documentação do BigQuery
O BigQuery é data warehouse para análise totalmente gerenciado, em escala de petabyte e econômico do Google Cloudque permite executar análises em vastos volumes de dados quase em tempo real. Com o BigQuery, não há infraestrutura para configurar ou gerenciar, permitindo que você se concentre em conseguir insights significativos com o SQL padrão e aproveitar modelos de preços flexíveis em opções sob-demanda e de taxa fixa.
Comece sua prova de conceito com US $300 de crédito sem custos financeiros
- Acesse o Gemini 2.0 Flash Thinking
- Uso mensal sem custo financeiro dos produtos mais procurados, incluindo APIs de IA e BigQuery
- Sem cobranças automáticas, sem compromisso
Aproveite mais de 20 produtos sem nenhum custo financeiro
Acesse mais de 20 produtos sem custos financeiros voltados a casos de uso comuns, incluindo APIs de IA, VMs, data warehouses e muito mais.
Recursos de documentação
Guias
-
Guias de início rápido: Console, Linha de comando ou Bibliotecas de cliente
Referência
Recursos relacionados
Solução de início rápido para data warehouse com o BigQuery
Implantar e usar uma amostra de data warehouse com o BigQuery
BigQuery for Data Warehousing
Conheça as práticas recomendadas para extrair, transformar e carregar dados no Google Cloud com o BigQuery.
Como fazer o pré-processamento de dados do BigQuery com o PySpark no Dataproc
Aprenda a criar um pipeline de processamento de dados usando o Apache Spark com o Dataproc no Google Cloud. Ler dados de um local de armazenamento, realizar transformações nele e gravá-los em outro local de armazenamento é um caso de uso comum em ciência de dados e engenharia de dados.
BigQuery para análise de dados
Saiba como consultar, ingerir, otimizar, visualizar e até mesmo criar modelos de machine learning em SQL dentro do BigQuery.
BigQuery for Marketing Analysts
Acesse informações repetíveis, escalonáveis e valiosas sobre seus dados aprendendo a consultá-los com o BigQuery.
BigQuery for Machine Learning
Teste diferentes tipos de modelos no BigQuery Machine Learning e aprenda a criar um modelo.
Como migrar data warehouses para o BigQuery
Conheça padrões e recomendações sobre a transição do data warehouse local para o BigQuery.
Como visualizar dados do BigQuery em um notebook do Jupyter
Use a biblioteca de cliente em Python do BigQuery e o Pandas em um notebook do Jupyter para visualizar os dados em uma tabela de amostra do BigQuery.
Cliente: criar credenciais com escopos
Crie credenciais com escopos das APIs do Drive e do BigQuery.
Cliente: criar credenciais com Application Default Credentials
Crie um cliente do BigQuery usando a Application Default Credentials.
Cliente: criar com a chave da conta de serviço
Crie um cliente do BigQuery usando um arquivo de chave da conta de serviço.
Amostras em Python
Como trabalhar com o BigQuery com a biblioteca de cliente Python do Google Cloud
Exemplos Node.js
Amostras da biblioteca de cliente Node.js para BigQuery
Amostra simples em C#
Um programa em C# e snippets de código simples para interagir com o BigQuery
BigQuery e Cloud Monitoring no App Engine com Java 8
Este demonstração de API mostra como executar um aplicativo de ambiente padrão do App Engine com dependências no BigQuery e no Cloud Monitoring.
Todas as amostras
Navegar por todas as amostras do BigQuery
Vídeos relacionados
Faça uma avaliação do BigQuery
Novos clientes também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.