documentação do BigQuery
O BigQuery é o data warehouse de análise do Google Cloud, um produto totalmente gerenciado, em escala de petabyte e econômico que permite executar análises em vastos volumes de dados quase em tempo real. Com o BigQuery, não há infraestrutura para configurar ou gerenciar, permitindo que você se concentre em conseguir insights significativos com o GoogleSQL ou Python e aproveitar modelos de preços flexíveis em opções sob demanda e de taxa fixa.
立获300美元免费赠金
Os novos usuários do Google Cloud recebem US$ 300 em créditos ao se inscreverem pela primeira vez.此外,无论新老用户,均可免费使用20多款产品,积累动手实践经验。
立获300美元免费赠金
Os novos usuários do Google Cloud recebem US$ 300 em créditos ao se inscreverem pela primeira vez.此外,无论新老用户,均可免费使用20多款产品,积累动手实践经验。
Recursos de documentação
Guias
-
Guias de início rápido: Console, Linha de comando, Bibliotecas de cliente ou BigQuery DataFrames (Python)
Recursos relacionados
BigQuery for Data Warehousing
Conheça as práticas recomendadas para extrair, transformar e carregar dados no Google Cloud com o BigQuery.
Como fazer o pré-processamento de dados do BigQuery com o PySpark no serviço gerenciado para Apache Spark
Aprenda a criar um pipeline de tratamento de dados usando o Apache Spark com o Serviço Gerenciado para Apache Spark no Google Cloud. Ler dados de um local de armazenamento, realizar transformações nele e gravá-los em outro local de armazenamento é um caso de uso comum em ciência de dados e engenharia de dados.
BigQuery para análise de dados
Saiba como consultar, ingerir, otimizar, visualizar e até criar modelos de machine learning em SQL dentro do BigQuery.
BigQuery para analistas de marketing
Acesse informações repetíveis, escalonáveis e valiosas sobre seus dados aprendendo a consultá-los com o BigQuery.
BigQuery para Machine Learning
Teste diferentes tipos de modelos no BigQuery Machine Learning e aprenda a criar um modelo.
Como migrar data warehouses para o BigQuery
Conheça padrões e recomendações sobre como fazer a transição do data warehouse local para o BigQuery.
Como visualizar dados do BigQuery em um notebook do Jupyter
Use a biblioteca de cliente em Python do BigQuery e o Pandas em um notebook do Jupyter para visualizar os dados em uma tabela de amostra do BigQuery.
Cliente: criar credenciais com escopos
Crie credenciais com escopos das APIs do Drive e da API BigQuery.
Cliente: criar credenciais com Application Default Credentials
Crie um cliente do BigQuery usando a Application Default Credentials.
Cliente: criar com a chave da conta de serviço
Crie um cliente do BigQuery usando um arquivo de chave da conta de serviço.
Exemplos em Python
Como trabalhar com o BigQuery com os BigQuery DataFrames e a biblioteca de cliente Python do Google Cloud
Exemplos de Node.js
Amostras da biblioteca de cliente Node.js para BigQuery
Amostra simples em C#
Um programa em C# e snippets de código simples para interagir com o BigQuery
BigQuery e Cloud Monitoring no App Engine com Java 8
Este demonstração de API mostra como executar um aplicativo de ambiente padrão do App Engine com dependências no BigQuery e no Cloud Monitoring.