Verbundene Tabellenblätter verwenden

Mit verbundenen Tabellenblättern können Sie BigQuery-Datasets direkt in der vertrauten Google Sheets-Oberfläche analysieren. Sie können Ihre Daten mit Diagrammen, Formeln und Pivot-Tabellen analysieren, mit Stakeholdern zusammenarbeiten und eine zentrale Datenquelle verwalten, ohne manuelle Tabellenexporte durchführen zu müssen.

Verbundene Tabellen führt BigQuery-Abfragen in Ihrem Namen aus, entweder anhand Ihrer Anfrage oder nach einem festgelegten Zeitplan. Die Ergebnisse dieser Abfragen werden zur Analyse und Freigabe in Ihrer Tabelle gespeichert.

Beispielanwendungsfälle

Nachfolgend sind einige Anwendungsfälle aufgeführt, die zeigen, wie Sie mit verbundenen Tabellenblätter große Datenmengen in einer Tabelle analysieren können, ohne SQL zu kennen.

• Geschäftsplanung: Erstellen und Vorbereiten von Datasets und ermöglichen Sie anderen Nutzern, Informationen aus den Daten zu finden. Analysieren Sie beispielsweise die Verkaufsdaten, um festzustellen, welche Produkte sich an verschiedenen Standorten am besten verkaufen.

• Kundendienst: Finden Sie heraus, welche Geschäfte die meisten Beschwerden pro 10.000 Kunden haben.

• Verkäufe: Interne Finanz- und Verkaufsberichte erstellen und Umsatzberichte mit Vertriebsmitarbeitern teilen.

Zugriffssteuerung

Der direkte Zugriff auf BigQuery-Datasets und -Tabellen wird in BigQuery gesteuert. Wenn Sie einem Nutzer nur Zugriff auf Google Sheets gewähren möchten, geben Sie eine Tabelle frei, gewähren aber keinen BigQuery-Zugriff.

Ein Nutzer, der nur für Google Sheets berechtigt ist, kann in der Tabelle Analysen starten und andere Funktionen von Google Sheets verwenden. Die folgenden Aktionen sind jedoch nicht möglich:

• Manuelles aktualisieren von BigQuery-Daten im Tabellenblatt.
• Planen einer Aktualisierung der Daten im Tabellenblatt.

Wenn Sie Daten in verbundenen Tabellenblättern filtern, wird die Abfrage aktualisiert, die Sie für das ausgewählte Projekt an BigQuery senden. Sie können die ausgeführte Abfrage mit folgendem Logfilter im zugehörigen Projekt aufrufen:

resource.type="bigquery_resource"
protoPayload.metadata.firstPartyAppMetadata.sheetsMetadata.docId != NULL_VALUE

VPC Service Controls

Sie können den Zugriff aufGoogle Cloud -Ressourcen mit VPC Service Controls einschränken. Dieser Dienst ist für Google Sheets nicht verfügbar, deshalb können Sie möglicherweise nicht auf BigQuery-Daten zugreifen, die durch VPC Service Controls geschützt sind. Wenn Sie die erforderlichen Berechtigungen haben und Zugriffsbeschränkungen für VPC Service Controls gelten, können Sie den VPC Service Controls-Perimeter so konfigurieren, dass Abfragen über verbundene Tabellenblätter möglich sind. Dazu müssen Sie für die Konfiguration des Perimeters folgende Elemente verwenden:

• Einer Zugriffsebene oder einer Regel für eingehenden Traffic, um Anfragen von vertrauenswürdigen IP-Adressen, Identitäten und vertrauenswürdigen Clientgeräten von außerhalb des Perimeters zuzulassen.
• Einer Regel für ausgehenden Traffic, um das Kopieren von Abfrageergebnissen in Tabellen von Nutzern zuzulassen.

Lernen Sie Folgendes: Richtlinien für eingehenden und ausgehenden Traffic konfigurieren und Zugriffsebenen konfigurieren, um die Regeln ordnungsgemäß zu konfigurieren. Verwenden Sie die folgende YAML-Datei zum Konfigurieren eines Perimeters, um das Kopieren der erforderlichen Daten zuzulassen:

- egressTo:
    operations:
    - serviceName: 'bigquery.googleapis.com'
      methodSelectors:
      - permission: 'bigquery.vpcsc.importData'
    resources:
    - projects/628550087766 # Sheets-owned Google Cloud project
  egressFrom:
    identityType: ANY_USER_ACCOUNT

Hinweis: Geplante Aktualisierungen verbundener Tabellenblätter geben keinen Endnutzerkontext wie IP-Adresse oder Geräteinformationen weiter. VPC Service Controls-Perimeter, die den Endnutzerkontext verwenden, um den Zugriff einzuschränken, führen dazu, dass geplante Aktualisierungen fehlschlagen.

Hinweise

Wenn Sie noch kein Google Cloud -Projekt für die Abrechnung haben, führen Sie die folgenden Schritte aus:

1. 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.
   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. BigQuery ist in neuen Projekten automatisch aktiviert. Zum Aktivieren von BigQuery in einem vorhandenen Projekt wechseln Sie zu

   Aktivieren Sie die BigQuery API, falls sie noch nicht aktiviert ist.

   Erforderliche Rollen zum Aktivieren von APIs

   Zum Aktivieren von APIs benötigen Sie die Berechtigung serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Inhaberrolle (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von Rollen

   API aktivieren

Löschen Sie die von Ihnen erstellten Ressourcen, um weitere Kosten zu vermeiden. Weitere Informationen finden Sie unter Bereinigen.

BigQuery-Daten in verbundenen Tabellenblättern öffnen

Sie können Datasets, Tabellen und gespeicherte Abfragen in verbundenen Tabellenblättern öffnen.

Öffentliche Datasets

Das folgende Beispiel zeigt Ihnen anhand eines öffentlichen Datasets, wie Sie von Google Sheets aus eine Verbindung zu BigQuery herstellen können:

1. Google Sheets-Tabelle erstellen oder öffnen.

2. Klicken Sie auf Daten, dann auf Datenconnectors und dann auf Mit BigQuery verbinden.

   Hinweis: Wenn die Option Daten-Connectors nicht angezeigt wird, lesen Sie den Abschnitt Vorbereitung.

3. Wählen Sie ein Google Cloud -Projekt mit aktivierter Abrechnung aus.

4. Klicken Sie auf Öffentliche Datasets.

5. Geben Sie in das Suchfeld chicago ein und wählen Sie dann das Dataset chicago_taxi_trips aus.

6. Wählen Sie die Tabelle taxi_trips aus und klicken Sie auf Verbinden.

   

   Ihre Tabelle sollte in etwa so aussehen:

   

Beginnen Sie mit der Verwendung der Tabelle. Sie können Pivot-Tabellen, Formeln, Diagramme, berechnete Spalten und geplante Abfragen mit vertrauten Google Sheets-Techniken erstellen. Weitere Informationen finden Sie in der Anleitung zu verbundenen Tabellenblättern.

Obwohl die Tabelle eine Vorschau von nur 500 Zeilen zeigt, verwenden alle Pivot-Tabellen, Formeln und Diagramme den gesamten Datensatz. Die maximale Anzahl von Zeilen für Ergebnisse, die für Pivot-Tabellen zurückgegeben werden, beträgt 200.000.

Sie können die Daten auch in Google Sheets extrahieren. Die maximale Anzahl von Zeilen und Zellen für Ergebnisse, die für Datenextraktionen zurückgegeben werden, hängt von den folgenden Bedingungen ab:

• Wenn die Anzahl der Zeilen kleiner oder gleich 50.000 ist, gibt es kein Zellenlimit.
• Wenn die Anzahl der Zeilen größer als 50.000, aber kleiner oder gleich 500.000 ist, muss die Anzahl der Zellen kleiner oder gleich 5 Millionen sein.
• Wenn die Anzahl der Zeilen größer als 500.000 ist, wird der Datenabruf nicht unterstützt.

Wenn Sie mit verbundenen Tabellenblättern ein Diagramm, eine Pivot-Tabelle, eine Formel oder eine andere berechnete Zelle aus Ihren Daten erstellen, führt Connected Sheets in Ihrem Namen eine Abfrage in BigQuery aus. So rufen Sie diese Abfrage auf:

1. Wählen Sie die Zelle oder das Diagramm aus, die bzw. das Sie erstellt haben.
2. Halten Sie den Mauszeiger über Aktualisieren.
3. Optional: Wenn Sie die Abfrageergebnisse in verbundenen Tabellenblättern aktualisieren möchten, klicken Sie auf Aktualisieren.

4. Wenn Sie die Abfrage in BigQuery aufrufen möchten, klicken Sie auf Abfragedetails zu BigQuery.

   Die Abfrage wird in der Google Cloud Console geöffnet.

Geöffnete Tabellen

So öffnen Sie eine Tabelle in „Verbundene Tabellenblätter“:

1. Rufen Sie in der Google Cloud Console die Seite BigQuery auf.

   BigQuery aufrufen

2. Klicken Sie im linken Bereich auf Explorer:

   

   Wenn der linke Bereich nicht angezeigt wird, klicken Sie auf Linken Bereich maximieren, um ihn zu öffnen.

3. Maximieren Sie im Bereich Explorer Ihr Projekt, klicken Sie auf Datasets und dann auf das Dataset, das die Tabelle enthält, die Sie in Google Sheets öffnen möchten.

4. Klicken Sie auf Übersicht > Tabellen und dann neben dem Tabellennamen auf Aktionen ansehen. Wählen Sie anschließend Öffnen in > Verbundene Tabellenblätter aus.

Gespeicherte Abfragen öffnen

Sie benötigen eine gespeicherte Abfrage. Weitere Informationen finden Sie unter Gespeicherte Abfragen erstellen.

So öffnen Sie eine gespeicherte Abfrage in verbundenen Tabellenblättern:

1. Rufen Sie in der Google Cloud Console die Seite BigQuery auf.

   BigQuery aufrufen

2. Klicken Sie im linken Bereich auf Explorer:

   

3. Maximieren Sie im Bereich Explorer Ihr Projekt und klicken Sie auf Abfragen. Suchen Sie die gespeicherte Abfrage, die Sie in verbundenen Tabellenblättern öffnen möchten.

4. Klicken Sie neben der gespeicherten Abfrage auf Aktionen öffnen und dann auf Öffnen in > Verbundene Tabellenblätter.

   Alternativ können Sie auf den Namen der gespeicherten Abfrage klicken, um sie im Detailbereich zu öffnen, und dann auf Öffnen in > Verbundene Tabellenblätter klicken.

Konversationelle Analysen in verbundenen Tabellenblättern verwenden

Mit der konversationellen Analyse in verbundenen Tabellenblättern können Sie Fragen zu Ihren BigQuery-Daten stellen und diese in natürlicher Sprache analysieren. Gemini übersetzt Ihre Fragen in optimierte SQL-Abfragen, führt sie aus, fasst wichtige Trends zusammen und ermöglicht es Ihnen, Live-Datenbankobjekte, die aktualisiert werden können, direkt in Ihre Arbeitsmappe einzufügen.

So analysieren Sie Daten und erstellen Datenbankobjekte in verbundenen Tabellenblättern:

1. Öffnen Sie die Gemini-Seitenleiste.

   Wenn Sie die konversationelle Analyse zum ersten Mal verwenden, werden Sie möglicherweise aufgefordert, den Zugriff auf BigQuery zu autorisieren. Klicken Sie auf Verbinden, um fortzufahren.

2. Geben Sie Ihre Frage in das Textfeld ein. Sie können den Kontext über mehrere Fragen hinweg beibehalten.

3. Gemini auffordern, Live-Objekte zu erstellen, die aktualisiert werden können.

4. Wenn Sie die Ergebnisse direkt in die Tabelle einfügen möchten, klicken Sie auf Einfügen. Sie können Ihre Objekte jederzeit manuell aktualisieren oder eine Aktualisierung planen.

Daten für Analyse vorbereiten

Sie können Milliarden von Zeilen mit BigQuery-Daten direkt in Google Sheets sortieren und filtern, um die Arbeit damit zu erleichtern. Klicken Sie oben in einer Spalte auf das Symbol Filter, um die Daten zu sortieren oder Filter nach Bedingung und Wert anzuwenden. Weitere Informationen finden Sie unter BigQuery-Daten in Google Sheets sortieren und filtern.

Wenn Sie Ihre Daten besser lesbar machen möchten, ohne das zugrunde liegende BigQuery-Schema zu ändern, können Sie Ihren Spaltenüberschriften benutzerdefinierte Namen (Aliasse) zuweisen. So richten Sie einen Alias ein:

1. Klicken Sie oben in der Spalte, die Sie umbenennen möchten, auf den Abwärtspfeil.
2. Wählen Sie Spalte mit Alias umbenennen aus.
3. Geben Sie den neuen Namen ein.
4. Klicken Sie auf Speichern.

Sie können berechneten Spalten keinen Alias zuweisen. Ein von Ihnen erstellter Alias bleibt nur innerhalb einer einzelnen BigQuery-Verbindung in einer einzelnen Arbeitsmappe bestehen. Weitere Informationen finden Sie unter Erste Schritte mit BigQuery-Daten in Google Sheets.

Daten in verbundenen Tabellenblättern analysieren

Mit vertrauten Google Sheets-Tools können Sie Ihre BigQuery-Daten eingehend analysieren. Sie können Diagramme erstellen, Pivot-Tabellen mit bis zu 100.000 Ergebnissen erstellen und unterstützte Tabellenkalkulationsfunktionen anwenden, um Ihr Dataset zusammenzufassen. Sie können auch bis zu 500.000 Zeilen oder 10 MB Ihrer BigQuery-Daten für die Offlineanalyse extrahieren.

Weitere Informationen finden Sie unter BigQuery-Daten in Google Sheets analysieren und aktualisieren.

Benutzerdefinierte Abfrage in verbundenen Tabellenblättern schreiben

Für komplexere Analysen, z. B. das Zusammenführen von Daten aus mehreren BigQuery-Tabellen, können Sie benutzerdefinierte GoogleSQL-Abfragen direkt in verbundenen Tabellen schreiben.

So schreiben Sie eine Abfrage:

1. Klicken Sie auf Gespeicherte Abfragen > Abfrageeditor.
2. Abfrage eingeben. Sie können Parameter so konfigurieren, dass der Wert bestimmter Tabellenkalkulationszellen in Ihrer Abfrage verwendet wird.
3. Klicken Sie auf Ergebnisse einfügen.

Weitere Informationen und Beispielabfragen finden Sie unter Abfrage schreiben und bearbeiten.

BigQuery-Nutzung über verbundene Tabellenblätter überwachen

Als BigQuery-Administrator können Sie den Ressourcenverbrauch von verbundenen Tabellenblättern überwachen und prüfen, um Nutzungsmuster zu verstehen, Kosten zu verwalten und häufig verwendete Berichte zu identifizieren. In den folgenden Abschnitten finden Sie SQL-Beispielabfragen, mit denen Sie diese Nutzung sowohl auf Organisations- als auch auf Projektebene überwachen können. Weitere Informationen finden Sie unter Ansicht JOBS.

Allen Abfragen, die von verbundenen Tabellenblättern stammen, wird ein eindeutiges Job-ID-Präfix zugewiesen: sheets_dataconnector. Mit diesem Präfix können Sie Jobs in den INFORMATION_SCHEMA.JOBS-Ansichten filtern.

Nutzung von verbundenen Tabellenblättern nach Nutzer auf Organisationsebene aggregieren

Die folgende Abfrage liefert eine Zusammenfassung der wichtigsten Nutzer von verbundenen Tabellenblättern in Ihrer Organisation in den letzten 30 Tagen, sortiert nach den insgesamt abgerechneten Daten. Die Abfrage aggregiert die Gesamtzahl der Abfragen, die Gesamtzahl der in Rechnung gestellten Byte und die Gesamtzahl der Slot-Millisekunden für jeden Nutzer. Diese Informationen sind nützlich, um die Akzeptanz zu verstehen und die wichtigsten Nutzer von Ressourcen zu identifizieren.

SELECT
  user_email,
  COUNT(*) AS total_queries,
  SUM(total_bytes_billed) AS total_bytes_billed,
  SUM(total_slot_ms) AS total_slot_ms
FROM
  `region-REGION_NAME.INFORMATION_SCHEMA.JOBS_BY_ORGANIZATION`
WHERE
  -- Filter for jobs created in the last 30 days
  creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  -- Filter for jobs originating from Connected Sheets
  AND job_id LIKE 'sheets_dataconnector%'
  -- Filter for completed jobs
  AND state = 'DONE'
  AND (statement_type IS NULL OR statement_type <> 'SCRIPT')
GROUP BY
  1
ORDER BY
  total_bytes_billed DESC;

Ersetzen Sie REGION_NAME durch die Region für Ihr Projekt. Beispiel: region-us.

Hinweis: Zum Abfragen von INFORMATION_SCHEMA-Ansichten müssen Sie einen Regions-Qualifier verwenden. Der Ort der Abfrageausführung muss mit der Region der Ansicht INFORMATION_SCHEMA übereinstimmen.

Das Ergebnis sieht in etwa so aus:

+---------------------+---------------+--------------------+-----------------+
| user_email          | total_queries | total_bytes_billed | total_slot_ms   |
+---------------------+---------------+--------------------+-----------------+
| [e-mail]   | 152           | 12000000000        | 3500000         |
| [e-mail]     | 45            | 8500000000         | 2100000         |
| [e-mail] | 210           | 1100000000         | 1800000         |
+---------------------+---------------+--------------------+-----------------+

Jobprotokolle von Abfragen für verbundene Tabellenblätter auf Organisationsebene suchen

Die folgende Abfrage liefert ein detailliertes Protokoll jedes einzelnen Jobs, der von verbundenen Tabellenblättern ausgeführt wird. Diese Informationen sind nützlich, um bestimmte kostenintensive Abfragen zu prüfen und zu identifizieren.

SELECT
  job_id,
  creation_time,
  user_email,
  project_id,
  total_bytes_billed,
  total_slot_ms
FROM
  `region-REGION_NAME.INFORMATION_SCHEMA.JOBS_BY_ORGANIZATION`
WHERE
  creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND job_id LIKE 'sheets_dataconnector%'
  AND state = 'DONE'
  AND (statement_type IS NULL OR statement_type <> 'SCRIPT')
ORDER BY
  creation_time DESC;

Ersetzen Sie REGION_NAME durch die Region für Ihr Projekt. Beispiel: region-us.

Hinweis: Zum Abfragen von INFORMATION_SCHEMA-Ansichten müssen Sie einen Regions-Qualifier verwenden. Der Ort der Abfrageausführung muss mit der Region der Ansicht INFORMATION_SCHEMA übereinstimmen.

Das Ergebnis sieht in etwa so aus:

+---------------------------------+---------------------------------+-----------------+------------+--------------------+---------------+
| job_id                          | creation_time                   | user_email      | project_id | total_bytes_billed | total_slot_ms |
+---------------------------------+---------------------------------+-----------------+------------+--------------------+---------------+
| sheets_dataconnector_bquxjob_1  | 2025-11-06 00:26:53.077000 UTC  | [e-mail] | my_project | 12000000000        | 3500000       |
| sheets_dataconnector_bquxjob_2  | 2025-11-06 00:24:04.294000 UTC  | [e-mail] | my_project | 8500000000         | 2100000       |
| sheets_dataconnector_bquxjob_3  | 2025-11-03 23:17:25.975000 UTC  | [e-mail] | my_project | 1100000000         | 1800000       |
+---------------------------------+---------------------------------+-----------------+------------+--------------------+---------------+

### Nutzung von verbundenen Tabellenblättern nach Nutzer auf Projektebene zusammenfassen

Wenn Sie keine Berechtigungen auf Organisationsebene haben oder nur ein bestimmtes Projekt überwachen müssen, führen Sie die folgende Abfrage aus, um die wichtigsten Nutzer von verbundenen Tabellenblättern in einem Projekt in den letzten 30 Tagen zu ermitteln. Die Abfrage aggregiert die Gesamtzahl der Abfragen, die Gesamtzahl der in Rechnung gestellten Byte und die Gesamtzahl der Slot-Millisekunden für jeden Nutzer. Diese Informationen sind nützlich, um die Akzeptanz zu verstehen und die wichtigsten Nutzer von Ressourcen zu identifizieren.

SELECT
  user_email,
  COUNT(*) AS total_queries,
  SUM(total_bytes_billed) AS total_bytes_billed,
  SUM(total_slot_ms) AS total_slot_ms
FROM
  -- This view queries the project you are currently running the query in.
  `region-REGION_NAME`.INFORMATION_SCHEMA.JOBS_BY_PROJECT
WHERE
  -- Filter for jobs created in the last 30 days
  creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  -- Filter for jobs originating from Connected Sheets
  AND job_id LIKE 'sheets_dataconnector%'
  -- Filter for completed jobs
  AND state = 'DONE'
  AND (statement_type IS NULL OR statement_type <> 'SCRIPT')
GROUP BY
  user_email
ORDER BY
  total_bytes_billed DESC
LIMIT
  10;

Ersetzen Sie REGION_NAME durch die Region für Ihr Projekt. Beispiel: region-us.

Hinweis: Zum Abfragen von INFORMATION_SCHEMA-Ansichten müssen Sie einen Regions-Qualifier verwenden. Der Ort der Abfrageausführung muss mit der Region der Ansicht INFORMATION_SCHEMA übereinstimmen.

Das Ergebnis sieht in etwa so aus:

+---------------------+---------------+--------------------+-----------------+
| user_email          | total_queries | total_bytes_billed | total_slot_ms   |
+---------------------+---------------+--------------------+-----------------+
| [e-mail]   | 152           | 12000000000        | 3500000         |
| [e-mail]     | 45            | 8500000000         | 2100000         |
| [e-mail] | 210           | 1100000000         | 1800000         |
+---------------------+---------------+--------------------+-----------------+

### Joblogs von Abfragen zu verbundenen Tabellenblättern auf Projektebene finden

Wenn Sie keine Berechtigungen auf Organisationsebene haben oder nur ein bestimmtes Projekt überwachen müssen, führen Sie die folgende Abfrage aus, um ein detailliertes Log aller Abfragen für verbundene Tabellenblätter für das aktuelle Projekt aufzurufen:

SELECT
  job_id,
  creation_time,
  user_email,
  total_bytes_billed,
  total_slot_ms,
  query
FROM
  -- This view queries the project you are currently running the query in.
  `region-REGION_NAME.INFORMATION_SCHEMA.JOBS_BY_PROJECT`
WHERE
  creation_time >= TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 30 DAY)
  AND job_id LIKE 'sheets_dataconnector%'
  AND state = 'DONE'
  AND (statement_type IS NULL OR statement_type <> 'SCRIPT')
ORDER BY
  creation_time DESC;

Ersetzen Sie REGION_NAME durch die Region für Ihr Projekt. Beispiel: region-us.

Hinweis: Zum Abfragen von INFORMATION_SCHEMA-Ansichten müssen Sie einen Regions-Qualifier verwenden. Der Ort der Abfrageausführung muss mit der Region der Ansicht INFORMATION_SCHEMA übereinstimmen.

Das Ergebnis sieht in etwa so aus:

+---------------------------------+---------------------------------+------------------+--------------------+-----------------+---------------------------------+
| job_id                          | creation_time                   | user_email       | total_bytes_billed | total_slot_ms   |  query                          |
+---------------------------------+---------------------------------+------------------+--------------------+-----------------+---------------------------------+
| sheets_dataconnector_bquxjob_1  | 2025-11-06 00:26:53.077000 UTC  | [e-mail]  | 12000000000        | 3500000         |  SELECT ... FROM dataset.table1 |
| sheets_dataconnector_bquxjob_2  | 2025-11-06 00:24:04.294000 UTC  | [e-mail]  | 8500000000         | 2100000         |  SELECT ... FROM dataset.table2 |
| sheets_dataconnector_bquxjob_3  | 2025-11-03 23:17:25.975000 UTC  | [e-mail]  | 1100000000         | 1800000         |  SELECT ... FROM dataset.table3 |
+---------------------------------+---------------------------------+------------------+--------------------+-----------------+---------------------------------+

Bereinigen

So vermeiden Sie, dass Ihrem Google Cloud -Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden:

Achtung: Das Löschen von Projekten hat folgende Auswirkungen:

• Alle Inhalte des Projekts werden gelöscht. Wenn Sie für die Aufgaben in diesem Dokument ein bereits bestehendes Projekt verwendet haben und dieses löschen, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
• Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID nutzen, zum Beispiel eine appspot.com-URL, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, anstatt das gesamte Projekt.

Wenn Sie mehrere Architekturen, Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, indem Sie Projekte wiederverwenden.

1. Wechseln Sie in der Google Cloud -Console zur Seite Ressourcen verwalten.

   Zur Seite „Ressourcen verwalten“

2. Wählen Sie in der Projektliste das Projekt aus, das Sie löschen möchten, und klicken Sie dann auf Löschen.
3. Geben Sie im Dialogfeld die Projekt-ID ein und klicken Sie auf Shut down (Beenden), um das Projekt zu löschen.

Nächste Schritte

• Erste Schritte mit BigQuery-Daten in Google Sheets
• Hier finden Sie Videos zur Verwendung verbundener Tabellenblätter.
• Absolvieren Sie das Lab Verbundene Tabellenblätter: Qwik Start.
• Absolvieren Sie das Lab BigQuery-Abrechnungsdaten in Google Sheets analysieren.
• Das Skill-Logo „BigQuery-Daten in verbundenen Tabellenblättern analysieren“ erwerben