgien | europe-west1 |
Niedriger CO2-Wert
|
|
| Finnland | europe-north1 |
Niedriger CO2-Wert
|
|
| Frankfurt | europe-west3 |
||
| London | europe-west2 |
Niedriger CO2-Wert
|
|
| Madrid | europe-southwest1 |
Niedriger CO2-Wert
|
|
| Mailand | europe-west8 |
||
| Niederlande | europe-west4 |
Niedriger CO2-Wert
|
|
| Turin | europe-west12 |
||
| Warschau | europe-central2 |
||
| Zürich | europe-west6 |
Niedriger CO2-Wert
|
|
| Naher Osten | |||
| Dammam | me-central2 |
||
| Doha | me-central1 |
||
| Tel Aviv | me-west1 |
||
Preise
Preisinformationen zu BigQuery Studio-Notebooks finden Sie unter Preise für Notebook-Laufzeiten.
Slotnutzung überwachen
Sie können die Slot-Nutzung für BigQuery Studio-Notebooks im Cloud Billing-Bericht in der Google Cloud Console überwachen. Wenden Sie im Cloud Billing-Bericht einen Filter mit dem Label goog-bq-feature-type und dem Wert BQ_STUDIO_NOTEBOOK an, um die Slot-Nutzung und die Kosten für BigQuery Studio-Notebooks aufzurufen.
Fehlerbehebung
Weitere Informationen finden Sie unter Fehlerbehebung bei Colab Enterprise.