Googles granskningsgranskning och betyg

Google BigQuery, som är gratis för 10 gigabyte (GB) per månad, är sökgigantens ginormous, petabyte (PB) -skaliga datalager för analys. Det är en SQL-produkt på företagsnivå och Big Data finns i Googles DNA. Alla företagets verktyg och tjänster är bevis på det. Kort sagt, om du vill göra någonting med data, kan du satsa på att Google har ett verktyg för att få det att hända. Om du har massiva datauppsättningar eller om du samlar in dina data genom att blanda dem med offentliga eller kommersiella datamängder kan Google BigQuery vara ett bra val. Den är utformad för att skanna terabyte (TB) på några sekunder och PB: er på några minuter. Den största frågan hittills är 2, 1 PB och Google BigQuery hanterade den utan problem. Trots dessa funktioner är Big Data-analys utmanande och om du arbetar med mindre datasätt kan det vara överdrivet. Google BigQuery är fortfarande ett solidt val som ligger precis bakom Microsoft Azure SQL-databas och MongoDB Atlas, redaktörernas val i våra DBaaS-lösningar för granskning.

Prissättningsmodell

Google BigQuery är en serverlös dataanalysmodell. Separationen av lagring och beräkning ger dig bättre priskontroller, som tenderar att vara mer intressanta för personer som driver exceptionellt stora projekt. Lagring prissätts till schablonbelopp och beräknar efter användningshastigheter. De första 10 GB lagringsutrymmet är gratis varje månad och kostnaderna börjar på 2 cent per GB per månad efter det. Om du till exempel lagrar 1 terabyte (TB) under en månad, skulle kostnaden vara 20 USD. Strömningsdatainsatser börjar med 1 cent per 200 megabyte (MB). De första 1 TB frågorna är gratis, med ytterligare analys till $ 5 per TB därefter. Metadatafunktioner är gratis.

Du har också möjligheten att betala som du går eller en månatlig fast avgift. Vissa utvecklare föredrar en schablonavgift för att ångestlösa budgeten. Eftersom lagring redan är till en fast avgift, betyder detta alternativ bara att beräkningen också sker på ett fast, månatligt avgiftsarrangemang. Men innan du blir för upphetsad med att registrera dig för en fast prissättning ska du vara medveten om att endast konton med $ 40 000 + i månatlig analysutgifter är kvalificerade för detta alternativ.

Google BigQuerys kostnadsfria nivå ger upp till 1 TB data som analyseras varje månad och 10 GB datalagring, men allvarligt, om du är väl under det märket, finns det andra verktyg som är bättre lämpade för uppgiften, till exempel Microsoft Azure SQL-databas, IBM Db2 på Cloud eller Google Cloud med Google Analytics 360.

Steg för steg

Du behöver ett Google-konto så ställ in ett konto om du inte redan har ett. Du behöver det för att registrera dig för ett Google Cloud Platform-konto, vilket också kräver ett kreditkort för att använda den kostnadsfria testversionen. Men oroa dig inte eftersom du inte automatiskt kommer att uppgraderas och faktureras i slutet av provperioden. Du måste uppgradera manuellt för att allt ska debiteras på ditt kreditkort.

Gå till Google Cloud-användargränssnittet (UI) och gå till BigQuery. BigQuerys användargränssnitt är lite vanligt Jane, men dess slutsats gör det också lätt att använda. Google berättar för mig att det fungerar med ett nytt användargränssnitt nu. Med det nuvarande användargränssnittet, om du bara vill utforska, klicka sedan på Skriv skrivfråga och välj en av de offentliga datamängderna på välkomstsidan. Skriv en standard SQL-fråga i fråga rutan genom att använda antingen Query Editor eller User-Defined Function (UDF) Editor, och så går det inte.

Quickstart-guiderna är användbara vid överföring av data eller spinning av en egen databas i Cloud Bigtable, Cloud Spanner, Cloud SQL eller Cloud Datastore (NoSQL-databas). BigQuery använder American National Standards Institute (ANSI) -kompatibla SQL såväl som Open Database Connectivity (ODBC) och Java Database Connectivity (JDBC) drivrutiner för att integrera med data i andra molnprodukter och ytterligare typer av applikationer. Unika SQL-implementationer som är utformade för att jämna frågeställningar innebär att det finns flera SQL-dialekter, vilket kan vara förvirrande. Jag märkte att medan standarden är "Legacy SQL", kunde jag avmarkera SQL-dialogrutan för att återgå till verklig standard SQL.

Google BigQuery har också en strömmande intagningsmotor för datainsamling och analys i realtid. Använd fliken Skapa datauppsättning under rullgardinsmenyn Mitt första projekt för att skapa en datauppsättning. Ange datauppsättnings-ID, välj dataläge (USA, Europeiska unionen eller Asien-nordost) och ställ in datorns utgång. Google BigQuery kan automatiskt upptäcka scheman. När datauppsättningen är konfigurerad är du redo att köra frågor.

Verktygslådan

Det finns anslutningar till de flesta BI-verktyg. Men du kanske vill använda Data Studio, som är Googles BI-visualiseringsverktyg, och det är gratis. Listan över Google-verktyg som du kan använda är lång. Jag rekommenderar att du börjar med att granska listan med gratis Cloud Cloud-plattformar.

Google Cloud Platform har 15 regioner, 45 zoner, över 100 platser för närvaro och ett väl tillhandahållet globalt nätverk med 100 000 miles fiberoptisk kabel. Du får bättre prissättning med den globala tjänsten, men du kan fritt ange regioner som du vill.

Säkerhetskopior och avtal på servicenivå (SLA) hör till Google SQL Cloud. Hela SLA är här. Cloud SQL har sju automatiserade säkerhetskopior för varje instans. Första generationens (gen) säkerhetskopior fångar allt och ingår i dina instanskostnader (per användningsmodell). Deras lagringsutrymme räknas inte med ditt tilldelade lagringsutrymme. Andra gen-säkerhetskopior fångade endast de data som har ändrats och lagring av dem laddas till en reducerad hastighet.

Sammantaget är Google BigQuery briljant designad. Det passar bättre för enorma datamängder och för dem som är skickliga i att arbeta med dem. Om du vill skriva appar för maskinlärning (ML) eller utforma ML-träningsdata, kommer du särskilt att älska den här produkten. Detsamma gäller för utvecklare som arbetar med Internet of Things (IoT) -appar eller någon utveckling som kräver flexibelt intag av data och massiv dataanalys.