Interaktive Anleitungen und Videos zu BigQuery

In diesem Dokument sind die interaktiven Anleitungen und Videoanleitungen aufgeführt, die Ihnen helfen, BigQuery kennenzulernen und die ersten Schritte damit zu machen. Diese Ressourcen enthalten detaillierte Schritt-für-Schritt-Anleitungen für häufige Aufgaben sowie visuelle Erklärungen von Konzepten und Funktionen.

Interaktive Anleitungen zu BigQuery

Die folgenden Anleitungen führen Sie direkt in der Google Cloud Console durch häufige Aufgaben. Klicken Sie auf einen Link, um eine Anleitung zu starten.

Hinweis

  1. Melden Sie sich in Ihrem Google Cloud Konto an. Wenn Sie noch nicht mit Google Cloudvertraut sind, erstellen Sie ein Konto, um die Leistung unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

    4.

  4. Aktivieren Sie die BigQuery API.

    Erforderliche Rollen zum Aktivieren von APIs

    Zum Aktivieren von APIs benötigen Sie die IAM-Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin), die die Berechtigung serviceusage.services.enable enthält. Informationen zum Zuweisen von Rollen.

    API aktivieren

    Bei neuen Projekten ist die BigQuery API ist automatisch aktiviert.

  5. Optional: Aktivieren Sie die Abrechnung für das Projekt. Die Abrechnung funktioniert auch dann, wenn Sie die Abrechnung nicht aktivieren oder keine Kreditkarte angeben möchten. BigQuery bietet Ihnen eine Sandbox zum Ausführen dieser Schritte. Weitere Informationen finden Sie unter BigQuery-Sandbox aktivieren.

Diese Anleitungen werden in der Google Cloud Console gestartet. Klicken Sie auf die Links, um die interaktive Anleitung zu starten.

Titel

Beschreibung
Daten laden und abfragen
Öffentliches Dataset in BigQuery Studio abfragen Verwenden Sie die BigQuery-Sandbox, um Daten in einem öffentlichen Dataset abzufragen und zu visualisieren.
Daten mit BigQuery Studio laden und abfragen Verwenden Sie BigQuery Studio, um ein Dataset zu erstellen, Daten zu laden und die Daten abzufragen.
Daten mit dem Befehlszeilentool bq laden und abfragen Verwenden Sie das BigQuery-Befehlszeilentool, um ein Dataset zu erstellen, Daten zu laden und die Daten abzufragen.
Daten aus Cloud Storage in BigQuery importieren Verwenden Sie die Google Cloud Console, um Daten aus Cloud Storage in BigQuery zu importieren und die Daten abzufragen.
Arbeitslastverwaltung
Erste Schritte mit Reservierungen Verwenden Sie die Google Cloud Console, um Slots zu kaufen, eine Reservierung zu erstellen, und ein Projekt einer Reservierung zuzuweisen.
KI
Abfragen mit Unterstützung durch Gemini schreiben Verwenden Sie die KI-basierte Unterstützung von Gemini in BigQuery, um Ihre Daten mit SQL-Abfragen und Python-Code abzufragen.
Clientbibliotheken
C#-Anleitung Öffentliches Dataset mit der C#-Client bibliothek von BigQuery abfragen.
Go-Anleitung Öffentliches Dataset mit der Go-Clientbibliothek von BigQuery abfragen.
Java-Anleitung Öffentliches Dataset mit der Java-Client bibliothek von BigQuery abfragen.
Node.js-Anleitung Öffentliches Dataset mit der Node.js-Client bibliothek von BigQuery abfragen.
PHP-Anleitung Öffentliches Dataset mit der PHP-Client bibliothek von BigQuery abfragen.
Python-Anleitung Öffentliches Dataset mit der Python-Client bibliothek von BigQuery abfragen.
Ruby-Anleitung Öffentliches Dataset mit der Ruby-Clientbibliothek von BigQuery abfragen.

BigQuery-Videos

Die folgende Reihe von Videoanleitungen bietet weitere Informationen zu BigQuery. Weitere Google Cloud Videos finden Sie auf dem Google Cloud Tech YouTube-Kanal.

Titel

Beschreibung
Produktübersichten
BigQuery in einer Minute (1:26) Eine kurze Übersicht über BigQuery, das vollständig verwaltete Data Warehouse von Google.
BigQuery ML in einer Minute (1:40) Eine kurze Übersicht über BigQuery ML. Mit BigQuery ML können Sie Modelle für Aufgaben wie Zeitreihenprognosen, Anomalieerkennung, Klassifizierung, Regression, Clustering, Dimensionsreduzierung und Empfehlungen trainieren, bewerten und Inferenz darauf ausführen.
KI
Einführung in Gemini AI und Datenanalyse in BigQuery (3:42) Eine Einführung in Gemini in BigQuery, das KI- und Datenanalysefunktionen bietet, mit denen Sie Ihre Workflows über den gesamten Datenlebenszyklus hinweg optimieren können.
BigQuery und Gemini AI für die Datenanalyse verwenden (7:00) Eine Übersicht darüber, wie Gemini-Modelle Ihnen helfen können, neue Erkenntnisse zu gewinnen, Ihre Datasets zu erweitern und sogar multimodale Inhalte wie Bilder, Videos und Text zu analysieren.
Einführung in BigQuery-Daten-Engineering-Agents (6:19) Eine Einführung in BigQuery-Daten-Engineering-Agents, mit denen Datenanalysten Zeit beim Programmieren, Zuordnen von Schemas und Erstellen von Metadaten sparen können.
BigQuery-Daten-Canvas – Übersicht (6:03) Eine Übersicht über das KI-basierte BigQuery-Daten-Canvas. Dieses auf natürliche Sprache ausgerichtete Tool vereinfacht das Suchen, Abfragen und Visualisieren Ihrer Daten.
Daten abfragen und visualisieren
Einführung in die Pipe-Syntax in BigQuery und Cloud Logging (5:00) Die Pipe-Syntax von BigQuery bietet eine intuitivere Möglichkeit, Ihren Code zu strukturieren. Hier erfahren Sie, wie die Pipe-Syntax sowohl die explorative Analyse als auch komplexe Loganalysen vereinfacht und Ihnen hilft, schneller Erkenntnisse zu gewinnen.
Geografische Daten von BigQuery in Colab visualisieren (10:00) Mit BigQuery können Sie geografische Daten mit Standard-SQL speichern und analysieren Wenn Sie diese Daten in ein Colab-Notebook importieren können Sie die Leistungsfähigkeit von BigQuery mit beliebten Python-Visualisierungsbibliotheken kombinieren.
BigQuery-Daten mit Looker visualisieren (3:00) Eine Übersicht darüber, wie Sie mit der benutzerfreundlichen Oberfläche und den leistungsstarken semantischen Modellierungsfunktionen von Looker nahtlos eine Verbindung zu Ihren BigQuery-Daten herstellen und sie visualisieren können.
BigQuery-Speicher
Überblick über BigQuery-Tabellen (6:55) Eine Übersicht über die verschiedenen Arten von Tabellen in BigQuery, einschließlich verwalteter Tabellen, externer Tabellen und virtueller Tabellen mit logischen und materialisierten Ansichten.
Wie speichert BigQuery Daten? (8:19) Eine Einführung in die Speicherung von Daten in BigQuery, damit Sie fundierte Entscheidungen zur Optimierung Ihres BigQuery Speichers treffen können. Dazu gehört eine Übersicht über Partitionierung und Clustering.
Monitoring und Logging
Monitoring in BigQuery (7:43) Eine Übersicht darüber, wie Sie durch das Monitoring Ihres Data Warehouse Kosten optimieren, ermitteln können, welche Abfragen optimiert werden müssen, und sowohl die Datenfreigabe als auch den Zugriff prüfen können.