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

Crea conexiones entre nubes

Las conexiones entre nubes son conexiones de BigQuery que transfieren 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 las consultas sin necesidad de mover datos.

Las cargas de trabajo pueden beneficiarse de las conexiones entre nubes 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, vistas materializadas, funciones definidas por el usuario y otras funciones que no están disponibles a través de las conexiones estándares.
Rentabilidad: Las cargas de trabajo que usan conexiones entre nubes consumen reservas y compromisos de ranuras estándar, lo que elimina la necesidad de administrar capacidades de procesamiento separadas.
Almacenamiento en caché inteligente. Mientras se transfieren los datos entre nubes, BigQuery almacena en caché automáticamente los fragmentos de forma local, lo que evita cargos significativos por salida entre nubes 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 los datos entre nubes de Lakehouse sin límites.

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 entre nubes, 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 entre nubes, asegúrate de tener los siguientes roles de terceros:

Para AWS: Un rol que te permite crear políticas y roles de IAM en tu cuenta de AWS
Para Azure: Un rol que te permite administrar registros de aplicaciones en Microsoft Entra ID (Azure AD) y asignar roles, como el de lector de datos de Blob Storage, en la cuenta de Azure de destino.

Crea conexiones entre nubes de AWS

Para crear una conexión entre nubes 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: 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 le asigna a este recurso de conexión.

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 entre nubes 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 Parquet directamente desde un bucket de Amazon Simple Storage Service (Amazon S3) con una conexión entre nubes:

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 y una conexión entre nubes:

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 entre nubes de Azure

Para crear una conexión entre nubes 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 la aplicación (cliente) y del directorio (inquilino).
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: 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: El ID de la aplicación (cliente) de Azure.
- PROJECT_ID: Es el ID de tu proyecto de Google Cloud .
- CONNECTION_ID: Es un ID que se le asigna a este recurso de conexión.

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 tu conexión entre nubes 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 entre nubes:

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 las exportaciones sin procesar de CSV desde un contenedor de Blob Storage con una conexión entre nubes:

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 entre nubes de Data 360

Para crear una conexión entre nubes de Data 360, sigue los pasos para vincular un conjunto de datos de Data 360 a BigQuery, pero, 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 que usen los nuevos conjuntos de datos, puedes borrar los conjuntos de datos vinculados heredados y las vistas materializadas de BigQuery Omni.

Recomendaciones de regiones

Cuando selecciones una región estándar de BigQuery para tu conexión entre nubes, elige la región que esté físicamente más cerca de tus datos para optimizar la eficiencia del costo y el rendimiento.

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

Región de AWS	Región de BigQuery más cercana	Otras regiones cercanas de BigQuery
`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 más adecuadas:

Región de Azure	Región de BigQuery más cercana	Otras regiones cercanas de BigQuery
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`
Japón Oriental	`asia-northeast1`	`asia-northeast2` `asia-northeast3` `asia-east1`
Japón oeste	`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`
Australia sudeste	`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 la India	`asia-south1`	`asia-south2` `asia-southeast1` `me-central1`

¿Qué sigue?

Obtén más información sobre BigQuery Analytics.