documentação do BigQuery
O BigQuery é data warehouse para análise totalmente gerenciado, em escala de petabyte e econômico do Google Cloudque 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 SQL padrão e aproveitar modelos de preços flexíveis em opções sob-demanda e de taxa fixa. Saiba mais
Comece sua prova de conceito com US $300 em crédito sem custos financeiros
- Acessar o Gemini 2.0 Flash Thinking
- Uso mensal gratuito de produtos conhecidos, incluindo APIs de IA e BigQuery
- Sem cobranças automáticas, sem compromisso
Continue explorando com mais de 20 produtos sempre gratuitos
Acesse mais de 20 produtos gratuitos para casos de uso comuns, incluindo APIs de IA, VMs, data warehouses e muito mais.
Recursos de documentação
Guias
-
Guias de início rápido: Console, Linha de comando ou Bibliotecas de cliente
Referência
Recursos relacionados
Solução de início rápido para data warehouse com o BigQuery
Implantar e usar uma amostra de data warehouse com o BigQuery
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 Dataproc
Aprenda a criar um pipeline de processamento de dados usando o Apache Spark com o Dataproc 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 mesmo criar modelos de machine learning em SQL dentro do BigQuery.
BigQuery for Marketing Analysts
Acesse informações repetíveis, escalonáveis e valiosas sobre seus dados aprendendo a consultá-los com o BigQuery.
BigQuery for 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 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 do 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.
Amostras em Python
Como trabalhar com o BigQuery com a biblioteca de cliente Python do Google Cloud
Exemplos 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.
Todas as amostras
Navegar por todas as amostras do BigQuery
Vídeos relacionados
Faça uma avaliação do BigQuery
Novos clientes também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.