BigQuery 簡介
BigQuery 是內建 AI 的全代管資料平台，內建機器學習、搜尋、地理空間分析和商業智慧等功能，有助於管理及分析資料。BigQuery 的無伺服器架構可讓您使用 SQL 和 Python 等語言，針對貴機構最重要的問題找出解答，而且完全不必管理基礎架構。
BigQuery 提供一致的方式來處理結構化和非結構化資料，並支援 Apache Iceberg、Delta 和 Hudi 等開放式資料表格式。BigQuery 串流支援持續擷取及分析資料，而 BigQuery 可擴充的分散式分析引擎，則可讓您在幾秒內查詢 TB 級資料，在幾分鐘內查詢 PB 級資料。
BigQuery 提供內建管理功能，可讓您探索及管理資料，並管理中繼資料和資料品質。透過語意搜尋和資料沿襲等功能，您可以尋找並驗證相關資料，以供分析。您可以在整個機構中分享資料和 AI 資產，並享有存取權控管的優點。這些功能採用 Dataplex Universal Catalog 技術，這是 Google Cloud的資料和 AI 資產適用的統合式智慧治理解決方案。BigQuery 的架構包含兩個部分：擷取、儲存及最佳化資料的儲存層，以及提供分析功能的運算層。Google 的 Petabit 級網路可讓運算和儲存層相互通訊，因此這兩層能有效率地獨立運作。
舊版資料庫通常必須在讀取和寫入作業與分析作業之間共用資源。這可能會導致資源衝突，並在資料寫入或讀取儲存空間時，減緩查詢速度。如果資料庫管理工作 (例如指派或撤銷權限) 需要資源，共用資源集區的負擔可能會進一步加重。BigQuery 將運算和儲存層分開，讓每個層級都能動態分配資源，不會影響其他層級的效能或可用性。
這項分離原則可讓 BigQuery 更快創新，因為儲存空間和運算資源的改良功能可以獨立部署，不會造成系統停機，也不會對系統效能造成負面影響。此外，這也是提供全代管無伺服器資料倉儲的必要條件，BigQuery 工程團隊會負責更新和維護作業。因此您不必佈建或手動擴充資源，可以專心提供價值，不必處理傳統資料庫管理工作。
BigQuery 介面包括 Google Cloud 主控台介面和 BigQuery 指令列工具。開發人員和資料科學家可以使用用戶端程式庫，透過熟悉的程式設計語言 (包括 Python、Java、JavaScript 和 Go)，以及 BigQuery 的 REST API 和 RPC API，轉換及管理資料。ODBC 和 JDBC 驅動程式可與現有應用程式互動，包括第三方工具和公用程式。
無論是資料分析師、資料工程師、資料倉儲管理員或資料科學家，BigQuery 都能協助您載入、處理及分析資料，進而做出重要的業務決策。
開始使用 BigQuery
您可以在幾分鐘內開始探索 BigQuery。 善用 BigQuery 的免費用量級別或免付費沙箱，開始載入及查詢資料。
- BigQuery 沙箱：在 BigQuery 沙箱中開始使用，無風險且免付費。
- 公開資料集：探索公開資料集計畫提供的大型真實資料，體驗 BigQuery 的效能。
- Google Cloud 控制台快速入門：熟悉 BigQuery Studio 的強大功能。
探索 BigQuery
BigQuery 的無伺服器基礎架構可讓您專注於資料，不必費心管理資源。BigQuery 結合了雲端資料倉儲和強大的分析工具。
BigQuery 儲存空間
BigQuery 會使用欄式儲存格式儲存資料，這種格式經過最佳化，可供分析查詢使用。BigQuery 會以資料表、資料列和資料欄的形式呈現資料，並完整支援資料庫交易語意 (ACID)。BigQuery 儲存空間會自動複製到多個位置，以提供高可用性。
- 瞭解在資料倉儲和資料市集內，整理 BigQuery 資源的常見模式。
- 瞭解資料集，這是 BigQuery 的頂層容器，內含資料表和檢視區塊。
- BigQuery 資料移轉服務可自動擷取資料。
- 使用下列方式將資料載入 BigQuery：
- 使用 Storage Write API 串流資料。
- 從本機檔案或 Cloud Storage 批次載入資料，支援的格式包括：Avro、Parquet、ORC、CSV、JSON、Datastore，以及 Firestore格式。
詳情請參閱 BigQuery 儲存空間總覽。
BigQuery 分析
描述性和指示性分析的用途包括商業智慧、臨時分析、地理空間分析和機器學習。 您可以查詢儲存在 BigQuery 中的資料，也可以使用外部資料表或聯合查詢，對資料所在位置執行查詢，包括儲存在 Cloud Storage、Bigtable、Spanner 或 Google 雲端硬碟中的 Google 試算表。
- ANSI 標準 SQL 查詢 (支援 SQL:2011)，包括支援聯結、巢狀和重複欄位、分析和匯總函式、多重陳述式查詢，以及各種空間函式和地理空間分析 - 地理資訊系統。
- 建立檢視畫面，分享您的分析結果。
- 支援商業智慧工具，包括搭配 Looker Studio、Looker、Google 試算表，以及 Tableau 和 Power BI 等第三方工具的 BI Engine。
- BigQuery ML 提供機器學習和預測分析功能。
- BigQuery Studio 提供 Python 筆記本等功能，並可對筆記本和已儲存的查詢進行版本控管。這些功能可協助您在 BigQuery 中，更輕鬆地完成資料分析和機器學習 (ML) 工作流程。
- 使用聯合查詢和外部資料表，查詢 BigQuery 外部的資料。
詳情請參閱「BigQuery 數據分析總覽」一文。
BigQuery 管理
BigQuery 可集中管理資料和運算資源，而身分與存取權管理 (IAM) 則可協助您透過整個 Google Cloud使用的存取權模式，保護這些資源。Google Cloud 安全性最佳做法提供穩固但彈性的方法，可納入周邊安全防護，或更複雜且精細的縱深防禦方法。
- 資料安全與管理簡介可協助您瞭解資料管理，以及保護 BigQuery 資源可能需要的控管機制。
- 「工作」是指 BigQuery 代表您執行的動作，包括載入、匯出、查詢或複製資料。
- 預訂可讓您在以量計價和以運算量為基礎的計價模式之間切換。
詳情請參閱 BigQuery 管理簡介。
BigQuery 資源
探索 BigQuery 資源：
- 版本資訊提供功能、變更和淘汰項目的變更記錄。
- 分析和儲存的定價。另請參閱： BigQuery ML、 BI Engine 和 資料移轉服務 定價。
- 位置會定義您建立及儲存資料集的位置 (區域和多區域位置)。
- Stack Overflow 匯集了許多使用 BigQuery 的開發人員和分析師，形成一個熱絡的社群。
- BigQuery 支援提供 BigQuery 相關協助。
- Google BigQuery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale 一書由 Valliappa Lakshmanan 和 Jordan Tigani 共同撰寫，說明 BigQuery 的運作方式，並提供服務使用方式的完整逐步操作指南。
API、工具和參考資料
BigQuery 開發人員和分析師適用的參考資料：
- BigQuery API 和用戶端程式庫會提供 BigQuery 功能及其用途的總覽。
- 如要瞭解如何使用 GoogleSQL，請參閱 SQL 查詢語法。
- BigQuery 程式碼範例提供數百個程式碼片段，適用於 C#、Go、Java、Node.js、Python 和 Ruby 的用戶端程式庫。或查看範例瀏覽器。
- DML、DDL 和使用者定義函式 (UDF)語法可讓您管理及轉換 BigQuery 資料。
- bq 指令列工具參考資料：說明
bqCLI 介面的語法、指令、標記和引數。 - ODBC / JDBC 整合：將 BigQuery 連接至現有工具和基礎架構。
Gemini in BigQuery 功能
Gemini in BigQuery 是 Gemini for Google Cloud 產品套件的一部分，提供 AI 輔助功能，協助您處理資料。
Gemini in BigQuery 提供 AI 輔助功能，協助您執行下列作業：
- 透過資料洞察探索及解讀資料。資料洞察功能會使用從資料表的中繼資料產生的深入分析查詢，以自動化且直覺的方式發掘模式並執行統計分析。這項功能特別有助於解決早期資料探索的冷啟動難題。詳情請參閱在 BigQuery 中產生資料洞察。
- 使用 BigQuery 資料畫布探索、轉換、查詢資料，並以圖表呈現。您可以使用 Gemini in BigQuery 的自然語言功能，尋找、彙整及查詢資料表資產、以圖表呈現結果，並在整個過程中與他人順暢協作。詳情請參閱「使用資料畫布進行分析」。
- 取得 SQL 和 Python 資料分析輔助。您可以使用 Gemini in BigQuery，以 SQL 或 Python 生成或建議程式碼，並說明現有的 SQL 查詢。您也可以使用自然語言查詢開始分析資料。如要瞭解如何生成、完成及摘要程式碼，請參閱下列說明文件：
- 準備資料以供分析。BigQuery 的資料準備功能會根據情境提供 AI 生成的轉換建議，協助您清理資料以供分析。詳情請參閱「使用 Gemini 準備資料」。
- 使用翻譯規則自訂 SQL 翻譯。(預先發布版) 建立 Gemini 強化翻譯規則，在使用互動式 SQL 翻譯器時自訂 SQL 翻譯。 您可以使用自然語言提示說明 SQL 轉譯輸出內容的變更，或指定要尋找及取代的 SQL 模式。詳情請參閱「建立轉譯規則」。
如要瞭解如何設定 Gemini in BigQuery，請參閱「設定 Gemini in BigQuery」。
BigQuery 角色和資源
BigQuery 可滿足下列角色和職責的資料專業人員需求。
資料分析師
工作指引，協助您完成下列事項：
- 使用 SQL 查詢語法，透過互動式或批次查詢查詢 BigQuery 資料
- 參考 SQL 函式、運算子和條件運算式，查詢資料
- 使用工具分析及以視覺化方式呈現 BigQuery 資料，包括：Looker、Looker Studio 和 Google 試算表。
使用地理空間分析，透過 BigQuery 的地理資訊系統分析及視覺化地理空間資料
盡可能提高查詢效能 使用：
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)。
資料管理員
工作指引，協助您完成下列事項：
- 使用預留項目控管費用，平衡以量計價和以運算量為準的計價模式。
- 瞭解資料安全與管理，透過資料集、資料表、資料欄、資料列或檢視畫面保護資料
- 使用資料表快照備份資料，保留特定時間的資料表內容。
- 查看 BigQuery INFORMATION_SCHEMA，瞭解資料集、工作、存取權控管、預留位置、資料表等的中繼資料。
- 使用工作，讓 BigQuery 代表您載入、匯出、查詢或複製資料。
- 監控記錄和資源，瞭解 BigQuery 和工作負載。
詳情請參閱「BigQuery 管理簡介」。
如要直接在 Google Cloud 控制台中導覽 BigQuery 資料管理功能，請按一下「Take the tour」(參加導覽)。
資料科學家
如果您需要使用 BigQuery ML 的機器學習功能執行下列作業，請參閱相關工作指南：
- 瞭解機器學習模型的端對端使用者歷程
- 管理 BigQuery ML 的存取權控管
- 建立及訓練 BigQuery ML 模型，包括：
- 線性迴歸預測
- 二元邏輯和多重類別邏輯迴歸分類
- k-means 分群法 適用於資料區隔
- 使用 Arima+ 模型進行時間序列預測
資料開發人員
工作指引，協助您完成下列事項：
- 將資料載入 BigQuery：
使用程式碼範例程式庫，包括：
Google Cloud 範例瀏覽器 (適用於 BigQuery)
BigQuery 影片教學課程
以下一系列教學影片可協助您開始使用 BigQuery：
標題 |
說明 |
|---|---|
| 如何開始使用 BigQuery (17:18) | 這份總覽會簡要說明 BigQuery 的用途和使用方式。內容包括：ETL 管道、定價與最佳化、BigQuery ML 和 BI Engine，最後還會示範如何在 Google Cloud 控制台中操作 BigQuery。 |
| 什麼是 BigQuery？(4:39) | BigQuery 總覽：瞭解 BigQuery 如何設計成可擷取及儲存大量資料，協助分析師和開發人員 |
| 使用 BigQuery 沙箱 (3:05) | 如何設定 BigQuery 沙箱，在無須提供信用卡資訊的情況下執行查詢 |
| 提問、執行查詢 (5:11) | 如何在 BigQuery 使用者介面中編寫及執行 SQL 查詢，以及如何挑選幸運球衣號碼 |
| 將資料載入 BigQuery (5:31) | 如何即時擷取及分析資料，或只對資料進行一次性批次分析 - 還有貓狗大戰 |
| 以視覺化方式呈現查詢結果 (5:38) | 如何運用資料視覺化功能，輕鬆瞭解及吸收複雜的資料集 |
| 使用 IAM 管理存取權 (5:23) | 如何透過 IAM 權限和存取權控管，允許其他使用者在 BigQuery 中查詢您的資料集 |
| 儲存及共用查詢 (6:17) | 如何在 BigQuery 中輕鬆儲存及共用查詢 |
| 使用授權檢視畫面保護機密資料 (7:12) | 如何透過設定自訂存取權控管，與不同使用者共用資料集 |
| 使用 BigQuery 查詢外部資料 (5:49) | 如何在 BigQuery 中設定外部資料來源，並查詢 Cloud Storage、Cloud SQL、Google 雲端硬碟等來源的資料 |
| 什麼是使用者定義函式？(4:59) | 如何在 BigQuery 中建立使用者定義的函式 (UDF)，以分析資料集 |
後續步驟
- 如需 BigQuery 儲存空間的總覽，請參閱「BigQuery 儲存空間總覽」。
- 如需 BigQuery 查詢的總覽，請參閱「BigQuery 數據分析總覽」一文。
- 如需 BigQuery 管理的總覽，請參閱「BigQuery 管理簡介」。
- 如要瞭解 BigQuery 安全性總覽，請參閱「資料安全和管理總覽」。