Einführung in Entwicklertools

BigQuery bietet eine Reihe von Entwicklertools, mit denen Sie in Ihrer Entwicklungsumgebung auf BigQuery zugreifen, BigQuery mit externen Anwendungen verbinden und End-to-End-Lösungen entwickeln können. Bevor Sie diese Tools verwenden, sollten Sie mit den Standardkonzepten von BigQuery vertraut sein, z. B. mit der Analyse und der Ressourcenorganisation.

Tools für den Zugriff auf BigQuery in Ihrer Entwicklungsumgebung

BigQuery APIs und Clientbibliotheken sind die wichtigsten Entwicklertools, um BigQuery-Anfragen außerhalb derGoogle Cloud Console und des bq-Befehlszeilentools zu stellen. Wenn Sie auf diese Weise auf BigQuery zugreifen, müssen Sie auch eine Form der Authentifizierung angeben.

APIs

BigQuery bietet REST- und gRPC-APIs als programmatische Schnittstelle zu seinen verschiedenen Diensten. Die folgenden APIs sind verfügbar:

Clientbibliotheken

Sie können die BigQuery APIs zwar direkt verwenden, indem Sie Anfragen an den Server senden, aber mit den BigQuery-Clientbibliotheken können Sie die Menge des zu schreibenden Codes erheblich reduzieren, da Ihre BigQuery API-Aufrufe vereinfacht werden. Die unterstützten Sprachen für BigQuery sind C#, Go, Java, Node.js, PHP, Python und Ruby. Eine Kurzanleitung für die BigQuery-Clientbibliotheken finden Sie unter Öffentliches Dataset mit den BigQuery-Clientbibliotheken abfragen.

Authentifizierung

Bei der Authentifizierung wird Ihre Identität mithilfe von Anmeldedaten bestätigt. Wenn Sie in Ihrer Entwicklungsumgebung auf BigQuery zugreifen, ist immer eine Form der Authentifizierung erforderlich. Die gängigste Authentifizierungsmethode für BigQuery-Entwickler sind Standardanmeldedaten für Anwendungen, die automatisch Anmeldedaten basierend auf Ihrer Umgebung finden. Weitere Informationen zu allgemeinen Authentifizierungsprinzipien und anderen Authentifizierungsmethoden finden Sie unter Bei BigQuery authentifizieren.

Tools zum Verbinden von BigQuery mit externen Anwendungen

Es sind mehrere benutzerdefinierte Verbindungstools verfügbar, mit denen Sie BigQuery-Funktionen in Drittanbieteranwendungen einbinden können.

MCP Toolbox for Databases

Das Model Context Protocol (MCP) ist ein offenes Protokoll zum Verbinden von Large Language Models (LLMs) mit Datenquellen wie BigQuery. Die MCP Toolbox for Databases verbindet Ihr BigQuery-Projekt mit verschiedenen integrierten Entwicklungsumgebungen (IDEs) und Entwicklertools, sodass Sie mit Ihren BigQuery-Daten leistungsfähigere KI-Agenten erstellen können.

BigQuery Agent Analytics

BigQuery Agent Analytics ist eine proprietäre Open-Source-Lösung, mit der multimodale Agenteninteraktionsdaten in großem Umfang erfasst, analysiert und visualisiert werden können. Mit dieser Lösung können Entwickler Rohinteraktionen von Agenten wie Anfragen, Antworten, Toolaufrufe und Fehler direkt in BigQuery streamen.

Weitere Informationen zu dieser Lösung finden Sie unter BigQuery Agent Analytics verwenden.

ODBC- und JDBC-Treiber

ODBC- (Open Database Connectivity) und JDBC-Treiber (Java Database Connectivity) verbinden Anwendungen mit Datenbanken. Google arbeitet mit Simba zusammen, um ODBC- und JDBC-Treiber für BigQuery bereitzustellen. Mit diesen Treibern können Sie datenbankneutrale Softwareanwendungen über Ihre bevorzugten Tools und Infrastrukturen erstellen. Der von Google entwickelte JDBC-Treiber für BigQuery ist ebenfalls verfügbar.

Data Agent Kit

Das Google Cloud Data Agent Kit bietet eine Erweiterung für Agent-Codierungstools wie VS Code, Antigravity und Cursor, mit der Sie direkt in Ihrer Agent-Umgebung mit BigQuery-Ressourcen interagieren können. Mit dem Data Agent Kit können Sie Datasets durchsuchen, Pipelines verwalten, Abfragen ausführen und Ihren Agenten auffordern, andere BigQuery-Aufgaben direkt in Ihrer bevorzugten IDE auszuführen.

Das Data Agent Kit bietet auch eine Reihe von Plug-ins, die Sie mit verschiedenen Befehlszeilentools verwenden können, darunter Antigravity CLI, Gemini CLI, Claude Code und Codex CLI.

Tools für die Entwicklung von End-to-End-Lösungen

Wenn Sie komplexe Lösungen mit BigQuery erstellen, bietet Google viele Möglichkeiten, Sie zu unterstützen, insbesondere durch Codebeispiele, Repository- und Arbeitsbereichsfunktionen sowie eine Vielzahl von BigQuery-Integrationen.

Codebeispiele

BigQuery-Codebeispiele enthalten Snippets zum Ausführen allgemeiner Aufgaben in BigQuery, z. B. zum Erstellen von Tabellen, zum Auflisten von Verbindungen, zum Aufrufen von Kapazitätszusicherungen und -reservierungen und zum Laden von Daten. Mit diesen Codebeispielen können Sie komplexere Lösungen erstellen.

Repositories und Arbeitsbereiche

Sie können Repositories verwenden, um die Dateien, die Sie in BigQuery verwenden, einer Versionsverwaltung zu unterziehen. Außerdem können Sie Arbeitsbereiche in diesen Repositories verwenden, um Code zu bearbeiten. BigQuery verwendet Git, um Änderungen aufzuzeichnen und Dateiversionen zu verwalten. Sie können die in BigQuery integrierten Git-Funktionen verwenden oder eine Verbindung zu einem Git-Repository eines Drittanbieters herstellen.

Integrierte Dienste und Tools

Die folgenden Google-Dienste und -Tools sind in BigQuery eingebunden und bieten zusätzliche Funktionen zum Erstellen von Lösungen:

  • Managed Service for Apache Spark. Ein vollständig verwalteter Dienst zum Ausführen von Apache Hadoop- und Apache Spark-Jobs. Managed Service for Apache Spark bietet den BigQuery-Connector, mit dem Hadoop und Spark Daten direkt aus BigQuery verarbeiten können.
  • Dataflow. Ein vollständig verwalteter Dienst zum Ausführen umfangreicher Apache Beam-Jobs. Mit dem BigQuery-E/A-Connector für Beam können Beam-Pipelines Daten in BigQuery lesen und schreiben.
  • Managed Service for Apache Airflow. Ein vollständig verwalteter Dienst zur Workflow-Planung auf Basis von Apache Airflow. Mit BigQuery-Operatoren können Airflow-Workflows Datasets und Tabellen verwalten, Abfragen ausführen und Daten validieren.
  • Pub/Sub. Ein asynchroner, skalierbarer Messaging-Dienst. Pub/Sub bietet BigQuery-Abos, mit denen Sie Nachrichten beim Empfang in eine vorhandene BigQuery-Tabelle schreiben können.
  • Dataform. Ein Dienst, mit dem Datenanalysten komplexe SQL-Workflows für die Datentransformation in BigQuery entwickeln, testen und planen sowie eine Versionsverwaltung dafür ausführen können.
  • BigQuery-Terraform-Modul. Ein Modul zur Automatisierung der Instanziierung und Bereitstellung Ihrer BigQuery-Datasets und -Tabellen.
  • bq-Befehlszeilentool Ein Python-basiertes Befehlszeilentool für BigQuery.

Google validiert außerdem Dutzende von Partnerlösungen und Integrationen für BigQuery im Rahmen des Programms Google Cloud Ready – BigQuery. Diese anerkannten Partner erfüllen eine Reihe grundlegender Anforderungen, um die Kompatibilität mit BigQuery zu gewährleisten.

Nächste Schritte

  • Informationen zu Ressourcen und anstehenden Veranstaltungen für Google Cloud-Entwickler finden Sie im Developer Center.
  • Informationen dazu, wie andere Unternehmen Google Cloudverwenden, finden Sie unter Data Cloud für ISVs.