Zum Hauptinhalt springen
Technologiebereiche
close
KI und ML
Anwendungsentwicklung
Anwendungshosting
Compute
Datenanalyse und Pipelines
Datenbanken
Verteilt, Hybrid und Multi-Cloud
Branchenlösungen
Migration
Netzwerk
Beobachtbarkeit und Monitoring
Sicherheit
Storage
Produktübergreifende Tools
close
Zugriffs- und Ressourcenverwaltung
Kosten- und Nutzungsmanagement
Infrastruktur als Code
SDK, Sprachen, Frameworks und Tools
/
Console
English
Deutsch
Español
Español – América Latina
Français
Indonesia
Italiano
Português
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어
Anmelden
BigQuery
Jetzt kostenlos testen
Übersicht
Leitfäden
Referenzen
Beispiele
Ressourcen
Technologiebereiche
Mehr
Übersicht
Leitfäden
Referenzen
Beispiele
Ressourcen
Produktübergreifende Tools
Mehr
Console
Erste Schritte
Produktübersicht
BigQuery mit der Sandbox ausprobieren
Los gehts
Schritt-für-Schritt-Anleitungen und Videos für die Console
Console verwenden
Die Console entdecken
Daten laden und abfragen
Notebook-Galerie verwenden
Reservierungen erstellen
DataFrames ausprobieren
Agenten verwenden
Daten mit dem Colab Data Science Agent analysieren
bq-Befehlszeilentool verwenden
Verwenden Sie die Client-Bibliotheken!
Plan
Einführung in die Ressourcenhierarchie
API-Abhängigkeiten
Datasets
Einführung
Datasets erstellen
Datasets auflisten
Regionenübergreifende Replikation
Verwaltete Notfallwiederherstellung
Zur verwalteten Notfallwiederherstellung migrieren
Datenaufbewahrung für Datasets
Tabellen
BigQuery-Tabellen
Einführung
Tabellen erstellen und verwenden
Tabellenschemas angeben
Schema angeben
Verschachtelte und wiederkehrende Spalten angeben
Standardspaltenwerte angeben
ObjectRef-Werte angeben
Mit partitionierten Tabellen segmentieren
Einführung
Partitionierte Tabellen erstellen
Partitionierte Tabellen verwalten
Partitionierte Tabellen abfragen
Mit geclusterten Tabellen optimieren
Einführung
Geclusterte Tabellen erstellen
Geclusterte Tabellen verwalten
Geclusterte Tabellen abfragen
Metadatenindexierung verwenden
Externe Datenquellen
Einführung
BigLake-Tabellen
Einführung
Amazon S3 BigLake-Tabellen erstellen
BigLake-Tabellen in Azure Blob Storage erstellen
BigLake-Tabellen in Cloud Storage erstellen
Objekttabellen
Einführung
Cloud Storage-Objekttabellen erstellen
Externe Tabellen
Einführung
Externe Apache Iceberg-Tabellen erstellen
Externe Bigtable-Tabellen erstellen
Externe Cloud Storage-Tabellen erstellen
Externe Google Drive-Tabellen erstellen
Metadaten-Caching verwenden
Partitionierte Hive-Daten verwalten
Tabellendefinitionsdatei für externe Daten erstellen
Föderierte Datasets
Föderierte AWS Glue-Datasets erstellen und verwalten
Externe Spanner-Datasets erstellen
Verwaltete Apache Iceberg-Tabellen
Mit Lakehouse-Daten interagieren
Aufrufe
Übersicht
Logische Ansichten
Einführung
Logische Ansichten erstellen
Materialisierte Ansichten
Einführung
Materialisierte Ansichten erstellen
Laden, transformieren und exportieren
Einführung
Datenpipeline mit Data Engineering Agent erstellen
Daten migrieren
Einführung
Migrationsbewertung
Schema und Daten migrieren
Datenpipelines migrieren
Benutzerdefinierte Organisationsrichtlinien verwenden
SQL migrieren
SQL-Abfragen interaktiv übersetzen
SQL-Abfragen mit der API übersetzen
SQL-Abfragen im Batch übersetzen
Metadaten für Übersetzung und Bewertung generieren
SQL-Übersetzungen mit YAML transformieren
SQL-Objektnamen für die Batchübersetzung zuordnen
Daten laden
Einführung
Datenintegrationsworkflows mit der BigQuery-Web-UI erstellen
Speicheroptionen
BigQuery Data Transfer Service
Einführung
Unterstützte Datenquellen
Speicherort und Übertragung von Daten
Übertragungen autorisieren
Übertragungen aktivieren
Netzwerkverbindungen einrichten
Cloud SQL-Instanzzugriff
AWS VPN und Netzwerkverbindung
Azure-VPN und Netzwerkanhang
Übertragungen verwalten
Benachrichtigungen zu Übertragungsausführungen
Fehlerbehebung bei Übertragungskonfigurationen
Dienstkonten verwenden
Drittanbieter-Übertragungen verwenden
Benutzerdefinierte Organisationsrichtlinien verwenden
Änderungsprotokoll für Datenquellen
Ereignisgesteuerte Übertragungen
Daten in verwaltete Iceberg-Tabellen übertragen
Daten im Batch laden
Einführung
Schemas automatisch erkennen
Avro-Daten laden
Parquet-Daten laden
ORC-Daten laden
CSV-Daten laden
JSON-Daten laden
Extern partitionierte Daten laden
Daten aus einem Datastore-Export laden
Daten aus einem Firestore-Export laden
Daten mit der Storage Write API laden
Daten in partitionierte Tabellen laden
Daten mit der Storage API schreiben und lesen
Daten mit der Storage Read API lesen
Daten mit der Storage Write API schreiben
Einführung
Storage Write API (gRPC) verwenden
Übersicht
Daten streamen
Daten im Batch laden
Updates mit Change Data Capture-Aufnahme streamen
Best Practices
Unterstützte Protokollzwischenspeicher- und Arrow-Datentypen
Storage Write API (REST) verwenden
Daten aus anderen Google-Diensten laden
Cloud Storage-Daten ermitteln und katalogisieren
Daten mit Drittanbieteranwendungen laden
Daten mit BigQuery Omni-Vorgängen laden
Ladejobs optimieren
Daten transformieren
Einführung
Daten vorbereiten
Einführung
Daten mit Gemini vorbereiten
Mit DML transformieren
Daten in partitionierten Tabellen transformieren
Änderungsverlauf verwenden
Daten mit Pipelines transformieren
Einführung
