documentazione di BigQuery
BigQuery è il data warehouse di analisi di Google Cloudcompletamente gestito, su scala petabyte e dai costi contenuti, che ti consente di eseguire analisi su vaste quantità di dati quasi in tempo reale. Con BigQuery, non devi configurare o gestire alcuna infrastruttura, il che ti consente di concentrarti sulla ricerca di informazioni significative utilizzando GoogleSQL e di sfruttare modelli di prezzi flessibili per le opzioni on demand e a tariffa fissa. Scopri di più
Inizia la tua proof of concept con 300 $di credito gratuito
- Accedere a Gemini 2.0 Flash Thinking
- Utilizzo mensile gratuito di prodotti popolari, tra cui le API di AI e BigQuery
- Nessun addebito automatico, nessun impegno
Continua a esplorare con oltre 20 prodotti Always Free
Accedi a oltre 20 prodotti gratuiti per casi d'uso comuni, tra cui API AI, VM, data warehouse e altro ancora.
Risorse di documentazione
Guide
-
Guide rapide: console, riga di comando, o librerie client
Riferimento
Risorse correlate
Soluzione già pronta di data warehouse con BigQuery
Esegui il deployment e utilizza un data warehouse di esempio con BigQuery.
BigQuery per il data warehousing
Scopri le best practice per estrarre, trasformare e caricare i dati in Google Cloud con BigQuery.
Pre-elaborazione dei dati BigQuery con PySpark su Dataproc
Scopri come creare una pipeline di elaborazione dei dati utilizzando Apache Spark con Dataproc su Google Cloud. È un caso d'uso comune in data science e data engineering leggere i dati da una posizione di archiviazione, eseguire trasformazioni e scriverli in un'altra posizione di archiviazione.
BigQuery per l'analisi dei dati
Scopri come eseguire query, importare, ottimizzare, visualizzare e persino creare modelli di machine learning in SQL all'interno di BigQuery.
BigQuery for Marketing Analysts
Ottieni insight ripetibili, scalabili e preziosi sui tuoi dati imparando a eseguire query utilizzando BigQuery.
BigQuery for Machine Learning
Sperimenta diversi tipi di modelli in BigQuery Machine Learning e scopri cosa rende un modello efficace.
Migrazione dei data warehouse in BigQuery
Scopri pattern e suggerimenti per la transizione del tuo data warehouse on-premise a BigQuery.
Visualizzazione dei dati di BigQuery in un blocco note Jupyter
Utilizza la libreria client Python di BigQuery e Pandas in un blocco note Jupyter per visualizzare i dati in una tabella di esempio BigQuery.
Client: creazione di credenziali con ambiti
Crea credenziali con gli ambiti delle API Drive e BigQuery.
Client: creazione di credenziali con le credenziali predefinite dell'applicazione
Crea un client BigQuery utilizzando le credenziali predefinite dell'applicazione.
Client: creazione con una chiave dell'account di servizio
Crea un client BigQuery utilizzando un file della chiave del account di servizio.
Esempi Python
Utilizzo di BigQuery con la libreria client Python di Google Cloud
Esempi Node.js
Esempi per la libreria client Node.js per BigQuery
Esempio semplice C#
Un semplice programma C# e snippet di codice per interagire con BigQuery
BigQuery e Cloud Monitoring su App Engine con Java 8
Questa vetrina API mostra come eseguire un'applicazione dell'ambiente standard di App Engine con dipendenze sia da BigQuery che da Cloud Monitoring.
Tutti gli esempi
Sfoglia tutti gli esempi per BigQuery
Video correlati
Prova BigQuery
I nuovi clienti ricevono anche 300$di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.