Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Crea conexiones multinube

Las conexiones multinube son conexiones de BigQuery que llevan datos de Amazon Web Services (AWS), Microsoft Azure y Salesforce Data 360 a BigQuery para realizar consultas. Estas conexiones son una alternativa a las conexiones estándar de BigQuery que usan BigQuery Omni, en las que BigQuery implementa trabajadores de procesamiento ligeros en regiones remotas para que los datos de otras nubes estén disponibles para consultas sin ningún movimiento de datos.

Las cargas de trabajo pueden beneficiarse de las conexiones multinube en comparación con las conexiones estándar por los siguientes motivos:

Coherencia de las funciones. Cuando transfieres tus datos de otras nubes a BigQuery, obtienes acceso directo a las capacidades de IA de BigQuery, Gemini Enterprise Agent Platform, las vistas materializadas, las funciones definidas por el usuario y otras funciones que no están disponibles a través de conexiones estándar.
Rentabilidad Las cargas de trabajo que usan conexiones multinube consumen reservas y compromisos de ranuras estándar, lo que elimina la necesidad de administrar capacidades de procesamiento independientes.
Almacenamiento en caché inteligente. Mientras los datos se transfieren entre nubes, BigQuery almacena en caché los fragmentos de forma local automáticamente, lo que evita tarifas de salida significativas multinube en las consultas posteriores. Para obtener más información, consulta Almacenamiento en caché inteligente.

Si tu carga de trabajo involucra catálogos de Apache Iceberg o necesitas compatibilidad con consultas en motores que no sean BigQuery, considera usar la capacidad de acceso a datos multinube de Lakehouse sin fronteras.

Antes de comenzar

Otorga roles de Identity and Access Management y de terceros que les brindan a los usuarios los permisos necesarios para realizar cada tarea de este documento.

Roles de BigQuery requeridos

Para obtener los permisos que necesitas para crear una conexión multinube, pídele a tu administrador que te otorgue el rol de IAM de administrador de BigQuery (roles/bigquery.admin) en el proyecto. Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

También puedes obtener los permisos necesarios a través de roles personalizados o cualquier otro rol predefinido.

Roles de terceros obligatorios

Para obtener los permisos que necesitas para crear una conexión multinube, asegúrate de tener los siguientes roles de terceros:

Para AWS: Un rol que te permita crear políticas y roles de IAM en tu cuenta de AWS.
Para Azure: Es un rol que te permite administrar los registros de apps en Microsoft Entra ID (Azure AD) y asignar roles, como Lector de datos de BLOB de almacenamiento, en la cuenta de Azure de destino.

Crea conexiones multinube de AWS

Para crear una conexión multinube de AWS, haz lo siguiente:

Crea una política de IAM de AWS para BigQuery como lo harías para las conexiones estándar de BigQuery.
Crea un rol de IAM de AWS para BigQuery como lo harías para las conexiones estándar de BigQuery.
Para crear un recurso de conexión, usa el comando bq mk --connection:
```
bq mk --connection \
    --connection_type='AWS' \
    --location=LOCATION \
    --project_id=PROJECT_ID \
    --properties='{"accessRole":{"iamRoleId":"arn:aws:iam::AWS_ACCOUNT_ID:role/ROLE_NAME"}}' \
    CONNECTION_ID
```
Reemplaza lo siguiente:
- LOCATION: Es una ubicación de BigQuery estándar, no una ubicación de BigQuery Omni. Para obtener orientación sobre cómo seleccionar una región, consulta Recomendaciones de regiones.
- PROJECT_ID: Es el ID de tu proyecto de Google Cloud .
- AWS_ACCOUNT_ID: Es el ID del usuario de IAM de AWS del paso anterior.
- ROLE_NAME: Es el nombre de la política del rol de AWS que elegiste.
- CONNECTION_ID: Es un ID que se asignará a este recurso de conexión.
Para obtener más información sobre las propiedades de conexión de AWS, consulta AwsProperties.

Para anotar la información de la cuenta de servicio, usa el comando bq show:

bq show --connection \
    --location=LOCATION \
    PROJECT_ID.LOCATION.CONNECTION_ID

Agrega una política de confianza al rol de AWS con la información de la cuenta de servicio, como lo harías para las conexiones estándar de BigQuery.

Con la conexión multinube de AWS establecida, ahora puedes crear tablas y conjuntos de datos para consultar tus datos remotos.

Ejemplos de AWS

En el siguiente ejemplo, se crea una tabla externa para consultar archivos de Parquet directamente desde un bucket de Amazon Simple Storage Service (Amazon S3) con una conexión multinube:

CREATE SCHEMA `my-project.aws_raw_data`
  OPTIONS (
    location = 'us-east4');

CREATE EXTERNAL TABLE `my-project.aws_raw_data.sales_parquet`
WITH CONNECTION `us-east4.my-aws-connection`
  OPTIONS (
    format = 'PARQUET',
    uris = ['s3://my-data-bucket/sales/year=2025/*']);

En el siguiente ejemplo, se federa una base de datos completa en BigQuery con AWS Glue con una conexión multinube:

CREATE EXTERNAL SCHEMA `my-project.aws_glue_data`
WITH CONNECTION `us-east4.my-aws-connection`
  OPTIONS (
    location = 'us-east4',
    external_source = 'aws-glue://arn:aws:glue:us-east-4:123456789:database/test_database');

Para obtener más información sobre la federación de AWS Glue, consulta Crea y administra conjuntos de datos federados de AWS Glue.

Crea conexiones multinube de Azure

Para crear una conexión multinube de Azure, haz lo siguiente:

Crea una aplicación en tu instancia de Azure como lo harías para las conexiones estándar de BigQuery y toma nota de los IDs de aplicación (cliente) y directorio (instancia).
Asigna un rol a la aplicación de Azure como lo harías para las conexiones estándar de BigQuery.
Para crear un recurso de conexión, usa el comando bq mk --connection:
```
bq mk --connection \
    --connection_type='Azure' \
    --tenant_id=TENANT_ID \
    --location=LOCATION \
    --federated_azure=true \
    --federated_app_client_id=APP_ID \
    --project_id=PROJECT_ID \
    CONNECTION_ID
```
Reemplaza lo siguiente:
- TENANT_ID: Es el ID de usuario del directorio de Azure que contiene la cuenta de Azure.
- LOCATION: Es una ubicación de BigQuery estándar, no una ubicación de BigQuery Omni. Para obtener orientación sobre cómo seleccionar una región, consulta Recomendaciones de regiones.
- APP_ID: Es el ID de la aplicación de Azure (cliente).
- PROJECT_ID: Es el ID de tu proyecto de Google Cloud .
- CONNECTION_ID: Es un ID que se asignará a este recurso de conexión.
Para obtener más información sobre las propiedades de conexión de Azure, consulta AzureProperties.

Para anotar la información de la cuenta de servicio, usa el comando bq show:

bq show --connection \
    --location=LOCATION \
    PROJECT_ID.LOCATION.CONNECTION_ID

Agrega una credencial federada con la información de la cuenta de servicio, como lo harías para las conexiones estándar de BigQuery.

Con la conexión multinube de Azure establecida, ahora puedes crear tablas y conjuntos de datos para consultar tus datos remotos.

Ejemplos de Azure

En el siguiente ejemplo, se crea una tabla externa para consultar archivos Parquet directamente desde un contenedor de Azure Blob Storage con una conexión multinube:

CREATE SCHEMA `my-project.azure_raw_data`
  OPTIONS (
    location = 'us-east4');

CREATE EXTERNAL TABLE `my-project.azure_raw_data.sales_parquet`
WITH CONNECTION `us-east4.my-azure-connection`
  OPTIONS (
    format = 'PARQUET',
    uris = ['azure://mystorageaccount.blob.core.windows.net/mycontainer/sales/year=2025/*']);

En el siguiente ejemplo, se crea una tabla externa para consultar exportaciones de CSV sin procesar desde un contenedor de Blob Storage con una conexión multinube:

CREATE EXTERNAL TABLE `my-project.azure_raw_data.daily_logs_csv`
WITH CONNECTION `us-east4.my-azure-connection`
  OPTIONS (
    format = 'CSV',
    skip_leading_rows = 1,
    uris = ['azure://mystorageaccount.blob.core.windows.net/mycontainer/logs/*.csv']);

Crea conexiones multinube de Data 360

Para crear una conexión multinube de Data 360, sigue los pasos para vincular un conjunto de datos de Data 360 a BigQuery, excepto que, en lugar de crear el conjunto de datos vinculado en una ubicación de BigQuery Omni, créalo en una ubicación de BigQuery estándar. Para obtener orientación sobre cómo seleccionar una región, consulta Recomendaciones de regiones.

Después de actualizar tus consultas para usar los conjuntos de datos nuevos, puedes borrar cualquier conjunto de datos vinculado heredado y las vistas materializadas de BigQuery Omni.

Recomendaciones de regiones

Cuando selecciones una región estándar de BigQuery para tu conexión multinube, elige la región que esté físicamente más cerca de tus datos para obtener una eficiencia óptima de costos y rendimiento.

En la siguiente tabla, se enumeran las regiones de AWS y las regiones de BigQuery correspondientes:

Región de AWS	Región de BigQuery más cercana	Otras regiones de BigQuery cercanas
`us-east-1`	`us-east4`	`us-east1` `us-east5` `us-central1`
`us-east-2`	`us-east5`	`us-east4` `us-east1` `us-central1`
`us-west-1`	`us-west2`	`us-west4` `us-west1` `us-west3`
`us-west-2`	`us-west1`	`us-west3` `us-west4` `us-west2`
`ca-central-1`	`northamerica-northeast1`	`northamerica-northeast2` `us-east4` `us-east5`
`sa-east-1`	`southamerica-east1`	`southamerica-west1` `us-east1` `us-south1`
`eu-west-1`	`europe-west1`	`europe-west2` `europe-west9` `europe-west4`
`eu-west-2`	`europe-west2`	`europe-west1` `europe-west9` `europe-west4`
`eu-west-3`	`europe-west9`	`europe-west1` `europe-west2` `europe-west3`
`eu-central-1`	`europe-west3`	`europe-west4` `europe-west1` `europe-west6`
`eu-central-2`	`europe-west6`	`europe-west8` `europe-west12` `europe-west3`
`eu-north-1`	`europe-north1`	`europe-west4` `europe-central2` `europe-west1`
`eu-south-1`	`europe-west8`	`europe-west12` `europe-west6` `europe-west3`
`eu-south-2`	`europe-southwest1`	`europe-west9` `europe-west1` `europe-west8`
`me-central-1`	`me-central1`	`me-central2` `me-west1` `asia-south1`
`me-south-1`	`me-central2`	`me-central1` `me-west1` `asia-south1`
`af-south-1`	`europe-southwest1`	`me-central2` `me-west1` `europe-west1`
`ap-east-1`	`asia-east2`	`asia-east1` `asia-southeast1` `asia-northeast1`
`ap-northeast-1`	`asia-northeast1`	`asia-northeast2` `asia-northeast3` `asia-east1`
`ap-northeast-2`	`asia-northeast3`	`asia-northeast2` `asia-northeast1` `asia-east1`
`ap-northeast-3`	`asia-northeast2`	`asia-northeast1` `asia-northeast3` `asia-east1`
`ap-south-1`	`asia-south1`	`asia-south2` `me-central1` `asia-southeast1`
`ap-south-2`	`asia-south2`	`asia-south1` `asia-southeast1` `me-central1`
`ap-southeast-1`	`asia-southeast1`	`asia-southeast2` `asia-east1` `asia-south1`
`ap-southeast-2`	`australia-southeast1`	`australia-southeast2` `asia-southeast2` `asia-southeast1`
`ap-southeast-3`	`asia-southeast2`	`asia-southeast1` `australia-southeast1` `asia-east1`

En la siguiente tabla, se enumeran las regiones de Azure y las regiones de BigQuery correspondientes:

Región de Azure	Región de BigQuery más cercana	Otras regiones de BigQuery cercanas
EE.UU. este	`us-east4`	`us-east1` `us-east5` `us-central1`
EE.UU. este 2	`us-east4`	`us-east1` `us-east5` `us-south1`
EE.UU. oeste	`us-west1`	`us-west2` `us-west3` `us-west4`
EE.UU. oeste 2	`us-west1`	`us-west4` `us-west3` `us-west2`
EE.UU. oeste 3	`us-west4`	`us-west2` `us-west3` `us-west1`
EE.UU. central	`us-central1`	`us-east5` `us-east4` `us-east1`
EE.UU. norte central	`us-east5`	`us-central1` `us-east4` `us-east1`
EE.UU. sur central	`us-south1`	`us-east5` `us-central1` `us-east1`
EE.UU. oeste central	`us-west3`	`us-central1` `us-west4` `us-west2`
Canadá central	`northamerica-northeast2`	`northamerica-northeast1` `us-east5` `us-east4`
Canadá este	`northamerica-northeast1`	`northamerica-northeast2` `us-east4` `us-east5`
Europa oeste	`europe-west4`	`europe-west1` `europe-west3` `europe-west9`
Europa norte	`europe-west1`	`europe-west2` `europe-west9` `europe-west4`
Francia central	`europe-west9`	`europe-west1` `europe-west2` `europe-west3`
Francia sur	`europe-west9`	`europe-southwest1` `europe-west8` `europe-west1`
Alemania oeste central	`europe-west3`	`europe-west4` `europe-west1` `europe-west6`
Alemania norte	`europe-west3`	`europe-west4` `europe-central2` `europe-west2`
Suiza norte	`europe-west6`	`europe-west8` `europe-west12` `europe-west3`
Suiza oeste	`europe-west6`	`europe-west9` `europe-west8` `europe-west3`
Reino Unido sur	`europe-west2`	`europe-west1` `europe-west9` `europe-west4`
Reino Unido oeste	`europe-west2`	`europe-west1` `europe-west9` `europe-west4`
Noruega este	`europe-north1`	`europe-west4` `europe-central2` `europe-west1`
Noruega oeste	`europe-north1`	`europe-west4` `europe-central2` `europe-west1`
Suecia central	`europe-north1`	`europe-west4` `europe-central2` `europe-west1`
Asia oriental	`asia-east2`	`asia-east1` `asia-southeast1` `asia-northeast1`
Sudeste asiático	`asia-southeast1`	`asia-southeast2` `asia-east1` `asia-south1`
Este de Japón	`asia-northeast1`	`asia-northeast2` `asia-northeast3` `asia-east1`
Oeste de Japón	`asia-northeast2`	`asia-northeast1` `asia-northeast3` `asia-east1`
Corea central	`asia-northeast3`	`asia-northeast2` `asia-northeast1` `asia-east1`
Australia Oriental	`australia-southeast1`	`australia-southeast2` `asia-southeast2` `asia-southeast1`
Sudeste de Australia	`australia-southeast2`	`australia-southeast1` `asia-southeast1` `asia-east1`
Australia central	`australia-southeast1`	`australia-southeast2` `asia-southeast2` `asia-southeast1`
India Occidental	`asia-south1`	`asia-south2` `me-central1` `asia-southeast1`
India central	`asia-south1`	`asia-south2` `me-central1` `asia-southeast1`
Sur de India	`asia-south1`	`asia-south2` `asia-southeast1` `me-central1`

¿Qué sigue?

Obtén más información sobre las estadísticas de BigQuery.