תיעוד של BigQuery
BigQuery הוא מחסן נתונים לצורכי ניתוח מנוהל של Google Cloud, בקנה מידה של פטה-בייט וחסכוני, שמאפשר להריץ ניתוח על כמויות אדירות של נתונים כמעט בזמן אמת. עם BigQuery, לא צריך להגדיר או לנהל תשתית, כך שאתם יכולים להתמקד במציאת תובנות משמעותיות באמצעות GoogleSQL או Python, וליהנות ממודלים גמישים של תמחור עם אפשרויות של תשלום לפי דרישה ותשלום קבוע.
מתחילים לעבוד על הוכחת ההיתכנות בחינם עם קרדיט בשווי 300$
- פיתוח באמצעות המודלים והכלים הכי עדכניים של AI גנרטיבי
- שימוש בחינם ביותר מ-20 מוצרים פופולריים, כולל Compute Engine וממשקי API של AI
- בלי חיובים אוטומטיים ובלי התחייבות
מוזמנים להתנסות ביותר מ-20 מוצרים חינמיים
אתם יכולים להשתמש ביותר מ-20 מוצרים בחינם לתרחישי שימוש נפוצים, כולל ממשקי API של AI, מכונות וירטואליות, מחסני נתונים (data warehouse) ועוד.
מאמרי עזרה
מדריכים
-
מדריכים למתחילים: המסוף, שורת הפקודה, ספריות לקוח או BigQuery DataFrames (Python)
חומרי עזר
מקורות מידע שקשורים לנושא
Data Warehouse with BigQuery Jump Start Solution
פריסה ושימוש במחסן נתונים לדוגמה באמצעות BigQuery.
BigQuery for Data Warehousing
תלמדו שיטות מומלצות לחילוץ, לשינוי ולטעינה של הנתונים שלכם ב- Google Cloud באמצעות BigQuery.
עיבוד מראש של נתוני BigQuery באמצעות PySpark ב-Managed Service for Apache Spark
במאמר הזה נסביר איך ליצור צינור לעיבוד נתונים באמצעות Apache Spark עם Managed Service for Apache Spark ב- Google Cloud. תרחיש נפוץ במדעי הנתונים ובהנדסת נתונים הוא קריאת נתונים ממיקום אחסון אחד, ביצוע טרנספורמציות בנתונים וכתיבתם במיקום אחסון אחר.
BigQuery For Data Analysis
לומדים איך להריץ שאילתות, להטמיע, לבצע אופטימיזציה, להמחיש ואפילו ליצור מודלים של למידת מכונה ב-SQL בתוך BigQuery.
BigQuery for Marketing Analysts
כאן מוסבר איך להשתמש ב-BigQuery כדי לשלוח שאילתות לנתונים שלכם ולהפיק מהם תובנות חשובות שניתנות לשחזור ולשימוש חוזר.
BigQuery for Machine Learning
להתנסות בסוגים שונים של מודלים ב-BigQuery Machine Learning וללמוד מה הופך מודל לטוב.
העברת מחסני נתונים ל-BigQuery
לומדים על דפוסים ועל המלצות למעבר ממחסן נתונים מקומי ל-BigQuery.
הדמיה של נתוני BigQuery במחברת Jupyter
שימוש בספריית הלקוח של BigQuery Python וב-Pandas ב-Jupyter Notebook כדי להציג נתונים מטבלת דוגמה ב-BigQuery.
לקוח: יצירת פרטי כניסה עם היקפי הרשאה
יוצרים פרטי כניסה עם היקפי הרשאות של Drive ו-BigQuery API.
לקוח: יצירת פרטי כניסה באמצעות Application Default Credentials
יוצרים לקוח BigQuery באמצעות אישורי ברירת מחדל של האפליקציה.
לקוח: יצירה באמצעות מפתח של חשבון שירות
יוצרים לקוח BigQuery באמצעות קובץ מפתח של חשבון שירות.
דוגמאות Python
עבודה עם BigQuery באמצעות BigQuery DataFrames וספריית הלקוח של Google Cloud Python
BigQuery ו-Cloud Monitoring ב-App Engine עם Java 8
ב-API Showcase הזה נדגים איך להריץ אפליקציה בסביבה רגילה של App Engine עם תלות ב-BigQuery וב-Cloud Monitoring.
סרטונים קשורים
התנסות ב-BigQuery
לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.