documentazione di BigQuery
BigQuery è il data warehouse di analisi di Google Cloud, completamente gestito, su scala petabyte e dai costi contenuti, che ti consente di eseguire analisi su vaste quantità di dati quasi in tempo reale. Con BigQuery, non è necessario configurare o gestire alcuna infrastruttura, il che ti consente di concentrarti sulla ricerca di insight significativi utilizzando GoogleSQL o Python e di sfruttare i modelli di prezzi flessibili tra le opzioni on demand e con tariffa fissa.
Inizia la tua proof of concept con 300 $ di credito senza costi
- Sviluppa con i nostri modelli e strumenti di AI generativa più recenti.
- Utilizza senza costi oltre 20 prodotti tra i più apprezzati, tra cui Compute Engine e le API di AI.
- Nessun addebito automatico, nessun impegno
Continua a esplorare con oltre 20 prodotti sempre senza costi.
Accedi a oltre 20 prodotti senza costi per casi d'uso comuni, tra cui API AI, VM, data warehouse e altro ancora.
Risorse di documentazione
Guide
-
Guide rapide: Console, Riga di comando, Librerie client, o BigQuery DataFrames (Python)
Riferimento
Risorse correlate
BigQuery for Data Warehousing
Scopri le best practice per estrarre, trasformare e caricare i dati in Google Cloud con BigQuery.
Pre-elaborazione dei dati BigQuery con PySpark su Managed Service for Apache Spark
Scopri come creare una pipeline di trattamento dati utilizzando Apache Spark con Managed Service for Apache Spark su Google Cloud. Un caso d'uso comune nella data science e nel data engineering è la lettura dei dati da una posizione di archiviazione, l'esecuzione di trasformazioni e la scrittura in un'altra posizione di archiviazione.
BigQuery per l'analisi dei dati
Scopri come eseguire query, importare, ottimizzare, visualizzare e persino creare modelli di machine learning in SQL all'interno di BigQuery.
BigQuery for Marketing Analysts
Ottieni insight ripetibili, scalabili e preziosi sui tuoi dati imparando a eseguire query utilizzando BigQuery.
BigQuery for Machine Learning
Sperimenta con diversi tipi di modelli in BigQuery Machine Learning e scopri cosa rende un modello efficace.
Migrazione dei data warehouse in BigQuery
Scopri pattern e suggerimenti per la transizione del tuo data warehouse on-premise a BigQuery.
Visualizzazione dei dati di BigQuery in un blocco note Jupyter
Utilizza la libreria client Python di BigQuery e Pandas in un blocco note Jupyter per visualizzare i dati in una tabella di esempio BigQuery.
Client: crea credenziali con ambiti
Crea le credenziali con gli ambiti delle API Drive e API BigQuery.
Client: crea credenziali con Credenziali predefinite dell'applicazione
Crea un client BigQuery utilizzando le credenziali predefinite dell'applicazione.
Client: crea con la chiave dell'account di servizio
Crea un client BigQuery utilizzando un file della chiave del account di servizio.
Esempi di Python
Utilizzo di BigQuery con BigQuery DataFrames e la libreria client Python di Google Cloud
Esempi di Node.js
Esempi per la libreria client Node.js per BigQuery
Esempio semplice di C#
Un semplice programma C# e snippet di codice per interagire con BigQuery
BigQuery e Cloud Monitoring su App Engine con Java 8
Questa vetrina delle API mostra come eseguire un'applicazione dell'ambiente standard App Engine con dipendenze sia da BigQuery che da Cloud Monitoring.
Video correlati
Prova BigQuery
I nuovi clienti ricevono anche 300 $ di crediti senza costi per l'esecuzione, il test e il deployment dei workload.