BigQuery 簡介 | Google Cloud Documentation

跳至主要內容

技術領域

AI 和機器學習
應用程式開發
應用程式託管
運算
資料分析和管道
資料庫
分散式雲端、混合雲和多雲端
產業解決方案
遷移
網路
觀測能力與監控
安全性
Storage

跨產品工具

存取權與資源管理
費用與用量管理
基礎架構即程式碼
SDK、語言、框架和工具

/

控制台

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

登入

BigQuery

免費試用

總覽指南參考資料範例資源

技術領域
- 更多
- 總覽
- 指南
- 參考資料
- 範例
- 資源
跨產品工具
- 更多
控制台

Discover
產品總覽
使用沙箱試用 BigQuery
開始使用
控制台逐步操作說明和影片
使用控制台
使用代理
- 使用 Colab 資料科學代理分析資料
使用 bq CLI 工具
使用用戶端程式庫
規劃
資源階層結構簡介
API 依附元件
資料集
資料表
- BigQuery 資料表
  - 簡介
  - 建立及使用資料表
  - 指定資料表結構定義
    指定結構定義
    指定巢狀與重複的資料欄
    指定預設資料欄值
    指定 ObjectRef 值
  - 使用分區資料表進行區隔
    簡介
    建立分區資料表
    管理分區資料表
    查詢分區資料表
  - 使用叢集資料表進行最佳化調整
    簡介
    建立叢集資料表
    管理叢集資料表
    查詢叢集資料表
  - 使用中繼資料索引
- 外部資料來源
  - 簡介
  - BigLake 資料表
    簡介
    建立 Amazon S3 BigLake 資料表
    建立 Azure Blob 儲存體 BigLake 資料表
    建立 Cloud Storage BigLake 資料表
  - 物件資料表
    簡介
    建立 Cloud Storage 物件資料表
  - 外部資料表
    簡介
    建立 Apache Iceberg 外部資料表
    建立 Bigtable 外部資料表
    建立 Cloud Storage 外部資料表
    建立 Google 雲端硬碟外部資料表
  - 使用中繼資料快取
  - 管理 Hive 分區資料
  - 為外部資料建立資料表定義檔
  - 聯合資料集
    建立及管理 AWS Glue 聯合資料集
    建立 Spanner 外部資料集
- Apache Iceberg 代管資料表
- 與 Lakehouse 資料互動
View
- 總覽
- 邏輯檢視表
  - 簡介
  - 建立邏輯檢視
- 具體化檢視表
  - 簡介
  - 建立具體化檢視表
載入、轉換及匯出
簡介
使用資料工程代理建構資料管道
遷移資料
載入資料
- 簡介
- 使用 BigQuery 網頁版 UI 建立資料整合工作流程
- 儲存空間總覽
- BigQuery 資料移轉服務
- 批次載入資料
- 使用 Storage API 寫入及讀取資料
  - 使用 Storage Read API 讀取資料
  - 使用 Storage Write API 寫入資料
    簡介
    
    使用 Storage Write API (gRPC)
    總覽
    串流資料
    批次載入資料
    透過變更資料擷取擷取串流更新
    最佳做法
    支援的通訊協定緩衝區和 Arrow 資料類型
    使用 Storage Write API (REST)
- 從其他 Google 服務載入資料
- 探索 Cloud Storage 資料並匯入目錄
- 使用第三方應用程式載入資料
- 使用 BigQuery Omni 作業載入資料
- 最佳化載入工作
轉換資料
- 簡介
- 準備資料
  - 簡介
  - 使用 Gemini 準備資料
- 使用 DML 轉換資料
- 轉換分區資料表中的資料
- 使用變更記錄
- 使用管道轉換資料
  - 簡介
  - 建立管道
匯出資料
ELT 教學課程
- 為行銷分析資料建構 ELT
分析
簡介
探索您的資料
分析資料
- 執行查詢
- 使用 Gemini 撰寫查詢
- 寫入查詢結果
- 使用 SQL 查詢資料
- 使用筆記本
  - 簡介
  - 使用 Colab 筆記本
    簡介
    建立筆記本
    瞭解查詢結果
    以視覺化方式呈現查詢結果
    建立及共用資料應用程式
    使用 Spark
    使用 Colab 資料科學代理
- 使用 DataFrame
- 使用地理空間分析功能
- 處理常式
- 分析多模態資料
- 搜尋索引
- 執行全域查詢
- 存取歷來資料
- 使用開放原始碼 Python 程式庫
使用 BigQuery Graph
管理查詢
查詢外部資料來源
- 建立連線
- 對外部資料執行查詢
  - 查詢 BigLake 資料表
    Amazon S3 BigLake 資料表
    Azure Blob 儲存體 BigLake 資料表
    Cloud Storage BigLake 資料表
    使用 BigQuery Omni 分析資料
    
    匯出查詢結果
    匯出至 Amazon S3
    匯出至 Azure Blob 儲存體
  - 查詢外部資料表
    Apache Iceberg 外部資料表
    Bigtable 外部資料表
    Cloud Storage 外部資料表
    Google 雲端硬碟外部資料表
  - 執行聯合查詢
    簡介
    執行 AlloyDB 聯合查詢
    執行 Cloud SQL 聯合查詢
    執行 SAP Datasphere 聯合查詢
    執行 Spanner 聯合查詢
  - 分析其他外部資料類型
    使用資訊清單檔案查詢開放式資料表格式
    分析 Salesforce Data Cloud 資料
使用分析和商業智慧工具
- 簡介
- 使用連結試算表
- 使用 Tableau Desktop
- 使用 Looker
- 使用數據分析
- 使用第三方工具
- Google Cloud 適用的 BigQuery
  - 總覽
  - 合作夥伴
BigQuery AI
簡介
生成式 AI 功能
- 總覽
- 生成式 AI 模型的端對端使用者歷程
- 選擇文字生成功能
- 設定生成式 AI 函式的權限
- 透過模型蒸餾技術提高成本效益
- Cloud AI API 函式
- 教學課程
  - 生成文字
    使用 Gemini 生成文字
    使用 Gemma 生成文字
    使用任何支援的模型生成文字
    使用 AI.GENERATE 生成文字
    處理配額錯誤
    分析圖片
    執行語意分析
    
    調整文字生成模型
    調整模型
    使用微調和評估功能提升模型效能
  - 產生結構化資料
    產生結構化資料
  - 自然語言處理
    瞭解文字
    翻譯文字
  - 文件處理
    處理文件
    在檢索增強生成管道中剖析 PDF
  - 語音辨識
    轉錄音訊檔案
  - 電腦視覺
    為圖片加上註解
    對圖片資料執行推論
    使用匯入的分類模型分析圖片
    使用匯入的特徵向量模型分析圖片
嵌入和向量搜尋
輔助 AI
使用對話式數據分析代理進行分析
機器學習
管理
簡介
瞭解版本
管理資源
- 瞭解可靠性
- 管理設定
- 管理程式碼資產
  - 管理資料準備作業
  - 管理筆記本
  - 管理已儲存的查詢
  - 管理管道
  - 使用資料夾整理程式碼資產
    簡介
    建立及管理資料夾
- 管理資料表
- 管理資料表本機副本
  - 簡介
  - 建立資料表本機副本
- 管理資料表快照
- 管理資料集
- 管理檢視表和具體化檢視表
預訂資源
- 簡介
- 排定程式碼資產
- 排定工作和查詢
  - 透過程式執行工作
工作負載管理
- 簡介
- 瞭解運算單元
- 瞭解預留項目
- 管理工作負載
- 規劃工作負載
  - 估算容量需求
  - 查看時段建議
- 舊版預訂
- 管理 BI Engine
  - 簡介
  - 預留 BI Engine 容量
監控工作負載
充分善用資源
- 控管費用
  - 預估及控管費用
  - 建立自訂查詢配額
- 根據最佳化建議調整廣告活動
- 使用標籤整理郵件
管理
簡介
管理資料品質
- 掃描資料品質問題
- 使用 Knowledge Catalog
控管資源存取權
- 簡介
- 身分與存取權管理角色和權限
- 變更資料集層級的存取權控管設定
- 基本角色和權限
- 使用 IAM 控管存取權
- 使用授權控管存取權
  - 已獲授權的資料集
  - 獲得授權的處理常式
  - 授權檢視表
  - 教學課程
    建立授權檢視表
- 限制網路存取權
  - 使用 VPC Service Controls 控管存取權
  - 地區端點
- 控管欄和列的存取權
  - 控管資料表欄的存取權
    資料欄層級存取權控管簡介
    透過資料欄層級存取權控管機制限制存取權
    對寫入作業的影響
  - 控管資料表列的存取權
    資料列層級安全性簡介
    使用資料列層級的安全防護機制
    將資料列層級的安全性與其他 BigQuery 功能搭配使用
    資料列層級安全性的最佳做法
  - 管理政策標記
    管理不同位置的政策標記
    使用政策標記的最佳做法
- 保護機密資料
  - 遮蓋資料表欄中的資料
    資料遮蓋簡介
    遮蓋資料欄資料
  - 運用差異化隱私技術將資料去識別化
    使用差異化隱私
    擴展差異化隱私
  - 使用分析規則限制資料存取權
  - 使用 Sensitive Data Protection
- 管理加密功能
分享資料
稽核