Panoramica di BigQuery

BigQuery è una piattaforma di dati completamente gestita e pronta per l'AI che ti aiuta a gestire e analizzare i dati con funzionalità integrate come machine learning, ricerca, analisi geospaziale e business intelligence. L'architettura serverless di BigQuery ti consente di utilizzare linguaggi come SQL e Python per rispondere alle principali domande della tua organizzazione senza il bisogno di gestire alcuna infrastruttura.

BigQuery fornisce un modo uniforme per lavorare con dati strutturati e non strutturati e supporta formati di tabelle aperti come Apache Iceberg, Delta e Apache Hudi. Lo streaming di BigQuery supporta l'importazione continua dei dati e l'analisi, mentre il motore di analisi scalabile e distribuito di BigQuery ti consente di eseguire query su terabyte in pochi secondi e su petabyte in pochi minuti.

BigQuery offre funzionalità di governance integrate che ti consentono di scoprire e curare i dati, nonché di gestire i metadati e la qualità dei dati. Grazie a funzionalità come la ricerca semantica e la derivazione dei dati, puoi trovare e convalidare i dati pertinenti per l'analisi. Puoi condividere dati e asset AI nella tua organizzazione con i vantaggi del controllo dell'accesso. Queste funzionalità sono basate su Dataplex Universal Catalog, una soluzione di governance unificata e intelligente per i dati e gli asset AI in Google Cloud.

L'architettura di BigQuery è composta da due parti: un livello di archiviazione che importa, archivia e ottimizza i dati e un livello di calcolo che fornisce funzionalità di analisi. Questi livelli di calcolo e archiviazione operano in modo efficiente e indipendente l'uno dall'altro grazie alla rete di petabit di Google che consente la comunicazione necessaria tra loro.

I database legacy di solito devono condividere le risorse tra le operazioni di lettura e scrittura e le operazioni analitiche. Ciò può comportare conflitti di risorse e rallentare le query durante la scrittura o la lettura dei dati dallo spazio di archiviazione. I pool di risorse condivise possono essere ulteriormente messi a dura prova quando sono necessarie risorse per le attività di gestione di database, come l'assegnazione o la revoca delle autorizzazioni. La separazione dei livelli di calcolo e archiviazione di BigQuery consente a ogni livello di allocare dinamicamente le risorse senza influire sulle prestazioni o sulla disponibilità dell'altro.

L'architettura di BigQuery separa le risorse con una rete petabit.

Questo principio di separazione consente a BigQuery di innovare più rapidamente, perché i miglioramenti dello spazio di archiviazione e del calcolo possono essere implementati in modo indipendente, senza tempi di inattività o impatti negativi sulle prestazioni del sistema. È inoltre essenziale per offrire un data warehouse serverless completamente gestito in cui il team di ingegneri di BigQuery gestisce gli aggiornamenti e la manutenzione. Di conseguenza, non devi eseguire il provisioning o scalare manualmente le risorse, ma puoi concentrarti sulla fornitura di valore anziché sulle attività di gestione dei database tradizionali.

Le interfacce di BigQuery includono Google Cloud console interfaccia e lo strumento a riga di comando di BigQuery. Sviluppatori e data scientist possono utilizzare le librerie client con linguaggi di programmazione familiari, tra cui Python, Java, JavaScript e Go, nonché l'API REST e l'API RPC di BigQuery per trasformare e gestire i dati. I driver ODBC e JDBC forniscono l'interazione con le applicazioni esistenti, inclusi strumenti e utilità di terze parti.

In qualità di analista di dati, data engineer, amministratore di data warehouse o data scientist, BigQuery ti aiuta a caricare, elaborare e analizzare i dati per prendere decisioni aziendali fondamentali.

Inizia a utilizzare BigQuery

Puoi iniziare a esplorare BigQuery in pochi minuti. Sfrutta il livello di utilizzo senza costi di BigQuery o la sandbox senza costi aggiuntivi per iniziare a caricare ed eseguire query sui dati.

Esplora BigQuery

L'infrastruttura serverless di BigQuery ti consente di concentrarti sui dati anziché sulla gestione delle risorse. BigQuery combina un data warehouse basato su cloud e potenti strumenti di analisi.

Spazio di archiviazione BigQuery

BigQuery archivia i dati utilizzando un formato di archiviazione a colonne ottimizzato per le query analitiche. BigQuery presenta i dati in tabelle, righe e colonne e fornisce il supporto completo per la semantica delle transazioni di database (ACID). Lo spazio di archiviazione di BigQuery viene replicato automaticamente in più località per fornire una disponibilità elevata.

Per ulteriori informazioni, vedi Panoramica dello spazio di archiviazione di BigQuery.

Analisi di BigQuery

Gli utilizzi dell'analisi descrittiva e prescrittiva includono business intelligence, analisi ad hoc, analisi geospaziale e machine learning. Puoi eseguire query sui dati archiviati in BigQuery o eseguire query sui dati nella posizione in cui si trovano utilizzando tabelle esterne o query federate, inclusi Cloud Storage, Bigtable, Spanner o Fogli Google archiviati in Google Drive.

  • Query SQL standard ANSI (supporto ISO/IEC 9075) incluso il supporto per join, campi nidificati e ripetuti, funzioni di analisi e aggregazione, query con più istruzioni e una varietà di funzioni spaziali con analisi geospaziale - Sistemi informativi geografici.
  • Crea viste per condividere le tue analisi.
  • Supporto per gli strumenti di business intelligence, tra cui BI Engine con Looker Studio, Looker, Fogli Google, e strumenti di terze parti come Tableau e Power BI.
  • BigQuery ML fornisce machine learning e analisi predittiva.
  • BigQuery Studio offre funzionalità come i blocchi note Python e il controllo della versione sia per i blocchi note sia per le query salvate. Queste funzionalità semplificano il completamento dei flussi di lavoro di analisi dei dati e machine learning (ML) in BigQuery.
  • Esegui query sui dati al di fuori di BigQuery con query federate e tabelle esterne.

Per ulteriori informazioni, vedi Panoramica dell'analisi di BigQuery.

Amministrazione di BigQuery

BigQuery fornisce la gestione centralizzata dei dati e delle risorse di calcolo mentre Identity and Access Management (IAM) ti aiuta a proteggere queste risorse con il modello di accesso utilizzato in tutto il sistema Google Cloud. Google Cloud Le best practice di sicurezza forniscono un approccio solido ma flessibile che può includere la sicurezza perimetrale o un approccio di difesa in profondità più complesso e granulare.

  • Introduzione alla sicurezza e alla governance dei dati ti aiuta a comprendere la governance dei dati e i controlli di cui potresti aver bisogno per proteggere le risorse BigQuery.
  • I job sono azioni che BigQuery esegue per tuo conto per caricare, esportare, eseguire query o copiare i dati.
  • Le prenotazioni ti consentono di passare dai prezzi on demand ai prezzi basati sulla capacità.

Per ulteriori informazioni, vedi Introduzione all'amministrazione di BigQuery.

Risorse di BigQuery

Esplora le risorse di BigQuery:

API, strumenti e riferimenti

Materiali di riferimento per sviluppatori e analisti di BigQuery:

Funzionalità di Gemini in BigQuery

Gemini in BigQuery fa parte della suite di prodotti Gemini for Google Cloud che fornisce assistenza basata sull'AI per aiutarti a utilizzare i dati.

Gemini in BigQuery fornisce assistenza AI per aiutarti a:

Per scoprire come configurare Gemini in BigQuery, vedi Configurare Gemini in BigQuery.

Ruoli e risorse di BigQuery

BigQuery soddisfa le esigenze dei professionisti dei dati nei seguenti ruoli e responsabilità.

Analista di dati

Indicazioni per le attività per aiutarti se devi:

Amministratore dei dati

Indicazioni per le attività per aiutarti se devi:

Per ulteriori informazioni, vedi Introduzione all'amministrazione di BigQuery.

Per iniziare un tour delle funzionalità di amministrazione dei dati di BigQuery direttamente nella Google Cloud consolle, fai clic su Inizia la presentazione.

Inizia la presentazione

Data scientist

Indicazioni per le attività per aiutarti se devi utilizzare il machine learning di BigQuery ML's per:

Sviluppatore di dati

Indicazioni per le attività per aiutarti se devi:

Passaggi successivi