BigQuery

BigQuery
Faça o upload do logotipo deste site
Endereço	cloud.google.com/products/bigquery/
Língua	inglês
Proprietário	Google
Lançar	19 de maio de 2010
Estado atual	Em atividade

O BigQuery é um serviço da Web RESTful que permite análises interativas massivas de grandes conjuntos de dados em conjunto com o repositório do Google. É um software como serviço ( SaaS ) que pode ser usado além do MapReduce .

BigQuery é o data warehouse empresarial do Google em modo sem servidor. Como o BigQuery está no modo sem servidor, não há infraestrutura para gerenciar. As consultas podem ser escritas em SQL legado ou SQL padrão. Esta ferramenta do google permite que você analise dados localizados em um armazém lógico. Um armazém lógico contém conjuntos de dados ( bancos de dados ). Os conjuntos de dados contêm tabelas ou visualizações . O serviço é gratuito até 1 TB de dados analisados ​​por mês e 10 GB de dados armazenados.

A história

Após um período de testes em 2010, o BigQuery foi disponibilizado globalmente em novembro de 2011, durante a conferência Google Atmosphere. Em 2014, a MapR apresentou o projeto Apache Drill , que visa resolver problemas semelhantes. Em abril de 2016, os usuários europeus do serviço sofreram um hiato de 12 horas. Desde maio de 2016, o Google Spreadsheets pode usar o BigQuery.

Projeto

O BigQuery fornece acesso externo à tecnologia Dremel, um sistema escalonável e interativo ad hoc sobre a consulta para análise somente leitura de dados aninhados. Para usar dados no BigQuery, primeiro é necessário fazer upload deles para o armazenamento do Google e, em seguida, importá-los usando a API HTTP do BigQuery. O BigQuery requer que todas as solicitações sejam autenticadas por meio de um mecanismo de autenticação OAuth .

Características

• Data warehouse sem servidor.
• Análise em tempo real .
• Alta disponibilidade automática.
• Linguagem SQL padrão.
• Consultas federadas e armazenamento lógico de dados.
• Separação de armazenamento e cálculos.
• Backup automático e restauração fácil.
• Funções geoespaciais e tipos de dados.
• Serviço de transferência de dados.
• Integração em um ecossistema de big data .
• Escalabilidade em escala de petabyte .
• Modelos de preços flexíveis.
• Criptografia e segurança de dados .
• Localidade dos dados.
• Base para IA .
• Base para inteligência de negócios.
• Ingestão de dados flexível.
• Governança de dados.
• Interação automatizada.
• Monitoramento e registro completos com o Stackdriver.
• Contenção de custos

Características

• Gerenciamento de dados - crie e exclua tabelas com base em um esquema codificado em JSON, importe dados codificados em formato CSV ou JSON do repositório do Google.
• Consulta - as consultas são expressas na linguagem padrão SQL e os resultados são retornados em JSON com uma resposta de tamanho máximo de 128 MB, ou de tamanho ilimitado, quando o critério "resultados grandes" é ativado.
• Integração - o BigQuery pode ser usado a partir do Google Apps Script , Google Spreadsheets ou qualquer linguagem que possa funcionar com sua API REST ou bibliotecas de cliente.
• Controle de acesso - é possível compartilhar o acesso aos conjuntos de dados com uma pessoa, um grupo ou o mundo

Referências

• ( fr ) Este artigo foi retirado parcial ou totalmente do artigo da Wikipedia em inglês intitulado "  BigQuery   " ( veja a lista de autores ) .

1. “  A Google Cloud Platform  ” , em cloud.google.com
2. Iain Thomson, "  Google abre BigQuery para análise de nuvem: teste gratuito Dangles para atrair céticos  " ,14 de novembro de 2011(acessado em 26 de agosto de 2016 )
3. Neil McAllister, “  Seus dados são chatos? MapR quer que você se aborreça com o Apache Drill: nova versão adiciona suporte para tecnologia Google-y SQL-on-Hadoop  ” ,16 de setembro de 2014(acessado em 26 de agosto de 2016 )
4. Simon Sharwood, “  Google Euro-cloud glitch  ” ,7 de abril de 2016(acessado em 26 de agosto de 2016 )
5. Jordan Novet, “O  Google BigQuery agora permite que você analise dados do Planilhas Google  ” ,6 de maio de 2016(acessado em 26 de agosto de 2016 )
6. Sergey Melnik, Andrey Gubarev, Jing Jing Long, Geoffrey Romer, Shiva Shivakumar, Matt Tolton e Theo Vassilakis, “  Dremel: Interactive Analysis of Web-Scale Datasets  ” , Proc. da 36ª Conferência Internacional sobre Bases de Dados Muito Grandes (VLDB) ,2010
7. Kazunori Sato, "  An Inside Look at Google BigQuery  " , Google,2012(acessado em 26 de agosto de 2016 )
8. "  Referência SQL  " (acessado em 26 de junho de 2017 )
9. "  Política de cotas  " (acessado em 26 de junho de 2017 )
10. “  Bibliotecas cliente do BigQuery  ” (acessado em 26 de junho de 2017 )

links externos

• Site oficial