BigQuery ist das vollständig verwaltete, kostengünstige Data Warehouse für Analysen im Petabyte-Bereich von Google Cloud. Damit können Sie große Datenmengen nahezu in Echtzeit analysieren. Mit BigQuery muss keine Infrastruktur eingerichtet oder verwaltet werden. So können Sie sich mithilfe von GoogleSQL auf aussagekräftige Informationen konzentrieren und außerdem flexible Preismodelle einschließlich On-Demand- und Pauschaloptionen nutzen.
Weitere Informationen
Proof of Concept mit einem Guthaben in Höhe von 300 $ starten
-
Zugriff auf Gemini 2.0 Flash Thinking erhalten
-
Kostenlose monatliche Nutzung beliebter Produkte wie AI APIs und BigQuery
-
Keine automatischen Abbuchungen, keine Verpflichtung
Mehr als 20 Produkte immer kostenlos nutzen
Sie haben Zugriff auf mehr als 20 kostenlose Produkte für gängige Anwendungsfälle, darunter KI-APIs, VMs, Data Warehouses und mehr.
Training
Schulungen und Tutorials
Schnellstart-Lösung für Data Warehouses mit BigQuery
Beispiels-Data Warehouse mit BigQuery bereitstellen und verwenden.
Training
Schulungen und Tutorials
BigQuery for Data Warehousing
Best Practices zum Extrahieren, Transformieren und Laden Ihrer Daten in Google Cloud mit BigQuery.
Training
Schulungen und Tutorials
BigQuery-Daten mit PySpark in Dataproc vorverarbeiten
Anleitung zum Erstellen einer Datenverarbeitungspipeline mit Apache Spark mit Dataproc auf Google Cloud. Im Bereich von Data Science und Data Engineering werden Daten häufig von einem Speicherort gelesen, dann werden sie transformiert und in einen anderen Speicherort geschrieben.
Training
Schulungen und Tutorials
BigQuery For Data Analysis
Erfahren Sie, wie Sie mit BigQuery Modelle für maschinelles Lernen in SQL abfragen, aufnehmen, optimieren, visualisieren und sogar erstellen.
Training
Schulungen und Tutorials
BigQuery für Marketinganalysten
Gewinnen Sie wiederholbare, skalierbare und wertvolle Erkenntnisse aus Ihren Daten, indem Sie lernen, sie in BigQuery abzufragen.
Training
Schulungen und Tutorials
BigQuery für maschinelles Lernen
Experimentieren Sie mit den verschiedenen Modelltypen in BigQuery Machine Learning und lernen Sie, was ein gutes Modell ausmacht.
Anwendungsfall
Anwendungsfälle
Data Warehouses zu BigQuery migrieren
Muster und Empfehlungen für die Umstellung Ihres lokalen Data Warehouse auf BigQuery.
Migration
Muster
BigQuery
Anwendungsfall
Anwendungsfälle
BigQuery-Daten in einem Jupyter-Notebook visualisieren
Verwenden Sie die BigQuery Python-Clientbibliothek und Pandas in einem Jupyter-Notebook, um Daten in einer BigQuery-Beispieltabelle zu visualisieren.
Codebeispiel
Codebeispiele
Client: Anmeldedaten mit Bereichen erstellen
Anmeldedaten mit Drive- und der BigQuery API-Bereichen erstellen
Codebeispiel
Codebeispiele
Client: Anmeldedaten mit Standardanmeldedaten für Anwendungen erstellen
Einen BigQuery-Client mithilfe der Standardanmeldedaten für Anwendungen erstellen.
Codebeispiel
Codebeispiele
Client: Mit Dienstkontoschlüssel erstellen
Einen BigQuery-Client mithilfe einer Dienstkonto-Schlüsseldatei erstellen.
Codebeispiel
Codebeispiele
Python-Beispiele
Mit BigQuery mit der Google Cloud Python-Clientbibliothek arbeiten
Codebeispiel
Codebeispiele
Node.js-Beispiele
Beispiele für die Node.js-Clientbibliothek für BigQuery
Codebeispiel
Codebeispiele
Einfaches C#-Beispiel
Ein einfaches C#-Programm und Code-Snippets für die Interaktion mit BigQuery
Codebeispiel
Codebeispiele
BigQuery und Cloud Monitoring in App Engine mit Java 8
In dieser API-Showcase wird gezeigt, wie Sie eine Anwendung der App Engine-Standardumgebung mit Abhängigkeiten sowohl in BigQuery als auch in Cloud Monitoring ausführen.
Codebeispiel
Codebeispiele
Alle Beispiele
Alle Beispiele für BigQuery durchsuchen
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-08-17 (UTC).
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-17 (UTC)."],[[["\u003cp\u003eBigQuery is a fully managed, petabyte-scale data warehouse service by Google Cloud, designed for running real-time analytics on massive datasets.\u003c/p\u003e\n"],["\u003cp\u003eIt offers flexible pricing models, including on-demand and flat-rate options, allowing users to optimize costs based on their needs.\u003c/p\u003e\n"],["\u003cp\u003eBigQuery provides comprehensive documentation and guides for various tasks, including quickstarts, table management, data loading, and machine learning integration.\u003c/p\u003e\n"],["\u003cp\u003eResources are available for users, covering topics like pricing, release notes, locations, cost control, troubleshooting, and support.\u003c/p\u003e\n"],["\u003cp\u003eTraining, use cases, and code samples are provided to assist users with data warehousing, data analysis, machine learning, and migrating data warehouses to BigQuery, along with showcasing code for various client-side integrations.\u003c/p\u003e\n"]]],[],null,["# BigQuery documentation\n======================\n\n[Read product documentation](/bigquery/docs/introduction)\nBigQuery is Google Cloud's fully managed, petabyte-scale, and\ncost-effective analytics data warehouse that lets you run analytics over\nvast amounts of data in near real time. With BigQuery, there's\nno infrastructure to set up or manage, letting you focus on finding meaningful\ninsights using GoogleSQL and taking advantage of flexible pricing models\nacross on-demand and flat-rate options.\n[Learn more](/bigquery/docs/introduction)\n[Get started for free](https://console.cloud.google.com/freetrial) \n\n#### Start your proof of concept with $300 in free credit\n\n- Get access to Gemini 2.0 Flash Thinking\n- Free monthly usage of popular products, including AI APIs and BigQuery\n- No automatic charges, no commitment \n[View free product offers](/free/docs/free-cloud-features#free-tier) \n\n#### Keep exploring with 20+ always-free products\n\n\nAccess 20+ free products for common use cases, including AI APIs, VMs, data warehouses,\nand more.\n\nDocumentation resources\n-----------------------\n\nFind quickstarts and guides, review key references, and get help with common issues. \nformat_list_numbered\n\n### Guides\n\n-\n\n\n Quickstarts:\n [Console](/bigquery/docs/quickstarts/query-public-dataset-console),\n\n [Command line](/bigquery/docs/quickstarts/load-data-bq),\n or\n [Client libraries](/bigquery/docs/quickstarts/quickstart-client-libraries)\n\n\n-\n\n [Creating and using tables](/bigquery/docs/tables)\n\n-\n\n [Introduction to partitioned tables](/bigquery/docs/partitioned-tables)\n\n-\n\n [Introduction to BigQuery ML](/bigquery/docs/bqml-introduction)\n\n-\n\n [Predefined roles and permissions](/bigquery/docs/access-control)\n\n-\n\n [Introduction to loading data](/bigquery/docs/loading-data)\n\n-\n\n [Loading CSV data from Cloud Storage](/bigquery/docs/loading-data-cloud-storage-csv)\n\n-\n\n [Exporting table data](/bigquery/docs/exporting-data)\n\n-\n\n [Create machine learning models in BigQuery ML](/bigquery/docs/create-machine-learning-model)\n\n-\n\n [Querying external data sources](/bigquery/external-data-sources)\n\n-\n\n [Introduction to vector search](/bigquery/docs/vector-search-intro)\n\nfind_in_page\n\n### Reference\n\n-\n\n [Functions in GoogleSQL](/bigquery/docs/reference/standard-sql/functions-all)\n\n-\n\n [Operators in GoogleSQL](/bigquery/docs/reference/standard-sql/operators)\n\n-\n\n [Conditional expressions in GoogleSQL](/bigquery/docs/reference/standard-sql/conditional_expressions)\n\n-\n\n [Date functions in GoogleSQL](/bigquery/docs/reference/standard-sql/date_functions)\n\n-\n\n [Query syntax in GoogleSQL](/bigquery/docs/reference/standard-sql/query-syntax)\n\n-\n\n [String functions in GoogleSQL](/bigquery/docs/reference/standard-sql/string_functions)\n\n-\n\n [Using the bq command-line tool](/bigquery/docs/bq-command-line-tool)\n\n-\n\n [End-to-end journey for machine learning models](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-e2e-journey)\n\n-\n\n [BigQuery API Client Libraries](/bigquery/docs/reference/libraries)\n\n-\n\n [Creating and training models](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create)\n\n-\n\n [Public datasets](/bigquery/public-data)\n\n-\n\n [Feature preprocessing](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-preprocess-overview)\n\ninfo\n\n### Resources\n\n-\n\n [Pricing](/bigquery/pricing)\n\n-\n\n [Release notes](/bigquery/docs/release-notes)\n\n-\n\n [Locations](/bigquery/docs/locations)\n\n-\n\n [Getting support](/bigquery/docs/getting-support)\n\n-\n\n [Quotas and limits](/bigquery/quotas)\n\n-\n\n [Controlling costs](/bigquery/docs/controlling-costs)\n\n-\n\n [Creating custom cost controls](/bigquery/docs/custom-quotas)\n\n-\n\n [Troubleshooting BigQuery quota errors](/bigquery/docs/troubleshoot-quotas)\n\n-\n\n [Billing questions](/bigquery/docs/billing-questions)\n\nRelated resources\n-----------------\n\nTraining and tutorials \nUse cases \nCode samples \nExplore self-paced training, use cases, reference architectures, and code samples with examples of how to use and connect Google Cloud services. Training \nTraining and tutorials\n\n### Data Warehouse with BigQuery Jump Start Solution\n\n\nDeploy and use a sample data warehouse with BigQuery.\n\n\n[Learn more](https://cloud.google.com/architecture/big-data-analytics/data-warehouse) \nTraining \nTraining and tutorials\n\n### BigQuery for Data Warehousing\n\n\nLearn best practices for extracting, transforming, and loading your data into Google Cloud with BigQuery.\n\n\n[Learn more](https://www.cloudskillsboost.google/course_templates/679) \nTraining \nTraining and tutorials\n\n### Preprocessing BigQuery Data with PySpark on Dataproc\n\n\nLearn to create a data processing pipeline using Apache Spark with Dataproc on Google Cloud. It is a common use case in data science and data engineering to read data from one storage location, perform transformations on it and write it into another storage location.\n\n\n[Learn more](https://codelabs.developers.google.com/codelabs/pyspark-bigquery/) \nTraining \nTraining and tutorials\n\n### BigQuery For Data Analysis\n\n\nLearn how to query, ingest, optimize, visualize, and even build machine learning models in SQL inside of BigQuery.\n\n\n[Learn more](https://www.cloudskillsboost.google/course_templates/865) \nTraining \nTraining and tutorials\n\n### BigQuery for Marketing Analysts\n\n\nGet repeatable, scalable, and valuable insights into your data by learning how to query it using BigQuery.\n\n\n[Learn more](https://www.cloudskillsboost.google/course_templates/678) \nTraining \nTraining and tutorials\n\n### BigQuery for Machine Learning\n\n\nExperiment with different model types in BigQuery Machine Learning, and learn what makes a good model.\n\n\n[Learn more](https://www.cloudskillsboost.google/course_templates/680) \nUse case \nUse cases\n\n### Migrating data warehouses to BigQuery\n\n\nLearn patterns and recommendations for transitioning your on-premises data warehouse to BigQuery.\n\nMigration Patterns BigQuery\n\n\u003cbr /\u003e\n\n[Learn more](/solutions/migration/dw2bq/dw-bq-migration-overview) \nUse case \nUse cases\n\n### Visualizing BigQuery data in a Jupyter notebook\n\n\nUse the BigQuery Python client library and Pandas in a Jupyter notebook to visualize data in a BigQuery sample table.\n\n\n[Learn more](/bigquery/docs/visualize-jupyter) \nCode sample \nCode Samples\n\n### Client: Create credentials with scopes\n\n\nCreate credentials with Drive and BigQuery API scopes.\n\n\n[Get started](/bigquery/docs/samples/bigquery-auth-drive-scope) \nCode sample \nCode Samples\n\n### Client: Create credentials with application default credentials\n\n\nCreate a BigQuery client using application default credentials.\n\n\n[Get started](/bigquery/docs/samples/bigquery-client-default-credentials) \nCode sample \nCode Samples\n\n### Client: Create with service account key\n\n\nCreate a BigQuery client using a service account key file.\n\n\n[Get started](/bigquery/docs/samples/bigquery-client-json-credentials) \nCode sample \nCode Samples\n\n### Python samples\n\n\nWorking with BigQuery with the Google Cloud Python client library\n\n\n[Open GitHub\narrow_forward](https://github.com/googleapis/python-bigquery/tree/main/samples) \nCode sample \nCode Samples\n\n### Node.js samples\n\n\nSamples for the Node.js client library sfor BigQuery\n\n\n[Open GitHub\narrow_forward](https://github.com/googleapis/nodejs-bigquery/tree/main/samples) \nCode sample \nCode Samples\n\n### C# simple sample\n\n\nA simple C# program and code snippets for interacting with BigQuery\n\n\n[Open GitHub\narrow_forward](https://github.com/GoogleCloudPlatform/dotnet-docs-samples/tree/master/bigquery/api) \nCode sample \nCode Samples\n\n### BigQuery and Cloud Monitoring on App Engine with Java 8\n\n\nThis API Showcase demonstrates how to run an App Engine standard environment application with dependencies on both BigQuery and Cloud Monitoring.\n\n\n[Open GitHub\narrow_forward](https://github.com/GoogleCloudPlatform/java-docs-samples/tree/main/appengine-java8/bigquery) \nCode sample \nCode Samples\n\n### All samples\n\n\nBrowse all samples for BigQuery\n\n\n[Get started](/bigquery/docs/samples)\n\nRelated videos\n--------------\n\n### Try BigQuery for yourself\n\nCreate an account to evaluate how our products perform in real-world scenarios. \nNew customers also get $300 in free credits to run, test, and deploy workloads. \n[Try BigQuery free](https://console.cloud.google.com/freetrial)"]]
