بیگکوئری (BigQuery) راهکار ذخیرهسازی داده گوگل در مقیاس پتابایت است. دیتا استودیو (Data Studio) به صورت بومی با بیگکوئری (BigQuery) ادغام میشود و میتوان از آن برای تجزیه و تحلیل و مصورسازی دادههای بیگکوئری استفاده کرد.
مراحل اجرا
روشهای مختلفی برای وارد کردن دادههای BigQuery به Data Studio وجود دارد:
- استفاده از کانکتور بومی BigQuery در رابط کاربری Data Studio
- توسعه و استفاده از یک رابط اجتماعی
استفاده از کانکتور بومی BigQuery در رابط کاربری Data Studio
کاربران میتوانند از رابط بومی BigQuery در Data Studio برای مصورسازی جداول BigQuery یا کوئریهای خاص استفاده کنند. شما میتوانید کل جداول را از داخل Data Studio دریافت کنید یا کوئریهای سفارشی را روی BigQuery اجرا کنید. همچنین میتوانید از ویژگی Data Studio Explorer برای تکمیل تجزیه و تحلیل اکتشافی دادههای BigQuery خود استفاده کنید.
این رویکرد در صورتی مفید است که کاربران شما:
- در حال انجام تحلیل اکتشافی هستند.
- با SQL آشنا هستند و میتوانند کوئریهای خودشان را بنویسند.
- با دادهها آشنا هستند و میدانند چگونه آنها را از ابتدا مصورسازی کنند.
مثال: جستجوی دادههای نرخ تولد از BigQuery
[این راهنما][تصویرسازی دادههای BigQuery با استفاده از Data Studio] نشان میدهد که چگونه یک کاربر نهایی میتواند از رابط BigQuery بومی Data Studio از رابط کاربری Data Studio برای تصویرسازی دادههای BigQuery استفاده کند. این مثال از جدول نمونه natality BigQuery پرسوجو میکند و کل جدول را به Data Studio میآورد.
مثال: ساخت داشبورد BI با BigQuery، App Engine و Data Studio
[نحوه ساخت داشبورد BI با استفاده از Data Studio و BigQuery] نشان میدهد که چگونه میتوانید از App Engine برای جمعآوری اولیه دادههای BigQuery استفاده کنید و سپس آن را با Data Studio مصورسازی کنید.
توسعه و استفاده از یک رابط اجتماعی
شما میتوانید یک Community Connector ایجاد کنید که دادهها را از BigQuery دریافت کند. این رویکرد مزایایی نسبت به استفاده از کانکتور بومی دارد:
- شما میتوانید کوئریهای موجود را در Connector خود بگنجانید. کاربران شما مجبور نیستند SQL خود را بنویسند یا قطعه کدهای SQL را کپی/پیست کنند تا دقیقاً همان کوئری را دریافت کنند. علاوه بر این، میتوانید کوئریهای خود را پارامتری کنید و به کاربران خود اجازه دهید از طریق پیکربندی Connector ورودی ارائه دهند تا کوئریها را سفارشی کنند.
- شما میتوانید از حسابهای سرویس برای متمرکز کردن صورتحساب استفاده کنید. کاربران شما نیازی به دسترسی به حساب صورتحساب GCP نخواهند داشت.
- کاربران شما میتوانند با گزارشهای قالب آماده با دادههای خودشان شروع کنند.
- شما میتوانید لایه ذخیرهسازی خودتان را برای کنترل هزینه BigQuery پیادهسازی کنید.
در یک Community Connector، میتوانید به سه روش جداگانه به دادههای BigQuery دسترسی پیدا کنید:
- [خدمات پیشرفته استودیو داده]
- سرویس BigQuery اسکریپت برنامهها
- رابط برنامهنویسی REST بیگکوئری
این جدول خلاصهای از مزایا و معایب را ارائه میدهد:
| خدمات پیشرفته استودیو داده | سرویس BigQuery اسکریپت برنامهها | رابط برنامهنویسی REST بیگکوئری | |
|---|---|---|---|
| مرجع | [خدمات پیشرفته استودیو داده] | سرویس BigQuery اسکریپت برنامهها | رابط برنامهنویسی REST بیگکوئری |
| جریان دادهها | بیگکوئری > دیتا استودیو | بیگکوئری > اسکریپت برنامهها > دیتا استودیو | بیگکوئری > اسکریپت برنامهها > دیتا استودیو |
فیلدهای محاسبهشده از طریق getschema پشتیبانی میشوند | بله | بله | بله |
| قابل استفاده با یک حساب کاربری سرویس/کنترل دسترسی سفارشی | بله | خیر (اطلاعات کاربری معتبر اعمال میشود) | بله |
| فیلترها به طور خودکار پایین کشیده میشوند | بله | خیر | خیر |
تبدیل دادههای اضافی مورد نیاز در getData | خیر | بله | بله |
| دادههای واکشیشده را میتوان در Apps Script مشاهده کرد. (به شما امکان میدهد تبدیلهای اضافی انجام دهید) | خیر | بله | بله |
| پشتیبانی از ذخیرهسازی سفارشی | خیر | بله | بله |
| سهمیه UrlfetchApp اعمال شد | خیر | خیر | بله |
| پیادهسازی مثال | رابط دادههای بانک جهانی | سرویس BigQuery اسکریپت برنامهها | رابط کاربری کروم |
مگر اینکه نیاز به تبدیل دادههای واکشی شده از BigQuery یا ذخیرهسازی سفارشی داشته باشید، در بیشتر موارد میتوانید از Data Studio Advanced Services استفاده کنید.