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 grandi quantità di dati quasi in tempo reale. Con BigQuery, non c'è alcuna infrastruttura da configurare o gestire, il che ti consente di concentrarti sull'individuazione di informazioni significative utilizzando GoogleSQL e di sfruttare modelli di prezzi flessibili tra opzioni on demand e a tariffa fissa. Scopri di più
Inizia la tua proof of concept con 300 $di credito gratuito
- Accedere a 2.0 Flash Thinking di Gemini
- Utilizzo mensile gratuito di prodotti molto apprezzati, tra cui API di IA 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 rapida per 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 di 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 nella data science e nel data engineering leggere i dati da una posizione di archiviazione, applicare 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 informazioni ripetibili, scalabili e preziose sui tuoi dati imparando a eseguire query utilizzando BigQuery.
BigQuery per il machine learning
Fai esperimenti con 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 le credenziali con gli ambiti dell'API Drive e BigQuery.
Client: creazione 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 dell'account di servizio.
Esempi di Python
Utilizzo di BigQuery con la libreria client Python di Google Cloud
Esempi di 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 dimostrazione dell'API mostra come eseguire un'applicazione nell'ambiente standard di App Engine con dipendenze sia da BigQuery sia da Cloud Monitoring.
Tutti gli esempi
Sfoglia tutti gli esempi per BigQuery
Video correlati
Provare BigQuery
I nuovi clienti ricevono anche 300$di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.