BigQuery to rozwiązanie Google do gromadzenia danych w skali petabajtowej. Studio danych jest natywnie zintegrowane z BigQuery i może służyć do analizowania i wizualizowania danych BigQuery.
Etapy wdrażania
Istnieje kilka sposobów na przeniesienie danych BigQuery do Studio danych:
- Korzystanie z natywnego łącznika BigQuery w interfejsie Studio danych
- Tworzenie i używanie społecznościowego oprogramowania sprzęgającego
Korzystanie z natywnego łącznika BigQuery w interfejsie Studio danych
Użytkownicy mogą używać natywnego łącznika BigQuery w Studio danych do wizualizacji tabel BigQuery lub konkretnych zapytań. Możesz pobierać całe tabele lub uruchamiać niestandardowe zapytania w BigQuery bezpośrednio w Studiu danych. Możesz też użyć funkcji Eksplorator w Studiu danych, aby przeprowadzić analizę eksploracyjną danych BigQuery.
Takie podejście jest przydatne, jeśli użytkownicy:
- przeprowadzają analizę eksploracyjną.
- znają język SQL i potrafią pisać własne zapytania.
- znają dane i wiedzą, jak je wizualizować od podstaw.
Przykład: wykonywanie zapytań o dane dotyczące wskaźnika urodzeń z BigQuery
[Ten przewodnik][Wizualizacja danych BigQuery przy użyciu Studio danych] pokazuje, jak użytkownik może używać natywnego oprogramowania sprzęgającego BigQuery w Studio danych z interfejsu Studio danych do wizualizacji danych BigQuery. W tym przykładzie wysyłamy zapytanie do przykładowej tabeli BigQuery natality i pobieramy całą tabelę do Studio danych.
Przykład: tworzenie panelu analityki biznesowej za pomocą BigQuery, App Engine i Studia Danych
[How to build a BI dashboard using Studio danych and BigQuery] pokazuje, jak możesz używać App Engine do wstępnego agregowania danych BigQuery, a następnie wizualizować je za pomocą Studio danych.
Tworzenie i używanie społecznościowego oprogramowania sprzęgającego
Możesz utworzyć łącznik społeczności, który pobiera dane z BigQuery. To podejście ma przewagę nad korzystaniem z natywnego oprogramowania sprzęgającego:
- Możesz włączyć do łącznika istniejące zapytania. Użytkownicy nie będą musieli pisać własnych zapytań SQL ani kopiować i wklejać fragmentów kodu SQL, aby uzyskać dokładne zapytanie. Możesz też sparametryzować zapytania i umożliwić użytkownikom wprowadzanie danych w konfiguracji oprogramowania sprzęgającego, aby dostosowywać zapytania.
- Konta usługi możesz wykorzystać do scentralizowania rozliczeń. Użytkownicy nie będą potrzebować dostępu do konta rozliczeniowego GCP.
- Użytkownicy mogą zacząć od gotowych raportów szablonowych z własnymi danymi.
- Możesz wdrożyć własną warstwę pamięci podręcznej, aby kontrolować koszty BigQuery.
W złączu społecznościowym możesz uzyskać dostęp do danych BigQuery na 3 sposoby:
- [Zaawansowane usługi Studia danych]
- Usługa BigQuery w Apps Script
- BigQuery REST API
W tej tabeli podsumowano zalety i wady:
| Studio danych Usługi zaawansowane | Apps Script Usługa BigQuery | BigQuery REST API | |
|---|---|---|---|
| Dokumentacja | [Studio danych Usługi zaawansowane] | Apps Script Usługa BigQuery | Interfejs BigQuery REST API |
| Przepływ danych | BigQuery > Studio danych | BigQuery > Apps Script > Studio danych | BigQuery > Apps Script > Studio danych |
Obsługa pól obliczeniowychgetschema |
Tak | Tak | Tak |
| Może być używany z kontem usługi lub niestandardową kontrolą dostępu | Tak | Nie (obowiązują dane użytkownika) | Tak |
| Filtry są automatycznie przesuwane w dół | Tak | Nie | Nie |
Dodatkowe dane
wymagają
przekształcenia
w getData |
Nie | Tak | Tak |
| Pobrane dane są dostępne w Apps Script (umożliwia to dodatkowe przekształcenia). |
Nie | Tak | Tak |
| Buforowanie niestandardowe obsługiwane | Nie | Tak | Tak |
| Limit UrlFetchApp zastosowany | Nie | Nie | Tak |
| Przykładowa implementacja | Łącznik danych Banku Światowego | Apps Script Usługa BigQuery | Chrome UX Connector |
Jeśli nie musisz przekształcać pobranych danych z BigQuery ani korzystać z niestandardowego buforowania, w większości przypadków możesz używać zaawansowanych usług Studio danych.