BigQuery 數據分析總覽

本文說明 BigQuery 如何處理查詢，並概略介紹有助於瞭解及分析資料的幾項功能。

BigQuery 經過最佳化調整，能對大型資料集執行分析查詢，包括在幾秒內查詢 TB 級資料，以及在幾分鐘內查詢 PB 級資料。瞭解這項服務的功能和查詢處理方式，有助於您充分發揮資料分析投資效益。

如要直接在 Google Cloud 控制台中瀏覽 BigQuery 的資料分析功能，請按一下「Take the tour」(參加導覽)。

觀看導覽

分析工作流程

BigQuery 支援多種資料分析工作流程：

  • 臨時分析。BigQuery 使用 GoogleSQL (BigQuery 中的 SQL 語法) 支援即時分析。您可以在 Google Cloud 控制台中執行查詢，也可以透過與 BigQuery 整合的第三方工具執行查詢。

  • 地理空間分析。BigQuery 使用地理資料類型和 GoogleSQL 地理函式，讓您分析及視覺化地理空間資料。如要瞭解這些資料類型和函式，請參閱「地理空間分析簡介」。

  • 搜尋資料。您可以為資料建立索引，對非結構化文字或半結構化 JSON 資料執行彈性且最佳化的搜尋。

  • 搜尋 Google Cloud 資源。使用自然語言搜尋 (搶先版) 在 BigQuery 中探索 Google Cloud 資源。

  • 機器學習。BigQuery ML 可讓您使用 GoogleSQL 查詢，在 BigQuery 中建立及執行機器學習 (ML) 模型。

  • 商業智慧。BigQuery BI Engine 是一種快速的記憶體內分析服務，可讓您建構豐富的互動式資訊主頁和報表，且不會影響效能、擴充性、安全性或資料更新間隔。

  • AI 輔助。您可以使用 Gemini in BigQuery 準備及探索資料、生成 SQL 查詢和 Python 程式碼，並以視覺化方式呈現結果。

資料探索

在開始編寫 SQL 查詢之前，BigQuery 可協助您瞭解資料。如果您想尋找資料、不熟悉資料、不知道該問什麼問題，或是需要撰寫 SQL 的協助，請使用下列功能：

  • Dataplex Universal Catalog。在 BigQuery 中尋找Google Cloud 資源，例如資料集和資料表。

  • 資料表探索工具。以視覺化方式探索表格中的值範圍和頻率，並以互動方式建構查詢。

  • 資料洞察。生成有關資料的自然語言問題，以及回答這些問題的 SQL 查詢。

  • 資料剖析掃描。查看資料的統計特徵，包括平均值、不重複值、最大值和最小值。

  • 資料畫布。使用自然語言查詢資料、以圖表呈現結果，以及提出後續問題。

查詢

在 BigQuery 中分析資料的主要方式是執行 SQL 查詢。GoogleSQL 方言支援 SQL:2011，並包含支援地理空間分析和機器學習的擴充功能。

資料來源

BigQuery 可讓您查詢下列類型的資料來源：

  • 儲存在 BigQuery 中的資料。您可以將資料載入 BigQuery、使用資料操作語言 (DML) 陳述式修改現有資料，或將查詢結果寫入資料表。您可以在時間回溯期內，查詢特定時間點的歷史資料。

    您可以查詢儲存在單一區域或多區域位置的資料，但無法對多個位置執行查詢，即使其中一個是單一區域位置，另一個是包含該單一區域位置的多區域位置也一樣。詳情請參閱「位置、預留項目和工作」。

  • 外部資料。您可以查詢各種外部資料來源，例如 Cloud Storage，或是 Spanner 或 Cloud SQL 等資料庫服務。如要瞭解如何設定外部來源的連線，請參閱「外部資料來源簡介」

  • 多雲端資料。您可以查詢儲存在其他公有雲 (例如 AWS 或 Azure) 中的資料。如要瞭解如何設定與 Amazon Simple Storage Service (Amazon S3) 或 Azure Blob 儲存體的連線，請參閱「BigQuery Omni 簡介」。

  • 公開資料集。您可以分析公開資料集市集中的任何資料集。

  • BigQuery sharing (舊稱 Analytics Hub)。您可以發布及訂閱 BigQuery 資料集和 Pub/Sub 主題，在機構界線之間共用資料。詳情請參閱 BigQuery 共用簡介。

查詢作業的類型

您可以使用下列其中一種查詢工作類型查詢 BigQuery 資料：

  • 互動式查詢作業。根據預設，BigQuery 會以互動式查詢工作執行查詢，這類工作會盡快開始執行。

  • 批次查詢工作。批次查詢的優先順序低於互動式查詢。如果專案或預訂項目已用盡所有可用的運算資源，批次查詢就更有可能排入佇列，並留在佇列中。批次查詢開始執行後，運作方式與互動式查詢相同。詳情請參閱「查詢佇列」。

  • 持續查詢工作。 這些工作會持續執行查詢，讓您即時分析 BigQuery 中的輸入資料，然後將結果寫入 BigQuery 資料表，或將結果匯出至 Bigtable 或 Pub/Sub。這項功能可用於執行時間敏感型工作，例如建立洞察資料並立即採取行動、套用即時機器學習 (ML) 推論，以及建構事件導向資料管道。

您可以使用下列方法執行查詢工作：

多陳述式查詢

您可以使用多重陳述式查詢，依序執行多個陳述式並共用狀態。多重陳述式查詢通常用於預存程序，並支援程序語言陳述式，可讓您定義變數及實作控制流程。

已儲存及共用的查詢

BigQuery 可讓您儲存查詢，以及與他人共用查詢。

儲存查詢時，您可以將查詢設為不公開 (只有您可以檢視)、在專案層級共用 (特定主體可以檢視)，或是公開 (任何人都可以檢視)。詳情請參閱「使用已儲存的查詢」。

BigQuery 如何處理查詢

BigQuery 執行查詢時會進行下列程序：

  • 執行樹狀結構。執行查詢時，BigQuery 會產生執行樹狀結構，將查詢分成多個階段。這些階段包含可平行執行的步驟。

  • 隨機播放層級。這些階段會透過快速的分散式重組層來彼此通訊，並儲存階段工作人員產生的中繼資料。在允許的情況下，Shuffle 層會運用 Petabit 網路和 RAM 等技術，將資料快速移至工作節點。

  • 查詢計畫。BigQuery 取得執行查詢所需的所有資訊後，就會產生查詢計畫。您可以在 Google Cloud 控制台中查看查詢計畫，並使用該計畫排解問題或提升查詢效能。

  • 查詢執行圖表。您可以查看任何查詢 (無論是正在執行或已完成) 的查詢計畫資訊 (圖形格式)，並查看效能洞察，有助於最佳化查詢。

  • 查詢監控和動態規劃。除了執行查詢計畫工作的 Worker 之外，還有其他 Worker 會監控並引導整個系統的工作進度。隨著查詢進度，BigQuery 可能會動態調整查詢計畫，以配合各階段的結果。

  • 查詢結果。查詢完成後，BigQuery 會將結果寫入永久儲存空間，並傳回給使用者。這樣一來，下次執行查詢時，BigQuery 就能提供快取結果。

查詢並行數和效能

在相同資料上重複執行的查詢，其效能可能會有所不同，這是因為 BigQuery 環境的共用性質、使用快取查詢結果，或是 BigQuery 在查詢執行期間動態調整查詢計畫。對於一般繁忙的系統 (同時執行許多查詢)，BigQuery 會使用多個程序來消除查詢效能的差異：

  • BigQuery 會平行執行多個查詢，並可將查詢排入佇列，等到資源可用時再執行。

  • 查詢開始和結束時，BigQuery 會在新查詢和執行中的查詢之間公平地重新分配資源。這項程序可確保查詢效能不會受到查詢提交順序影響，而是取決於特定時間執行的查詢數量。

查詢最佳化

執行查詢時，您可以在 Google Cloud 控制台中查看查詢計畫。您也可以使用 INFORMATION_SCHEMA.JOBS* 檢視畫面或 jobs.get REST API 方法，要求執行詳細資料。

查詢計畫包含查詢階段和步驟的詳細資料。這些詳細資料可協助您找出提升查詢效能的方法。舉例來說，如果您發現某個階段寫入的輸出內容遠多於其他階段，可能表示您需要在查詢中更早進行篩選。

如要進一步瞭解查詢計畫和查詢最佳化，請參閱下列資源：

查詢監控

監控和記錄是雲端中可靠應用程式的關鍵。BigQuery 工作負載也不例外，尤其是工作負載量大或對業務至關重要時。BigQuery 提供各種指標、記錄和中繼資料檢視畫面，協助您監控 BigQuery 用量。

詳情請參閱下列資源：

查詢定價

BigQuery 提供兩種用於分析的計價模式：

如要瞭解這兩種定價模式，以及如何預留容量定價的資源，請參閱「預留簡介」。

控管配額和查詢費用

BigQuery 會對執行查詢作業強制採用專案層級配額。如需查詢配額的相關資訊，請參閱配額與限制。

BigQuery 提供了多種選項來協助您控管查詢費用，包括自訂配額和帳單快訊。詳情請參閱建立自訂的費用控管機制。

資料分析功能

BigQuery 支援描述性和預測性分析，並可協助您透過 AI 輔助工具、SQL、機器學習、筆記本和其他第三方整合服務探索資料。

BigQuery Studio

BigQuery Studio 提供下列功能，協助您探索、分析及執行 BigQuery 資料的推論作業：

BigQuery ML

BigQuery ML 可讓您在 BigQuery 中使用 SQL 執行機器學習 (ML) 和預測分析。詳情請參閱 BigQuery ML 簡介。

整合 Analytics 工具

除了在 BigQuery 中執行查詢，您也可以使用與 BigQuery 整合的各種分析和商業智慧工具分析資料，例如：

  • Looker。Looker 是企業平台，提供商業智慧、資料應用程式和嵌入式分析服務。Looker 平台可與許多資料儲存區搭配使用，包括 BigQuery。如要瞭解如何將 Looker 連線至 BigQuery，請參閱「使用 Looker」。

  • Looker Studio。執行查詢後，您可以直接在Google Cloud 控制台的 BigQuery 中啟動 Looker Studio。接著，您可以在 Looker Studio 中建立視覺化效果，並探索查詢傳回的資料。如要瞭解 Looker Studio，請參閱 Looker Studio 總覽。

  • 連結試算表。您也可以在控制台中，直接從 BigQuery 啟動連結試算表。除了您要求之外，「連結試算表」也可以根據預先排定的時間表，在 BigQuery 中代替您執行查詢。這些查詢的結果會儲存在試算表中，方便您分析及共用資料。如要瞭解連結試算表，請參閱「使用連結試算表」。

  • Tableau。您可以從 Tableau 連結至資料集。使用 BigQuery 製作圖表、資訊主頁和其他資料視覺化內容。

整合第三方工具

多種第三方分析工具都可與 BigQuery 搭配使用。 舉例來說，您可以將 Tableau 連結至 BigQuery 資料，並使用其圖表工具分析及分享分析結果。如要進一步瞭解使用第三方工具時的注意事項，請參閱第三方工具整合。

您可以使用 ODBC 和 JDBC 驅動程式，將應用程式與 BigQuery 整合。這些驅動程式旨在協助使用者透過現有工具和基礎架構，運用 BigQuery 的強大功能。如要瞭解最新版本和已知問題，請參閱「適用於 BigQuery 的 ODBC 和 JDBC 驅動程式」。

您可以使用 pandas 程式庫 (例如 pandas-gbq) 在 Jupyter 筆記本中與 BigQuery 資料互動。如要瞭解這個程式庫，以及與使用 BigQuery Python 用戶端程式庫的比較，請參閱「與 pandas-gbq 比較」。

您也可以搭配其他筆記本和分析工具使用 BigQuery。詳情請參閱「程式輔助分析工具」。

如需 BigQuery 數據分析和更廣泛技術合作夥伴的完整清單，請參閱 BigQuery 產品頁面的「合作夥伴」清單。

後續步驟