Google BigQuery, das für 10 Gigabyte (GB) pro Monat kostenlos ist, ist das gigantische Data Warehouse im Petabyte-Maßstab (PB) des Suchgiganten für Analysen.
Es handelt sich um ein SQL-Produkt auf Unternehmensebene, und Big Data ist in der DNA von Google enthalten.
Alle Tools und Services des Unternehmens sind ein Beweis dafür.
Kurz gesagt, wenn Sie etwas mit Daten tun möchten, können Sie darauf wetten, dass Google über ein Tool verfügt, das dies ermöglicht.
Wenn Sie über umfangreiche Datensätze verfügen oder Ihre Daten durch Mischen mit öffentlichen oder kommerziellen Datensätzen vergrößern, ist Google BigQuery möglicherweise eine gute Wahl.
Es wurde entwickelt, um Terabyte (TBs) in Sekunden und PBs in Minuten zu scannen.
Die bislang größte Abfrage sind 2.1 PBs, und Google BigQuery hat sie ohne Probleme bearbeitet.
Trotz dieser Funktionen ist die Big-Data-Analyse eine Herausforderung.
Wenn Sie mit kleineren Datenmengen arbeiten, kann dies zu einem Overkill führen.
Dennoch ist Google BigQuery eine solide Wahl, die direkt hinter Microsoft Azure SQL Database und MongoDB Atlas liegt Zusammenfassung der Überprüfung der DBaaS-Lösungen.
Ehrliche, objektive Bewertungen
Daxdi.com ist eine führende Autorität im Bereich Technologie und liefert Labs-basierte, unabhängige Überprüfungen der neuesten Produkte und Dienstleistungen.
Unsere Branchenanalysen und praktischen Lösungen helfen Ihnen, bessere Kaufentscheidungen zu treffen und mehr aus der Technologie herauszuholen.
Preismodell
Google BigQuery ist ein serverloses Datenanalysemodell.
Durch die Trennung von Speicher und Datenverarbeitung erhalten Sie bessere Preiskontrollen, die für Personen, die außergewöhnlich große Projekte ausführen, tendenziell von größerem Interesse sind.
Der Speicherpreis wird pauschal berechnet und anhand der Nutzungsraten berechnet.
Die ersten 10 GB Speicherplatz sind jeden Monat kostenlos und die Kosten beginnen danach bei 2 Cent pro GB und Monat.
Wenn Sie beispielsweise 1 Terabyte (TB) für einen Monat speichern, betragen die Kosten 20 US-Dollar.
Streaming-Dateneinfügungen beginnen bei 1 Cent pro 200 Megabyte (MBs).
Die ersten 1 TB Abfragen sind kostenlos, danach wird eine zusätzliche Analyse für 5 USD pro TB durchgeführt.
Metadatenoperationen sind kostenlos.
Sie haben auch die Möglichkeit, unterwegs oder eine monatliche Pauschalgebühr zu zahlen.
Einige Entwickler bevorzugen die Pauschalgebühr für die Linderung von Budgetangst.
Da die Speicherung bereits pauschal ist, bedeutet diese Option nur, dass für die Berechnung auch eine monatliche Pauschalgebühr berechnet wird.
Beachten Sie jedoch, dass nur Konten mit monatlichen Analyseausgaben von über 40.000 US-Dollar für diese Option in Frage kommen, bevor Sie sich zu sehr für die Anmeldung zu Pauschalpreisen begeistern.
Die kostenlose Stufe von Google BigQuery bietet monatlich bis zu 1 TB analysierte Daten und 10 GB Datenspeicher.
Wenn Sie jedoch deutlich unter dieser Marke liegen, gibt es andere Tools, die für diese Aufgabe besser geeignet sind, z.
B.
Microsoft Azure SQL Database oder IBM Db2 on Cloud oder Google Cloud mit Google Analytics 360.
Schritt für Schritt
Sie benötigen ein Google-Konto.
Richten Sie ein Konto ein, falls Sie noch keines haben.
Sie benötigen es, um sich für ein Google Cloud Platform-Konto zu registrieren.
Für die Nutzung der kostenlosen Testversion ist außerdem eine Kreditkarte erforderlich.
Aber keine Sorge, Sie werden am Ende des Testzeitraums nicht automatisch aktualisiert und in Rechnung gestellt.
Sie müssen manuell ein Upgrade durchführen, damit Ihre Kreditkarte belastet wird.
Wechseln Sie über die Google Cloud-Benutzeroberfläche zu BigQuery.
Die Benutzeroberfläche von BigQuery ist ein bisschen einfach, aber die Prägnanz macht es auch einfach zu bedienen.
Google sagt mir, dass es jetzt an einer neuen Benutzeroberfläche arbeitet.
Wenn Sie in der aktuellen Benutzeroberfläche nur die Erkundung durchführen möchten, klicken Sie auf Abfrage erstellen und wählen Sie einen der öffentlichen Datensätze auf der Begrüßungsseite aus.
Schreiben Sie eine Standard-SQL-Abfrage in das Abfragefeld, indem Sie entweder den Abfrage-Editor oder den UDF-Editor (User Defined Function) verwenden, und los geht's.
Die Kurzanleitungen sind nützlich, um Daten zu übertragen oder eine eigene Datenbank in Cloud Bigtable, Cloud Spanner, Cloud SQL oder Cloud Datastore (NoSQL-Datenbank) zu starten.
BigQuery verwendet ANSI-kompatibles SQL (American National Standards Institute) sowie Open Database Connectivity (ODBC) - und Java Database Connectivity (JDBC) -Treiber, um Daten in andere Cloud-Produkte und zusätzliche Arten von Anwendungen zu integrieren.
Einzigartige SQL-Implementierungen zur reibungslosen Abfrage bedeuten, dass es mehrere SQL-Dialekte gibt, die verwirrend sein können.
Ich habe festgestellt, dass ich, obwohl der Standardwert "Legacy SQL" ist, das Kontrollkästchen "SQL-Dialekt" deaktivieren kann, um zu echtem Standard-SQL zurückzukehren.
Google BigQuery verfügt außerdem über eine Streaming-Ingestion-Engine für die Datenerfassung und -analyse in Echtzeit.
Verwenden Sie die Registerkarte Datensatz erstellen im Pulldown-Menü Mein erstes Projekt, um einen Datensatz zu erstellen.
Geben Sie die Datensatz-ID ein, wählen Sie den Datenspeicherort (USA, Europäische Union oder Asien-Nordosten) und legen Sie den Datenablauf fest.
Google BigQuery kann das Schema automatisch erkennen.
Sobald der Datensatz eingerichtet ist, können Sie Abfragen ausführen.
Es gibt Konnektoren zu den meisten Business Intelligence-Tools (BI).
Möglicherweise möchten Sie jedoch Data Studio verwenden, das BI-Visualisierungstool von Google, das kostenlos ist.
Die Liste der Google-Tools, die Sie verwenden können, ist lang.
Ich empfehle Ihnen, zunächst die Liste der kostenlosen Ebenen der Google Cloud Platform zu überprüfen.
Die Google Cloud Platform verfügt über 15 Regionen, 45 Zonen, über 100 Präsenzpunkte und ein gut bereitgestelltes globales Netzwerk mit mehr als 100.000 Meilen Glasfaserkabel.
Mit dem globalen Service erhalten Sie bessere Preise, können jedoch Regionen nach Ihren Wünschen angeben.
Backups und Service Level Agreements (SLAs) fallen unter die Schirmherrschaft von Google SQL Cloud.
Die vollständige SLA ist hier.
Cloud SQL führt sieben automatisierte Sicherungen für jede Instanz.
Backups der ersten Generation (gen) erfassen alles und sind in Ihren Instanzkosten enthalten (im Modell pro Nutzung).
Ihr Speicherplatz wird nicht auf Ihren zugewiesenen Speicherplatz angerechnet.
Backups der zweiten Generation haben nur die Daten erfasst, die sich geändert haben, und ihr Speicher wird zu einem reduzierten Preis berechnet.
Insgesamt ist Google BigQuery hervorragend gestaltet.
Es eignet sich besser für große Datenmengen und diejenigen, die mit ihnen arbeiten können.
Wenn Sie gerne ML-Apps (Machine Learning) schreiben oder ML-Trainingsdaten entwerfen, werden Sie dieses Produkt besonders lieben.
Gleiches gilt für Entwickler, die an IoT-Apps (Internet of Things) arbeiten, oder für Entwicklungen, die eine flexible Datenaufnahme und eine umfassende Datenanalyse erfordern.
Nachteile
Entwickelt für Big Data, daher ist es für kleine Datenmengen übertrieben.
Verwirrende SQL-Dialekte.
Unhandliche Kosten ohne angemessene Beachtung des Werkzeuggebrauchs und automatisierte Skalierung.
Flatrate-Preise funktionieren besser.
View More
Das Fazit
Google BigQuery ist eine großartige DBaaS-Lösung (Database-as-a-Service) für Cloud-native Unternehmen und alle, die mit der Entwicklung maschineller Lernanwendungen oder dem Umgang mit umfangreichen Sets arbeiten.
Google BigQuery, das für 10 Gigabyte (GB) pro Monat kostenlos ist, ist das gigantische Data Warehouse im Petabyte-Maßstab (PB) des Suchgiganten für Analysen.
Es handelt sich um ein SQL-Produkt auf Unternehmensebene, und Big Data ist in der DNA von Google enthalten.
Alle Tools und Services des Unternehmens sind ein Beweis dafür.
Kurz gesagt, wenn Sie etwas mit Daten tun möchten, können Sie darauf wetten, dass Google über ein Tool verfügt, das dies ermöglicht.
Wenn Sie über umfangreiche Datensätze verfügen oder Ihre Daten durch Mischen mit öffentlichen oder kommerziellen Datensätzen vergrößern, ist Google BigQuery möglicherweise eine gute Wahl.
Es wurde entwickelt, um Terabyte (TBs) in Sekunden und PBs in Minuten zu scannen.
Die bislang größte Abfrage sind 2.1 PBs, und Google BigQuery hat sie ohne Probleme bearbeitet.
Trotz dieser Funktionen ist die Big-Data-Analyse eine Herausforderung.
Wenn Sie mit kleineren Datenmengen arbeiten, kann dies zu einem Overkill führen.
Dennoch ist Google BigQuery eine solide Wahl, die direkt hinter Microsoft Azure SQL Database und MongoDB Atlas liegt Zusammenfassung der Überprüfung der DBaaS-Lösungen.
Ehrliche, objektive Bewertungen
Daxdi.com ist eine führende Autorität im Bereich Technologie und liefert Labs-basierte, unabhängige Überprüfungen der neuesten Produkte und Dienstleistungen.
Unsere Branchenanalysen und praktischen Lösungen helfen Ihnen, bessere Kaufentscheidungen zu treffen und mehr aus der Technologie herauszuholen.
Preismodell
Google BigQuery ist ein serverloses Datenanalysemodell.
Durch die Trennung von Speicher und Datenverarbeitung erhalten Sie bessere Preiskontrollen, die für Personen, die außergewöhnlich große Projekte ausführen, tendenziell von größerem Interesse sind.
Der Speicherpreis wird pauschal berechnet und anhand der Nutzungsraten berechnet.
Die ersten 10 GB Speicherplatz sind jeden Monat kostenlos und die Kosten beginnen danach bei 2 Cent pro GB und Monat.
Wenn Sie beispielsweise 1 Terabyte (TB) für einen Monat speichern, betragen die Kosten 20 US-Dollar.
Streaming-Dateneinfügungen beginnen bei 1 Cent pro 200 Megabyte (MBs).
Die ersten 1 TB Abfragen sind kostenlos, danach wird eine zusätzliche Analyse für 5 USD pro TB durchgeführt.
Metadatenoperationen sind kostenlos.
Sie haben auch die Möglichkeit, unterwegs oder eine monatliche Pauschalgebühr zu zahlen.
Einige Entwickler bevorzugen die Pauschalgebühr für die Linderung von Budgetangst.
Da die Speicherung bereits pauschal ist, bedeutet diese Option nur, dass für die Berechnung auch eine monatliche Pauschalgebühr berechnet wird.
Beachten Sie jedoch, dass nur Konten mit monatlichen Analyseausgaben von über 40.000 US-Dollar für diese Option in Frage kommen, bevor Sie sich zu sehr für die Anmeldung zu Pauschalpreisen begeistern.
Die kostenlose Stufe von Google BigQuery bietet monatlich bis zu 1 TB analysierte Daten und 10 GB Datenspeicher.
Wenn Sie jedoch deutlich unter dieser Marke liegen, gibt es andere Tools, die für diese Aufgabe besser geeignet sind, z.
B.
Microsoft Azure SQL Database oder IBM Db2 on Cloud oder Google Cloud mit Google Analytics 360.
Schritt für Schritt
Sie benötigen ein Google-Konto.
Richten Sie ein Konto ein, falls Sie noch keines haben.
Sie benötigen es, um sich für ein Google Cloud Platform-Konto zu registrieren.
Für die Nutzung der kostenlosen Testversion ist außerdem eine Kreditkarte erforderlich.
Aber keine Sorge, Sie werden am Ende des Testzeitraums nicht automatisch aktualisiert und in Rechnung gestellt.
Sie müssen manuell ein Upgrade durchführen, damit Ihre Kreditkarte belastet wird.
Wechseln Sie über die Google Cloud-Benutzeroberfläche zu BigQuery.
Die Benutzeroberfläche von BigQuery ist ein bisschen einfach, aber die Prägnanz macht es auch einfach zu bedienen.
Google sagt mir, dass es jetzt an einer neuen Benutzeroberfläche arbeitet.
Wenn Sie in der aktuellen Benutzeroberfläche nur die Erkundung durchführen möchten, klicken Sie auf Abfrage erstellen und wählen Sie einen der öffentlichen Datensätze auf der Begrüßungsseite aus.
Schreiben Sie eine Standard-SQL-Abfrage in das Abfragefeld, indem Sie entweder den Abfrage-Editor oder den UDF-Editor (User Defined Function) verwenden, und los geht's.
Die Kurzanleitungen sind nützlich, um Daten zu übertragen oder eine eigene Datenbank in Cloud Bigtable, Cloud Spanner, Cloud SQL oder Cloud Datastore (NoSQL-Datenbank) zu starten.
BigQuery verwendet ANSI-kompatibles SQL (American National Standards Institute) sowie Open Database Connectivity (ODBC) - und Java Database Connectivity (JDBC) -Treiber, um Daten in andere Cloud-Produkte und zusätzliche Arten von Anwendungen zu integrieren.
Einzigartige SQL-Implementierungen zur reibungslosen Abfrage bedeuten, dass es mehrere SQL-Dialekte gibt, die verwirrend sein können.
Ich habe festgestellt, dass ich, obwohl der Standardwert "Legacy SQL" ist, das Kontrollkästchen "SQL-Dialekt" deaktivieren kann, um zu echtem Standard-SQL zurückzukehren.
Google BigQuery verfügt außerdem über eine Streaming-Ingestion-Engine für die Datenerfassung und -analyse in Echtzeit.
Verwenden Sie die Registerkarte Datensatz erstellen im Pulldown-Menü Mein erstes Projekt, um einen Datensatz zu erstellen.
Geben Sie die Datensatz-ID ein, wählen Sie den Datenspeicherort (USA, Europäische Union oder Asien-Nordosten) und legen Sie den Datenablauf fest.
Google BigQuery kann das Schema automatisch erkennen.
Sobald der Datensatz eingerichtet ist, können Sie Abfragen ausführen.
Es gibt Konnektoren zu den meisten Business Intelligence-Tools (BI).
Möglicherweise möchten Sie jedoch Data Studio verwenden, das BI-Visualisierungstool von Google, das kostenlos ist.
Die Liste der Google-Tools, die Sie verwenden können, ist lang.
Ich empfehle Ihnen, zunächst die Liste der kostenlosen Ebenen der Google Cloud Platform zu überprüfen.
Die Google Cloud Platform verfügt über 15 Regionen, 45 Zonen, über 100 Präsenzpunkte und ein gut bereitgestelltes globales Netzwerk mit mehr als 100.000 Meilen Glasfaserkabel.
Mit dem globalen Service erhalten Sie bessere Preise, können jedoch Regionen nach Ihren Wünschen angeben.
Backups und Service Level Agreements (SLAs) fallen unter die Schirmherrschaft von Google SQL Cloud.
Die vollständige SLA ist hier.
Cloud SQL führt sieben automatisierte Sicherungen für jede Instanz.
Backups der ersten Generation (gen) erfassen alles und sind in Ihren Instanzkosten enthalten (im Modell pro Nutzung).
Ihr Speicherplatz wird nicht auf Ihren zugewiesenen Speicherplatz angerechnet.
Backups der zweiten Generation haben nur die Daten erfasst, die sich geändert haben, und ihr Speicher wird zu einem reduzierten Preis berechnet.
Insgesamt ist Google BigQuery hervorragend gestaltet.
Es eignet sich besser für große Datenmengen und diejenigen, die mit ihnen arbeiten können.
Wenn Sie gerne ML-Apps (Machine Learning) schreiben oder ML-Trainingsdaten entwerfen, werden Sie dieses Produkt besonders lieben.
Gleiches gilt für Entwickler, die an IoT-Apps (Internet of Things) arbeiten, oder für Entwicklungen, die eine flexible Datenaufnahme und eine umfassende Datenanalyse erfordern.
Nachteile
Entwickelt für Big Data, daher ist es für kleine Datenmengen übertrieben.
Verwirrende SQL-Dialekte.
Unhandliche Kosten ohne angemessene Beachtung des Werkzeuggebrauchs und automatisierte Skalierung.
Flatrate-Preise funktionieren besser.
View More
Das Fazit
Google BigQuery ist eine großartige DBaaS-Lösung (Database-as-a-Service) für Cloud-native Unternehmen und alle, die mit der Entwicklung maschineller Lernanwendungen oder dem Umgang mit umfangreichen Sets arbeiten.
