Places Count ফাংশন ব্যবহার করে ডেটাসেটটি অনুসন্ধান করুন

প্লেসেস কাউন্ট ফাংশন হলো পূর্বনির্ধারিত SQL কোয়েরি যা BigQuery-তে চলে এবং সরাসরি ডেটাসেট কোয়েরি করার পরিপূরক হিসেবে কাজ করে। সরাসরি ডেটা কোয়েরি করা এবং একটি ফাংশন ব্যবহার করার মধ্যে প্রধান পার্থক্য হলো, ফাংশনগুলো সর্বনিম্ন গণনার সীমা আরোপ করে না, বরং একটি সর্বনিম্ন অনুসন্ধান এলাকা আরোপ করে।

  • প্লেস ডেটাসেট কোয়েরি শুধুমাত্র ৫ বা তার বেশি সংখ্যাই ফেরত দিতে পারে, কিন্তু অনুসন্ধান এলাকার আকারের উপর কোনো সীমাবদ্ধতা আরোপ করে না।
  • স্থান গণনা ফাংশনগুলো ০ সহ যেকোনো সংখ্যা ফেরত দিতে পারে, তবে এটি সর্বনিম্ন ৪০.০ মিটার বাই ৪০.০ মিটার (১৬০০ বর্গ মিটার ) অনুসন্ধান এলাকা বাধ্যতামূলক করে। ফাংশনগুলো স্থান আইডি-ও ফেরত দিতে পারে, যা ব্যবহার করে স্বতন্ত্র স্থান সম্পর্কে তথ্য খোঁজা যায়।

যদি কোনো কোয়েরিতে কোনো ফলাফল না আসে, অথবা যদি আপনার ৫-এর কম সংখ্যক স্থানের সংখ্যা জানার প্রয়োজন হয়, তবে আপনি প্লেসেস কাউন্ট ফাংশন ব্যবহার করতে পারেন। আপনার ফলাফল যাচাই করার জন্য যদি কোনো নির্দিষ্ট স্থানের তথ্য পাওয়ার প্রয়োজন হয়, তাহলেও এটি কার্যকর।

Places Count ফাংশনগুলো শুধুমাত্র সংখ্যা গণনা করে, তাই যদি আপনার ডেটা জয়েনের মতো আরও জটিল কোয়েরি করার প্রয়োজন হয়, অথবা একদল স্থানের গড় রেটিং-এর মতো অতিরিক্ত তথ্য জানতে চান, তাহলে সরাসরি ডেটাসেটটি কোয়েরি করুন ।

সমর্থিত স্থান গণনা ফাংশন এবং দেশগুলি

Places Insights নিম্নলিখিত ফাংশনগুলো সমর্থন করে:

  • PLACES_COUNT_V2 : স্থানের সংখ্যা এবং নমুনা স্থান আইডি সম্বলিত একটি টেবিল ফেরত দেয়। এই ফাংশনটি একাধিক ভৌগোলিক অঞ্চলের ইনপুটের জন্য একটি টেবিল প্যারামিটার গ্রহণ করে, যা কার্যকর ব্যাচ প্রসেসিং সক্ষম করে। PLACES_COUNT এবং PLACES_COUNT_PER_GEO ফাংশনগুলোর তুলনায় এটি জিওস্পেশিয়াল জয়েনের জন্য বিশেষভাবে অপ্টিমাইজ করা হয়েছে।
  • PLACES_COUNT_PER_TYPE_V2 : স্থানের প্রকার অনুযায়ী শ্রেণীবদ্ধ করে স্থানের সংখ্যা এবং নমুনা স্থান আইডি-র একটি সারণী ফেরত দেয়। PLACES_COUNT_V2 এর মতোই, এই ফাংশনটি একই সাথে একাধিক ইনপুট ভৌগোলিক এলাকা প্রক্রিয়াকরণের জন্য একটি টেবিল প্যারামিটার গ্রহণ করে। এই স্থাপত্যটি দক্ষ ব্যাচ প্রক্রিয়াকরণ সমর্থন করে এবং PLACES_COUNT_PER_TYPE তুলনায় অপ্টিমাইজড ভূ-স্থানিক সংযোগ প্রদান করে।
  • PLACES_COUNT_PER_H3 : প্রতিটি H3 সেলের স্থানের সংখ্যাসহ একটি BigQuery টেবিল ফেরত দেয়।
  • PLACES_COUNT : স্থানগুলির সংখ্যা সম্বলিত একটি একক সারি ফেরত দেয়।
  • PLACES_COUNT_PER_TYPE : স্থানের প্রকারভেদ অনুযায়ী স্থানের সংখ্যা সম্বলিত একটি BigQuery টেবিল ফেরত দেয়।
  • PLACES_COUNT_PER_GEO : প্রতিটি ভৌগোলিক অঞ্চলের স্থানের সংখ্যা সম্বলিত একটি BigQuery টেবিল ফেরত দেয়।

স্থানের সংখ্যার পাশাপাশি, PLACES_COUNT ছাড়া বাকি সব ফাংশন রেসপন্সের প্রতিটি উপাদানের জন্য ২৫০টি পর্যন্ত স্থানের আইডি ফেরত দেয়।

স্থান আইডি নিম্নলিখিত ক্ষেত্রে ব্যবহার করা যেতে পারে:

Write queries with functions

ফাংশনগুলো কল করার জন্য নিম্নলিখিত ফরম্যাটটি ব্যবহার করুন: [project name (optional)].[table name].[function name] ।

প্লেসেস ইনসাইটস সেট আপ করার সময় আপনি যদি লিঙ্ক করা ডেটাসেটের নাম পরিবর্তন করে থাকেন, তাহলে BigQuery-এর রেফারেন্স প্লেস কাউন্ট ফাংশন- এ তালিকাভুক্ত ডিফল্ট টেবিলের নামগুলির পরিবর্তে আপনার নিজস্ব নামটি ব্যবহার করুন। আপনি চাইলে আপনার প্রোজেক্টের নামও অন্তর্ভুক্ত করতে পারেন। যদি কোনো নাম অন্তর্ভুক্ত না করা হয়, তাহলে কোয়েরিটি ডিফল্টভাবে সক্রিয় প্রোজেক্টটিকে ব্যবহার করবে।

উদাহরণস্বরূপ:

PROJECT_NAME.places_insights___us.PLACES_COUNT

ফাংশনে আর্গুমেন্ট পাস করার জন্য একটি JSON_OBJECT ব্যবহার করুন।

আপনার ফলাফল ফিল্টার করুন

আপনার অনুসন্ধানকে আরও সুনির্দিষ্ট করতে প্লেসেস কাউন্ট ফাংশন অনেকগুলো ফিল্টার সমর্থন করে। এই প্যারামিটারগুলো (যেমন, price_level বা types ) কেস-সেনসিটিভ এবং প্যারামিটারের নামের সাথে হুবহু মিলতে হবে। বিকল্পগুলোর সম্পূর্ণ তালিকার জন্য ফিল্টার প্যারামিটার রেফারেন্স দেখুন ।

পরবর্তী উদাহরণে, আপনি PLACES_COUNT_V2 ফাংশনটি ব্যবহার করে সর্বনিম্ন ব্যবহারকারী রেটিং, মূল্যস্তর, ব্যবসার অবস্থা এবং রেস্তোরাঁটিতে কুকুর প্রবেশের অনুমতি আছে কিনা, তার ভিত্তিতে অনুসন্ধান সীমিত করতে ফিল্টার প্রয়োগ করবেন।

প্রথমে, আপনার ইনপুট ভূগোল সারণীটি ব্যবহার করুন অথবা নির্বাচিত ভূগোলগুলো দিয়ে একটি সারণী প্রস্তুত করুন:

-- Create a table for the input geographies
CREATE TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas` AS (
  SELECT
    '1' AS geo_id, -- Unique identifier
    ST_GEOGPOINT(-73.9857, 40.7484) AS geo -- Empire State Building
  UNION ALL
  SELECT
    '2' AS geo_id, -- Unique identifier
    ST_GEOGPOINT(-73.9851, 40.7580) AS geo -- Times Square
);

এরপর, টেবিল এবং ফিল্টারযুক্ত JSON অবজেক্টটি দিয়ে PLACES_COUNT_V2 কল করুন। সার্চ ব্যাসার্ধটি JSON ফিল্টারগুলোর মধ্যে অন্তর্ভুক্ত থাকে এবং এটি my_search_areas টেবিলের প্রতিটি পয়েন্টের চারপাশে প্রয়োগ করা হবে।

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters around each point in 'geo'
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'min_rating', 1.3,
      'price_level', ['PRICE_LEVEL_INEXPENSIVE', 'PRICE_LEVEL_MODERATE'],
      'allows_dogs', TRUE
      )
);

স্থান গণনা ফাংশনের উদাহরণ

নিম্নলিখিত উদাহরণটি নিউ ইয়র্ক সিটির এম্পায়ার স্টেট বিল্ডিং এবং টাইমস স্কোয়ারের ১০০০ মিটারের মধ্যে চালু থাকা রেস্তোরাঁর সংখ্যা বের করার জন্য কাস্টম ইনপুট জিওগ্রাফি টেবিল my_search_area এর সাথে PLACES_COUNT_V2 ফাংশনটি ব্যবহার করে:

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"]
      )
);

প্রতিক্রিয়াটি একটি BigQuery টেবিল, যাতে geo_id , geography, count এবং স্থান আইডিগুলির একটি নমুনা থাকে।

নিউ ইয়র্ক সিটিতে স্থান গণনা ফাংশনের ফলাফল।

ফলাফল কল্পনা করুন

আপনার BigQuery ডেটা থেকে অন্তর্দৃষ্টি আবিষ্কার করতে বিশ্লেষণ এবং ব্যবসায়িক বুদ্ধিমত্তার সরঞ্জামগুলি অত্যন্ত গুরুত্বপূর্ণ। BigQuery বেশ কিছু গুগল এবং তৃতীয় পক্ষের ডেটা ভিজ্যুয়ালাইজেশন টুল সমর্থন করে, যা আপনি Places Insights ডেটার উপর আপনার ফাংশনগুলির ফলাফল বিশ্লেষণ করতে ব্যবহার করতে পারেন।

কোনো ফাংশনের ফলাফল ভিজ্যুয়ালাইজ করার উদাহরণের জন্য, ‘ফলাফল ভিজ্যুয়ালাইজ করুন’ দেখুন। প্লেসেস ইনসাইটস-এর ফলাফল ভিজ্যুয়ালাইজ করার বিষয়ে আরও তথ্য ও উদাহরণের জন্য, ‘কোয়েরির ফলাফল ভিজ্যুয়ালাইজ করুন’ দেখুন।

সীমাবদ্ধতা এবং প্রয়োজনীয়তা

স্থান গণনা ফাংশনগুলির নিম্নলিখিত সীমাবদ্ধতা এবং প্রয়োজনীয়তা রয়েছে:

  • শুধুমাত্র COUNT ইনসাইট সমর্থিত।
  • ন্যূনতম ৪০.০ মিটার × ৪০.০ মিটার (১৬০০ বর্গমিটার ) আয়তনের একটি অনুসন্ধান এলাকা প্রয়োজন।
  • প্যারামিটার ইনপুট আকারের সীমা: ফাংশনগুলিতে প্যারামিটার হিসাবে পাঠানো JSON অবজেক্টের সীমা ১ মেগাবাইট। এই সীমার প্রভাব ফাংশনের সংস্করণের উপর নির্ভর করে:
  • V2 ফাংশনগুলোর ( PLACES_COUNT_V2 , PLACES_COUNT_PER_TYPE_V2 ) ক্ষেত্রে, এই সীমাটি শুধুমাত্র ফিল্টার JSON অবজেক্টের জন্য প্রযোজ্য। যেহেতু একটি টেবিল প্যারামিটার ব্যবহার করে ভৌগোলিক অঞ্চলগুলো আলাদাভাবে সরবরাহ করা হয়, তাই এই ফাংশনগুলো JSON আকারের সীমায় না পৌঁছেই আরও অনেক বেশি সংখ্যক ইনপুট ভৌগোলিক অঞ্চলের জন্য কাজ করতে পারে।
    • PLACES_COUNT_PER_H3 , PLACES_COUNT , PLACES_COUNT_PER_TYPE , এবং PLACES_COUNT_PER_GEO ক্ষেত্রে, এই সীমাটি সমস্ত ভৌগোলিক সংজ্ঞা সহ সম্পূর্ণ JSON অবজেক্টের উপর প্রযোজ্য। এর ফলে একটি একক কলে প্রক্রিয়া করা যেতে পারে এমন ভৌগোলিক অঞ্চলের সংখ্যা সীমিত হতে পারে।
  • স্থান আইডি, ব্র্যান্ড, ইভি চার্জ অপশন বা ঠিকানার অংশবিশেষ দিয়ে ফিল্টার করার সুবিধা নেই।
  • আপনি শুধুমাত্র সেইসব শহর এবং দেশের জন্য প্লেসেস কাউন্ট ফাংশনগুলো অ্যাক্সেস করতে পারবেন যেগুলোতে আপনি সাবস্ক্রাইব করেছেন। ডেটাসেট অ্যাক্সেসের জন্য ‘সেট আপ প্লেসেস ইনসাইটস’ দেখুন।
  • ফিল্টার প্যারামিটারগুলো (যেমন, geography বা types ) কেস-সেনসিটিভ এবং প্যারামিটারের নামগুলোর সাথে হুবহু মিলতে হবে, অন্যথায় কোয়েরি ব্যর্থ হবে।

BigQuery-তে স্থান গণনা ফাংশনগুলির উল্লেখ করুন

নমুনা ডেটাসেটের সমস্ত শহর এবং দেশগুলোর পূর্ণ ডেটাসেট স্থান গণনা ফাংশন সমর্থন করে।

আপনি যে শহর এবং দেশের ডেটাসেটগুলিতে সাবস্ক্রাইব করেছেন, সেগুলির সাথে সম্পর্কিত প্লেসেস কাউন্ট ফাংশনগুলিতে আপনার অ্যাক্সেস রয়েছে। ডেটাসেট অ্যাক্সেসের জন্য প্লেসেস ইনসাইটস সেট আপ দেখুন।

এই সারণিগুলোতে উপলব্ধ শহর, দেশ এবং তাদের সংশ্লিষ্ট টেবিলের নাম তালিকাভুক্ত করা হয়েছে।

নমুনা ডেটা

শহর, দেশ টেবিলের নাম
বুয়েনস আইরেস, আর্জেন্টিনা places_insights___ar___sample. FUNCTION_NAME
সিডনি, অস্ট্রেলিয়া places_insights___au___sample. FUNCTION_NAME
ব্যাড গ্যাস্টেইন, অস্ট্রিয়া places_insights___at___sample. FUNCTION_NAME
রিফা, বাহরাইন places_insights___bh___sample. FUNCTION_NAME
ব্রাসেলস, বেলজিয়াম places_insights___be___sample. FUNCTION_NAME
সাও পাওলো, ব্রাজিল places_insights___br___sample. FUNCTION_NAME
প্লোভদিভ, বুলগেরিয়া places_insights___bg___sample. FUNCTION_NAME
টরন্টো, কানাডা places_insights___ca___sample. FUNCTION_NAME
সান্তিয়াগো, চিলি places_insights___cl___sample. FUNCTION_NAME
মেডেলিন, কলম্বিয়া places_insights___co___sample. FUNCTION_NAME
ব্রনো, চেক প্রজাতন্ত্র places_insights___cz___sample. FUNCTION_NAME
কোপেনহেগেন, ডেনমার্ক places_insights___dk___sample. FUNCTION_NAME
কায়রো, মিশর places_insights___eg___sample. FUNCTION_NAME
হেলসিঙ্কি, ফিনল্যান্ড places_insights___fi___sample. FUNCTION_NAME
প্যারিস, ফ্রান্স places_insights___fr___sample. FUNCTION_NAME
বার্লিন, জার্মানি places_insights___de___sample. FUNCTION_NAME
অ্যাথেন্স, গ্রীস places_insights___gr___sample. FUNCTION_NAME
হংকং, হংকং places_insights___hk___sample. FUNCTION_NAME
ডেব্রেসেন, হাঙ্গেরি places_insights___hu___sample. FUNCTION_NAME
মুম্বাই, ভারত places_insights___in___sample. FUNCTION_NAME
জাকার্তা, ইন্দোনেশিয়া places_insights___id___sample. FUNCTION_NAME
কর্ক, আয়ারল্যান্ড places_insights___ie___sample. FUNCTION_NAME
তেল আবিব-ইয়াফো, ইসরায়েল places_insights___il___sample. FUNCTION_NAME
রোম, ইতালি places_insights___it___sample. FUNCTION_NAME
টোকিও, জাপান places_insights___jp___sample. FUNCTION_NAME
বুসান, দক্ষিণ কোরিয়া places_insights___kr___sample. FUNCTION_NAME
কুয়ালালামপুর, মালয়েশিয়া places_insights___my___sample. FUNCTION_NAME
মেক্সিকো সিটি, মেক্সিকো places_insights___mx___sample. FUNCTION_NAME
আমস্টারডাম, নেদারল্যান্ডস places_insights___nl___sample. FUNCTION_NAME
ওয়েলিংটন, নিউজিল্যান্ড places_insights___nz___sample. FUNCTION_NAME
অসলো, নরওয়ে places_insights___no___sample. FUNCTION_NAME
আরেকিউপা, পেরু places_insights___pe___sample. FUNCTION_NAME
ম্যানিলা, ফিলিপাইন places_insights___ph___sample. FUNCTION_NAME
ওয়ারশ, পোল্যান্ড places_insights___pl___sample. FUNCTION_NAME
লিসবন, পর্তুগাল places_insights___pt___sample. FUNCTION_NAME
লুসাইল, কাতার places_insights___qa___sample. FUNCTION_NAME
বুখারেস্ট, রোমানিয়া places_insights___ro___sample. FUNCTION_NAME
জেদ্দা, সৌদি আরব places_insights___sa___sample. FUNCTION_NAME
সিঙ্গাপুর, সিঙ্গাপুর places_insights___sg___sample. FUNCTION_NAME
জোহানেসবার্গ, দক্ষিণ আফ্রিকা places_insights___za___sample. FUNCTION_NAME
মাদ্রিদ, স্পেন places_insights___es___sample. FUNCTION_NAME
স্টকহোম, সুইডেন places_insights___se___sample. FUNCTION_NAME
জুরিখ, সুইজারল্যান্ড places_insights___ch___sample. FUNCTION_NAME
তাইপেই, তাইওয়ান places_insights___tw___sample. FUNCTION_NAME
চিয়াং মাই, থাইল্যান্ড places_insights___th___sample. FUNCTION_NAME
আঙ্কারা, তুরস্ক places_insights___tr___sample. FUNCTION_NAME
শারজাহ, সংযুক্ত আরব আমিরাত places_insights___ae___sample. FUNCTION_NAME
লন্ডন, যুক্তরাজ্য places_insights___gb___sample. FUNCTION_NAME
নিউ ইয়র্ক সিটি, মার্কিন যুক্তরাষ্ট্র places_insights___us___sample. FUNCTION_NAME
হ্যানয়, ভিয়েতনাম places_insights___vn___sample. FUNCTION_NAME

সম্পূর্ণ ডেটা

দেশ টেবিলের নাম
আর্জেন্টিনা places_insights___ar. FUNCTION_NAME
অস্ট্রেলিয়া places_insights___au. FUNCTION_NAME
অস্ট্রিয়া places_insights___at. FUNCTION_NAME
বাহরাইন places_insights___bh. FUNCTION_NAME
বেলজিয়াম places_insights___be. FUNCTION_NAME
ব্রাজিল places_insights___br. FUNCTION_NAME
বুলগেরিয়া places_insights___bg. FUNCTION_NAME
কানাডা places_insights___ca. FUNCTION_NAME
চিলি places_insights___cl. FUNCTION_NAME
কলম্বিয়া places_insights___co. FUNCTION_NAME
চেকিয়া places_insights___cz. FUNCTION_NAME
ডেনমার্ক places_insights___dk. FUNCTION_NAME
মিশর places_insights___eg. FUNCTION_NAME
ফিনল্যান্ড places_insights___fi. FUNCTION_NAME
ফ্রান্স places_insights___fr. FUNCTION_NAME
জার্মানি places_insights___de. FUNCTION_NAME
গ্রীস places_insights___gr. FUNCTION_NAME
হংকং places_insights___hk. FUNCTION_NAME
হাঙ্গেরি places_insights___hu. FUNCTION_NAME
ভারত places_insights___in. FUNCTION_NAME
ইন্দোনেশিয়া places_insights___id. FUNCTION_NAME
আয়ারল্যান্ড places_insights___ie. FUNCTION_NAME
ইসরায়েল places_insights___il. FUNCTION_NAME
ইতালি places_insights___it. FUNCTION_NAME
জাপান places_insights___jp. FUNCTION_NAME
মালয়েশিয়া places_insights___my. FUNCTION_NAME
মেক্সিকো places_insights___mx. FUNCTION_NAME
নেদারল্যান্ডস places_insights___nl. FUNCTION_NAME
নিউজিল্যান্ড places_insights___nz. FUNCTION_NAME
নরওয়ে places_insights___no. FUNCTION_NAME
পেরু places_insights___pe. FUNCTION_NAME
ফিলিপাইন places_insights___ph. FUNCTION_NAME
পোল্যান্ড places_insights___pl. FUNCTION_NAME
পর্তুগাল places_insights___pt. FUNCTION_NAME
কাতার places_insights___qa. FUNCTION_NAME
রোমানিয়া places_insights___ro. FUNCTION_NAME
সৌদি আরব places_insights___sa. FUNCTION_NAME
সিঙ্গাপুর places_insights___sg. FUNCTION_NAME
দক্ষিণ আফ্রিকা places_insights___za. FUNCTION_NAME
দক্ষিণ কোরিয়া places_insights___kr. FUNCTION_NAME
স্পেন places_insights___es. FUNCTION_NAME
সুইডেন places_insights___se. FUNCTION_NAME
সুইজারল্যান্ড places_insights___ch. FUNCTION_NAME
তাইওয়ান places_insights___tw. FUNCTION_NAME
থাইল্যান্ড places_insights___th. FUNCTION_NAME
তুরস্ক places_insights___tr. FUNCTION_NAME
সংযুক্ত আরব আমিরাত places_insights___ae. FUNCTION_NAME
যুক্তরাজ্য places_insights___gb. FUNCTION_NAME
মার্কিন যুক্তরাষ্ট্র places_insights___us. FUNCTION_NAME
ভিয়েতনাম places_insights___vn. FUNCTION_NAME