アーキテクチャ センターには、さまざまなビッグデータと分析に関するコンテンツ リソースが用意されています。
アーキテクチャ センターのビッグデータと分析のリソース
リソースのタイトルまたは説明に含まれるプロダクト名またはフレーズを入力すると、次のビッグデータと分析のリソースのリストをフィルタリングできます。
|
BigQuery で Fast Healthcare Interoperability Resources（FHIR）データの分析に関するプロセスと考慮事項について説明します。 使用プロダクト: BigQuery |
|
組織内部のデータメッシュを実装する方法について説明するシリーズ。 |
|
Dataflow と Cloud Vision API を使用した ML ビジョン分析ソリューションの構築 Cloud Vision で大規模な画像ファイルを処理する Dataflow パイプラインをデプロイする方法。Dataflow は結果を BigQuery に保存し、それを使用して BigQuery ML の事前構築モデルをトレーニングします。 使用するプロダクト: BigQuery、Cloud Build、Cloud Pub/Sub、Cloud Storage、Cloud Vision、Dataflow |
|
長期的な分析のために Cloud Monitoring の指標をエクスポートする方法を説明します。 使用プロダクト: App Engine、BigQuery、Cloud Monitoring、Cloud Pub/Sub、Cloud Scheduler、Datalab、Looker Studio |
|
Striim を使用した BigQuery への継続的なデータ レプリケーション Striim を使用して MySQL データベースを BigQuery に移行する方法をについてします。Striim は、包括的なストリーミング抽出、変換、読み込み（ETL）プラットフォームです。 使用プロダクト: BigQuery、Cloud SQL for MySQL、Compute Engine |
|
Striim を使用して Spanner に継続的なデータ レプリケーションを行う Striim を使用して MySQL データベースを Cloud Spanner に移行する方法について説明します。 使用プロダクト: Cloud SQL、Cloud SQL for MySQL、Compute Engine、Spanner |
|
Google Cloud の R によるデータ サイエンス: 探索的データ分析 Google Cloud で R を使用して大規模なデータ サイエンスを始める方法について説明します。このドキュメントは、R および Jupyter ノートブックの使用経験があり、SQL に関して精通している方を対象としています。 使用プロダクト: BigQuery、Cloud Storage、Notebooks、Vertex AI |
|
MongoDB Atlas と Google Cloud 間のデータ変換 運用データストアとしての MongoDB Atlas と分析データ ウェアハウスとしての BigQuery 間のデータ変換。 使用プロダクト: BigQuery、Cloud Pub/Sub、Dataflow |
|
Sensitive Data Protection を使用した大規模なデータセットにおける PII の匿名化と再識別 Sensitive Data Protection を使用して自動化されたデータ変換パイプラインを作成し、個人情報（PII）などの機密データを匿名化する方法について説明します。 使用するプロダクト: BigQuery、Cloud Pub/Sub、Cloud Storage、Dataflow、Identity and Access Management、Sensitive Data Protection |
|
Google Cloud の地理空間機能の概要と、これらの機能を地理空間分析アプリケーションで使用する方法について説明します。 使用するプロダクト: BigQuery、Dataflow |
|
外部ネットワークから安全な BigQuery データ ウェアハウスにデータをインポートする 本番環境でデータ ウェアハウスを保護するために使用できるアーキテクチャと、オンプレミス環境などの外部ネットワークから BigQuery にデータをインポートするためのベスト プラクティスについて説明します。 使用するプロダクト: BigQuery |
|
Google Cloud から安全な BigQuery データ ウェアハウスにデータをインポートする 本番環境でデータ ウェアハウスを保護するために使用できるアーキテクチャと、Google Cloud のデータ ウェアハウスのデータ ガバナンスに関するベスト プラクティスについて説明します。 使用するプロダクト: BigQuery、Cloud Key Management Service、Dataflow、Sensitive Data Protection |
|
BigQuery を使用してデータを保存、処理、分析、有効活用する分析レイクハウスを作成し、データレイクとデータ ウェアハウスを統合します。 |
|
ジャンプ スタート ソリューション: BigQuery を使用したデータ ウェアハウス BigQuery を使用して、ダッシュボードと可視化ツールを備えたデータ ウェアハウスを構築します。 |
|
アプリケーションとインフラストラクチャのワークロード（コンピューティング、データベース、ストレージのワークロードなど）を Google Cloud に移行するプロセスの計画、設計、実装をサポートします。 使用プロダクト: App Engine、Cloud Build、Cloud Data Fusion、Cloud Deployment Manager、Cloud Functions、Cloud Run、Cloud Storage、Container Registry、Data Catalog、Dataflow、ダイレクト ピアリング、Google Kubernetes Engine（GKE）、Transfer Appliance |
|
オンプレミスの Hadoop インフラストラクチャを Google Cloud に移行する オンプレミス Hadoop ワークロードから Google Cloud への移行ガイド 使用プロダクト: BigQuery、Cloud Storage、Dataproc |
|
BigQuery スナップショットと Cloud Storage へのエクスポートという 2 つのバックアップ方法を使用して、BigQuery の反復バックアップ オペレーションを大規模に自動化するソリューションを構築します。 使用プロダクト: BigQuery、Cloud Logging、Cloud Pub/Sub、Cloud Run、Cloud Scheduler、Cloud Storage |
|
Google Cloud からログを収集、エクスポート、分析して、使用状況の監査や、データやワークロードに対する脅威の検出を行う方法について説明します。BigQuery または Chronicle 向けに付属の脅威検出クエリを使用するか、独自の SIEM を使用できます。 使用するプロダクト: BigQuery、Cloud Logging、Compute Engine、Looker Studio |
|
データ処理ワークフローに CI / CD パイプラインを使用する このドキュメントではGoogle Cloud でマネージド プロダクトを使用して CI / CD メソッドを実装し、データ処理用の継続的インテグレーション / 継続的デプロイ（CI / CD）パイプラインを設定する方法について説明します。 使用するプロダクト: Cloud Build、Cloud Composer、Cloud Source Repositories、Cloud Storage、Compute Engine、Dataflow |
|
Dataproc で Apache Hive を効率的かつ柔軟に使用するために、Hive データを Cloud Storage に保存し、Hive メタストアを Cloud SQL 上の MySQL データベースでホストする方法を説明します。 使用するプロダクト: Cloud SQL、Cloud Storage、Dataproc |