Google BigQuery, som er gratis for 10 gigabyte (GB) pr.
Måned, er søgegigantens enorme datalager med petabyte (PB) -skala til analyse.
Det er et SQL-produkt på virksomhedsniveau, og Big Data findes i Googles DNA.
Alle virksomhedens værktøjer og tjenester er bevis på det.
Kort sagt, hvis du vil gøre noget med data, så kan du vædde på, at Google har et værktøj til at få det til at ske.
Hvis du har massive datasæt, eller hvis du samler dine data ved at blande det med offentlige eller kommercielle datasæt, kan Google BigQuery være et solidt valg.
Det er designet til at scanne terabyte (TB'er) på få sekunder og PB'er på få minutter.
Den største forespørgsel til dato er 2.1 PB'er, og Google BigQuery håndterede den uden problemer.
På trods af disse muligheder er Big Data-analyse udfordrende, og hvis du arbejder med mindre datasæt, kan det være for stort.
Google BigQuery er stadig et solidt valg, der følger lige bag Microsoft Azure SQL Database og MongoDB Atlas, redaktørernes valg vælger i vores DBaaS-løsninger gennemgår opsamling.
Prissætningsmodel
Google BigQuery er en serverløs dataanalysemodel.
Adskillelsen af ??opbevaring og beregning giver dig bedre kontrol med priserne, som har tendens til at være af mere interesse for folk, der kører usædvanligt store projekter.
Opbevaring er prissat til faste priser og beregner ud fra brugsrater.
De første 10 GB lagerplads er gratis hver måned og omkostningerne starter med 2 cent pr.
GB pr.
Måned derefter.
For eksempel, hvis du gemmer 1 terabyte (TB) i en måned, vil omkostningerne være $ 20.
Streaming-dataindsatser starter ved 1 cent pr.
200 megabyte (MB).
Den første 1 TB forespørgsler er gratis med yderligere analyse på $ 5 pr.
TB derefter.
Metadataoperationer er gratis.
Du har også mulighed for at betale med det samme eller et månedligt fast gebyr.
Nogle udviklere foretrækker det faste gebyr for budgetangstlindring.
Da opbevaring allerede koster et fast gebyr, betyder denne mulighed bare, at beregning også foregår på et fast månedligt gebyrarrangement.
Men inden du bliver for begejstret for at tilmelde dig fast prisfastsættelse, skal du være opmærksom på, at kun konti med $ 40.000+ i månedlige analyseforbrug kvalificerer sig til denne mulighed.
Google BigQuerys gratis niveau giver op til 1 TB data analyseret hver måned og 10 GB datalagring, men seriøst, hvis du er langt under dette mærke, er der andre værktøjer, der er bedre egnet til opgaven, såsom Microsoft Azure SQL Database, IBM Db2 på Cloud eller Google Cloud med Google Analytics 360.
Trin for trin
Du skal bruge en Google-konto, så konfigurer en, hvis du ikke allerede har en.
Du skal bruge det til at registrere dig for en Google Cloud Platform-konto, som også kræver et kreditkort for at bruge den gratis prøveperiode.
Men rolig, da du ikke automatisk opgraderes og faktureres i slutningen af ??prøveperioden.
Du skal opgradere manuelt, for at alt der skal opkræves på dit kreditkort.
Gå til BigQuery fra Google Cloud-brugergrænsefladen (UI).
BigQuerys brugergrænseflade er lidt almindelig-Jane, men dens koncision gør det også let at bruge.
Google fortæller mig, at det arbejder på et nyt brugergrænseflade nu.
Hvis du bare vil udforske med den aktuelle brugergrænseflade, skal du klikke på Skriv forespørgsel og vælge et af de offentlige datasæt på velkomstsiden.
Skriv en standard SQL-forespørgsel i forespørgselsfeltet ved hjælp af enten Query Editor eller User-Defined Function (UDF) Editor, og så er du klar.
Quickstart-vejledningerne er nyttige til overførsel af data eller spinding af en egen database i Cloud Bigtable, Cloud Spanner, Cloud SQL eller Cloud Datastore (NoSQL-database).
BigQuery bruger American National Standards Institute (ANSI) -kompatibel SQL samt Open Database Connectivity (ODBC) og Java Database Connectivity (JDBC) -drivere til at integrere med data i andre Cloud-produkter og yderligere typer applikationer.
Unikke SQL-implementeringer designet til glat forespørgsel betyder, at der er flere SQL-dialekter, som kan være forvirrende.
Jeg bemærkede, at mens standard er "Legacy SQL", kunne jeg fjerne markeringen i SQL-dialektfeltet for at vende tilbage til ægte standard SQL.
Google BigQuery har også en streaming-indtagelsesmotor til datafangst og analyse i realtid.
Brug fanen Opret datasæt under rullemenuen Mit første projekt til at oprette et datasæt.
Indtast datasæt-id'et, vælg datalokationen (USA, Den Europæiske Union eller Asien-Nordøst), og angiv datatidens udløb.
Google BigQuery kan automatisk registrere skema.
Når datasættet er konfigureret, er du klar til at køre forespørgsler.
Der er stik til de fleste BI-værktøjer.
Men du vil måske bruge Data Studio, som er Googles BI-visualiseringsværktøj, og det er gratis.
Listen over Google-værktøjer, du kan bruge, er lang.
Jeg anbefaler, at du starter med at gennemgå listen over gratis niveauer for Google Cloud Platform.
Google Cloud Platform har 15 regioner, 45 zoner, over 100 tilstedeværelsessteder og et veludstyret globalt netværk med mere end 100.000 miles fiberoptisk kabel.
Du får bedre priser ved hjælp af den globale tjeneste, men du kan frit angive regioner, som du ønsker.
Sikkerhedskopier og serviceniveauaftaler (SLA'er) hører under Google SQL Cloud.
Den fulde SLA er her.
Cloud SQL gemmer syv automatiserede sikkerhedskopier for hver forekomst.
Første generation (gen) sikkerhedskopier fanger alt og er inkluderet i dine instansomkostninger (pr.
Brugsmodel).
Deres lagerplads tæller ikke med din tildelte lagerplads.
Anden-gener-sikkerhedskopier fangede kun de data, der er ændret, og deres opbevaring debiteres til en reduceret hastighed.
Samlet set er Google BigQuery glimrende designet.
Det er bedre egnet til enorme datasæt og dem, der er dygtige til at arbejde med dem.
Hvis du er interesseret i at skrive apps til maskinlæring (ML) eller designe ML-træningsdata, vil du især elske dette produkt.
Det samme gælder for udviklere, der arbejder på IoT-apps (Internet of Things) eller enhver udvikling, der kræver fleksibel dataindtagelse og massiv dataanalyse.
Ulemper
Bygget til store data, så det er for stort til små datasæt.
Forvirrende SQL-dialekter.
Uhåndterlige omkostninger uden ordentlig opmærksomhed på værktøjsbrug og automatisk skalering.
Fast prisfastsættelse fungerer bedre.
Vis mere
Bundlinjen
Google BigQuery er en fantastisk Database-as-a-Service (DBaaS) løsning til cloud-native virksomheder og alle, der arbejder med maskinlæring applikationsudvikling eller håndtering af massive sæt.
Google BigQuery, som er gratis for 10 gigabyte (GB) pr.
Måned, er søgegigantens enorme datalager med petabyte (PB) -skala til analyse.
Det er et SQL-produkt på virksomhedsniveau, og Big Data findes i Googles DNA.
Alle virksomhedens værktøjer og tjenester er bevis på det.
Kort sagt, hvis du vil gøre noget med data, så kan du vædde på, at Google har et værktøj til at få det til at ske.
Hvis du har massive datasæt, eller hvis du samler dine data ved at blande det med offentlige eller kommercielle datasæt, kan Google BigQuery være et solidt valg.
Det er designet til at scanne terabyte (TB'er) på få sekunder og PB'er på få minutter.
Den største forespørgsel til dato er 2.1 PB'er, og Google BigQuery håndterede den uden problemer.
På trods af disse muligheder er Big Data-analyse udfordrende, og hvis du arbejder med mindre datasæt, kan det være for stort.
Google BigQuery er stadig et solidt valg, der følger lige bag Microsoft Azure SQL Database og MongoDB Atlas, redaktørernes valg vælger i vores DBaaS-løsninger gennemgår opsamling.
Prissætningsmodel
Google BigQuery er en serverløs dataanalysemodel.
Adskillelsen af ??opbevaring og beregning giver dig bedre kontrol med priserne, som har tendens til at være af mere interesse for folk, der kører usædvanligt store projekter.
Opbevaring er prissat til faste priser og beregner ud fra brugsrater.
De første 10 GB lagerplads er gratis hver måned og omkostningerne starter med 2 cent pr.
GB pr.
Måned derefter.
For eksempel, hvis du gemmer 1 terabyte (TB) i en måned, vil omkostningerne være $ 20.
Streaming-dataindsatser starter ved 1 cent pr.
200 megabyte (MB).
Den første 1 TB forespørgsler er gratis med yderligere analyse på $ 5 pr.
TB derefter.
Metadataoperationer er gratis.
Du har også mulighed for at betale med det samme eller et månedligt fast gebyr.
Nogle udviklere foretrækker det faste gebyr for budgetangstlindring.
Da opbevaring allerede koster et fast gebyr, betyder denne mulighed bare, at beregning også foregår på et fast månedligt gebyrarrangement.
Men inden du bliver for begejstret for at tilmelde dig fast prisfastsættelse, skal du være opmærksom på, at kun konti med $ 40.000+ i månedlige analyseforbrug kvalificerer sig til denne mulighed.
Google BigQuerys gratis niveau giver op til 1 TB data analyseret hver måned og 10 GB datalagring, men seriøst, hvis du er langt under dette mærke, er der andre værktøjer, der er bedre egnet til opgaven, såsom Microsoft Azure SQL Database, IBM Db2 på Cloud eller Google Cloud med Google Analytics 360.
Trin for trin
Du skal bruge en Google-konto, så konfigurer en, hvis du ikke allerede har en.
Du skal bruge det til at registrere dig for en Google Cloud Platform-konto, som også kræver et kreditkort for at bruge den gratis prøveperiode.
Men rolig, da du ikke automatisk opgraderes og faktureres i slutningen af ??prøveperioden.
Du skal opgradere manuelt, for at alt der skal opkræves på dit kreditkort.
Gå til BigQuery fra Google Cloud-brugergrænsefladen (UI).
BigQuerys brugergrænseflade er lidt almindelig-Jane, men dens koncision gør det også let at bruge.
Google fortæller mig, at det arbejder på et nyt brugergrænseflade nu.
Hvis du bare vil udforske med den aktuelle brugergrænseflade, skal du klikke på Skriv forespørgsel og vælge et af de offentlige datasæt på velkomstsiden.
Skriv en standard SQL-forespørgsel i forespørgselsfeltet ved hjælp af enten Query Editor eller User-Defined Function (UDF) Editor, og så er du klar.
Quickstart-vejledningerne er nyttige til overførsel af data eller spinding af en egen database i Cloud Bigtable, Cloud Spanner, Cloud SQL eller Cloud Datastore (NoSQL-database).
BigQuery bruger American National Standards Institute (ANSI) -kompatibel SQL samt Open Database Connectivity (ODBC) og Java Database Connectivity (JDBC) -drivere til at integrere med data i andre Cloud-produkter og yderligere typer applikationer.
Unikke SQL-implementeringer designet til glat forespørgsel betyder, at der er flere SQL-dialekter, som kan være forvirrende.
Jeg bemærkede, at mens standard er "Legacy SQL", kunne jeg fjerne markeringen i SQL-dialektfeltet for at vende tilbage til ægte standard SQL.
Google BigQuery har også en streaming-indtagelsesmotor til datafangst og analyse i realtid.
Brug fanen Opret datasæt under rullemenuen Mit første projekt til at oprette et datasæt.
Indtast datasæt-id'et, vælg datalokationen (USA, Den Europæiske Union eller Asien-Nordøst), og angiv datatidens udløb.
Google BigQuery kan automatisk registrere skema.
Når datasættet er konfigureret, er du klar til at køre forespørgsler.
Der er stik til de fleste BI-værktøjer.
Men du vil måske bruge Data Studio, som er Googles BI-visualiseringsværktøj, og det er gratis.
Listen over Google-værktøjer, du kan bruge, er lang.
Jeg anbefaler, at du starter med at gennemgå listen over gratis niveauer for Google Cloud Platform.
Google Cloud Platform har 15 regioner, 45 zoner, over 100 tilstedeværelsessteder og et veludstyret globalt netværk med mere end 100.000 miles fiberoptisk kabel.
Du får bedre priser ved hjælp af den globale tjeneste, men du kan frit angive regioner, som du ønsker.
Sikkerhedskopier og serviceniveauaftaler (SLA'er) hører under Google SQL Cloud.
Den fulde SLA er her.
Cloud SQL gemmer syv automatiserede sikkerhedskopier for hver forekomst.
Første generation (gen) sikkerhedskopier fanger alt og er inkluderet i dine instansomkostninger (pr.
Brugsmodel).
Deres lagerplads tæller ikke med din tildelte lagerplads.
Anden-gener-sikkerhedskopier fangede kun de data, der er ændret, og deres opbevaring debiteres til en reduceret hastighed.
Samlet set er Google BigQuery glimrende designet.
Det er bedre egnet til enorme datasæt og dem, der er dygtige til at arbejde med dem.
Hvis du er interesseret i at skrive apps til maskinlæring (ML) eller designe ML-træningsdata, vil du især elske dette produkt.
Det samme gælder for udviklere, der arbejder på IoT-apps (Internet of Things) eller enhver udvikling, der kræver fleksibel dataindtagelse og massiv dataanalyse.
Ulemper
Bygget til store data, så det er for stort til små datasæt.
Forvirrende SQL-dialekter.
Uhåndterlige omkostninger uden ordentlig opmærksomhed på værktøjsbrug og automatisk skalering.
Fast prisfastsættelse fungerer bedre.
Vis mere
Bundlinjen
Google BigQuery er en fantastisk Database-as-a-Service (DBaaS) løsning til cloud-native virksomheder og alle, der arbejder med maskinlæring applikationsudvikling eller håndtering af massive sæt.
