documentation BigQuery
BigQuery est l'entrepôt de données d'analyse de Google Cloud, entièrement géré à l'échelle du pétaoctet et à faible coût, qui vous permet d'exécuter des analyses sur de grandes quantités de données en quasi-temps réel. Avec BigQuery, vous n'avez aucune infrastructure à configurer ni à gérer. Vous pouvez donc vous concentrer sur la recherche d'insights pertinents grâce au langage GoogleSQL, et ainsi tirer parti de modèles de tarification flexibles pour les options à la demande et forfaitaires. En savoir plus
Démarrez votre démonstration de faisabilité avec 300 $ de crédits inclus
- Accès à Gemini 2.0 Flash Thinking
- Utilisation mensuelle gratuite de produits populaires, y compris les API d'IA et BigQuery
- Aucuns frais automatiques, aucun engagement
Continuez à explorer Google Cloud avec plus de 20 produits toujours disponibles sans frais
Accédez à plus de 20 produits gratuits pour des cas d'utilisation courants, y compris des API d'IA, des VM, des entrepôts de données, et plus encore.
Ressources de documentation
Guides
-
Guides de démarrage rapide : Console, Ligne de commande ou Bibliothèques clientes
Référence
Ressources associées
Entrepôt de données avec la solution de démarrage rapide BigQuery
Déployer et utiliser un exemple d'entrepôt de données avec BigQuery
BigQuery for Data Warehousing
Découvrez les bonnes pratiques pour extraire, transformer et charger vos données dans Google Cloud avec BigQuery.
Prétraiter des données BigQuery avec PySpark sur Dataproc
Apprenez à créer un pipeline de traitement de données à l'aide d'Apache Spark avec Dataproc sur Google Cloud. Il s'agit d'un cas d'utilisation courant de la data science et de l'ingénierie des données pour lire des données à partir d'un emplacement de stockage, et les transformer et les écrire dans un autre emplacement de stockage.
BigQuery For Data Analysis
Découvrez comment interroger, ingérer, optimiser, visualiser et même créer des modèles de machine learning en SQL dans BigQuery.
BigQuery pour les analystes marketing
Apprenez à utiliser BigQuery et à interroger les données pour créer des insights utiles, reproductibles et évolutifs.
BigQuery for Machine Learning
Essayez différents types de modèles dans BigQuery Machine Learning et apprenez ce qui caractérise un bon modèle.
Migrer des entrepôts de données vers BigQuery
Découvrez des modèles et des recommandations pour migrer votre entrepôt de données sur site vers BigQuery.
Visualiser des données BigQuery dans un notebook Jupyter
Utilisez la bibliothèque cliente BigQuery pour Python et Pandas dans un notebook Jupyter afin de visualiser les données d'un exemple de table BigQuery.
Client : créer des identifiants avec des champs d'application
Créez des identifiants avec les champs d'application d'API Drive et BigQuery.
Client : créer avec les identifiants par défaut de l'application
Créez un client BigQuery à l'aide des identifiants par défaut de l'application.
Client : créer avec une clé de compte de service
Créez un client BigQuery à l'aide d'un fichier de clé de compte de service.
Exemples de code Python
Utiliser BigQuery avec la bibliothèque cliente Google Cloud pour Python
Exemples de code Node.js
Exemples pour la bibliothèque cliente Node.js pour BigQuery
Exemple simple C#
Programme C# simple et extraits de code pour interagir avec BigQuery
BigQuery et Cloud Monitoring sur App Engine avec Java 8
Cette vitrine API explique comment exécuter une application dans l'environnement standard App Engine avec des dépendances sur BigQuery et Cloud Monitoring.
Tous les exemples
Parcourir tous les exemples pour BigQuery
Vidéos similaires
Essayez BigQuery
Les nouveaux clients bénéficient également de 300 $ de crédits gratuits pour exécuter, tester et déployer des charges de travail.