Places Count फ़ंक्शन का इस्तेमाल करके, डेटासेट से क्वेरी करना

जगहों की संख्या बताने वाले फ़ंक्शन, पहले से तय की गई एसक्यूएल क्वेरी होती हैं. ये BigQuery में चलती हैं और डेटासेट को सीधे क्वेरी करने के लिए इस्तेमाल की जाती हैं. डेटा के बारे में सीधे क्वेरी करने और फ़ंक्शन का इस्तेमाल करने के बीच मुख्य अंतर यह है कि फ़ंक्शन, कम से कम गिनती की थ्रेशोल्ड लागू नहीं करते. इसके बजाय, वे खोज के लिए कम से कम क्षेत्र लागू करते हैं:

  • जगह के डेटासेट की क्वेरी सिर्फ़ 5 या इससे ज़्यादा संख्या दिखा सकती हैं. हालांकि, खोज के दायरे के साइज़ पर कोई पाबंदी नहीं लगाती हैं.
  • जगहों की संख्या बताने वाले फ़ंक्शन, कोई भी संख्या दिखा सकते हैं. इसमें 0 भी शामिल है. हालांकि, ये फ़ंक्शन कम से कम 40.0 मीटर x 40.0 मीटर (1600 मीटर2) के खोज क्षेत्र को लागू करते हैं. फ़ंक्शन, जगह के आईडी भी दिखा सकते हैं. इनका इस्तेमाल, अलग-अलग जगहों के बारे में जानकारी पाने के लिए किया जा सकता है.

अगर यह जानना ज़रूरी है कि किसी क्वेरी के लिए कोई नतीजा कब नहीं मिलता या आपको पांच से कम जगहों की संख्या के बारे में जानना है, तो आपको Places Count फ़ंक्शन का इस्तेमाल करना चाहिए. अगर आपको अपने नतीजों की जांच करने के लिए, किसी जगह की जानकारी चाहिए, तो यह भी काम की है.

जगहों की संख्या बताने वाले फ़ंक्शन सिर्फ़ संख्याएं दिखाते हैं. इसलिए, अगर आपको डेटा जॉइन करने जैसी ज़्यादा जटिल क्वेरी करनी हैं या जगहों के ग्रुप की औसत रेटिंग जैसी अतिरिक्त जानकारी चाहिए, तो डेटासेट को सीधे तौर पर क्वेरी करें.

Places Count फ़ंक्शन और वे देश जहां यह सुविधा उपलब्ध है

जगह की अहम जानकारी देने वाली सुविधा के साथ ये फ़ंक्शन काम करते हैं:

  • PLACES_COUNT_V2: यह फ़ंक्शन, जगहों की संख्या और सैंपल प्लेस आईडी वाली टेबल दिखाता है. यह फ़ंक्शन, एक से ज़्यादा भौगोलिक जगहों के इनपुट के लिए टेबल पैरामीटर स्वीकार करता है. इससे बैच प्रोसेसिंग को बेहतर तरीके से किया जा सकता है. यह PLACES_COUNT और PLACES_COUNT_PER_GEO फ़ंक्शन की तुलना में, जियोस्पेशल जॉइन के लिए ज़्यादा ऑप्टिमाइज़ किया गया है.
  • PLACES_COUNT_PER_TYPE_V2: यह फ़ंक्शन, जगह के टाइप के हिसाब से कैटगरी में बांटी गई जगहों की संख्या और जगह के आईडी का सैंपल दिखाता है. PLACES_COUNT_V2 की तरह, यह फ़ंक्शन भी एक साथ कई इनपुट जियोग्राफ़ी को प्रोसेस करने के लिए, टेबल पैरामीटर स्वीकार करता है. यह आर्किटेक्चर, बैच प्रोसेसिंग को बेहतर तरीके से सपोर्ट करता है. साथ ही, PLACES_COUNT_PER_TYPE की तुलना में, जियोग्राफ़िक डेटा को ऑप्टिमाइज़ तरीके से जोड़ता है.
  • PLACES_COUNT_PER_H3: यह फ़ंक्शन, हर H3 सेल के हिसाब से जगहों की संख्या वाली BigQuery टेबल दिखाता है.
  • PLACES_COUNT: यह फ़ंक्शन, जगहों की संख्या वाली एक पंक्ति दिखाता है.
  • PLACES_COUNT_PER_TYPE: यह फ़ंक्शन, जगह के टाइप के हिसाब से जगहों की संख्या वाली BigQuery टेबल दिखाता है.
  • PLACES_COUNT_PER_GEO: इससे, हर इलाके के हिसाब से जगहों की संख्या वाली BigQuery टेबल मिलती है.

जगह की संख्या के साथ-साथ, PLACES_COUNT को छोड़कर सभी फ़ंक्शन, जवाब के हर एलिमेंट के लिए ज़्यादा से ज़्यादा 250 जगह के आईडी भी दिखाते हैं.

जगह के आईडी का इस्तेमाल इनके साथ किया जा सकता है:

फ़ंक्शन का इस्तेमाल करके क्वेरी लिखना

फ़ंक्शन को कॉल करने के लिए, इस फ़ॉर्मैट का इस्तेमाल करें: [project name (optional)].[table name].[function name].

अगर आपने जगहों की अहम जानकारी सेट अप करते समय, लिंक किए गए डेटासेट का नाम बदल दिया है, तो BigQuery में जगह की गिनती के रेफ़रंस फ़ंक्शन में दिए गए डिफ़ॉल्ट टेबल के नामों के बजाय, अपने कस्टम नाम का इस्तेमाल करें. आपके पास प्रोजेक्ट का नाम शामिल करने का विकल्प भी होता है. अगर इनमें से किसी एक को शामिल नहीं किया जाता है, तो क्वेरी डिफ़ॉल्ट रूप से चालू प्रोजेक्ट पर सेट हो जाएगी.

उदाहरण के लिए:

PROJECT_NAME.places_insights___us.PLACES_COUNT

फ़ंक्शन में आर्ग्युमेंट पास करने के लिए, JSON_OBJECT का इस्तेमाल करें.

अपने परिणाम फ़िल्टर करें

जगहों की संख्या बताने वाले फ़ंक्शन, खोज को बेहतर बनाने के लिए कई फ़िल्टर के साथ काम करते हैं. ये पैरामीटर (उदाहरण के लिए, price_level या types) केस-सेंसिटिव होते हैं और इनके नाम, पैरामीटर के नामों से पूरी तरह मेल खाने चाहिए. फ़िल्टर पैरामीटर के रेफ़रंस में, विकल्पों की पूरी सूची देखें.

अगले उदाहरण में, PLACES_COUNT_V2 फ़ंक्शन का इस्तेमाल करके, खोज के नतीजों को सीमित करने के लिए फ़िल्टर लागू किए गए हैं. ये फ़िल्टर, उपयोगकर्ता की कम से कम रेटिंग, कीमत, कारोबार की स्थिति, और इस बात पर आधारित हैं कि रेस्टोरेंट में कुत्तों को अनुमति है या नहीं.

सबसे पहले, इनपुट के तौर पर इस्तेमाल की गई अपनी देश/इलाके की टेबल का इस्तेमाल करें या चुने गए देशों/इलाकों के हिसाब से एक टेबल तैयार करें:

-- 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
);

इसके बाद, टेबल और फ़िल्टर वाले JSON ऑब्जेक्ट के साथ PLACES_COUNT_V2 को कॉल करें. खोज के दायरे को JSON फ़िल्टर में शामिल किया जाता है. इसे my_search_areas टेबल में मौजूद हर पॉइंट के आस-पास लागू किया जाएगा.

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
      )
);

जगहों की संख्या बताने वाले फ़ंक्शन का उदाहरण

यहां दिए गए उदाहरण में, कस्टम इनपुट ज्याग्रफ़ी टेबल my_search_area के साथ PLACES_COUNT_V2 फ़ंक्शन का इस्तेमाल किया गया है. इससे, न्यूयॉर्क शहर में एंपायर स्टेट बिल्डिंग और टाइम्स स्क्वेयर से 1,000 मीटर के दायरे में मौजूद चालू रेस्टोरेंट की संख्या का पता चलता है:

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"]
      )
);

जवाब में एक BigQuery टेबल होती है. इसमें geo_id, जगह, गिनती, और जगह के आईडी का सैंपल होता है.

न्यूयॉर्क शहर में मौजूद जगहों की संख्या के लिए नतीजे.

यहां दिए गए उदाहरण में, PLACES_COUNT_V2 फ़ंक्शन का इस्तेमाल करके, ब्रैंड आईडी के हिसाब से फ़िल्टर किया गया है. इस उदाहरण में, हम ब्रैंड आईडी "1413758728321880760" का इस्तेमाल करके, Starbucks की जगहों को फ़िल्टर करते हैं.

जिन ब्रैंड के हिसाब से आपको फ़िल्टर करना है उनके ब्रैंड आईडी ढूंढने के लिए, अपने डेटासेट के लिए brands टेबल को क्वेरी करें. उदाहरण के लिए, brands. ब्रैंड के डेटासेट के बारे में ज़्यादा जानने के लिए, ब्रैंड के डेटा का इस्तेमाल करके क्वेरी लिखना लेख पढ़ें.places_insights___us.brands

उदाहरण के लिए, "Starbucks" का ब्रैंड आईडी ढूंढने के लिए:

SELECT id, name
FROM `PROJECT_NAME.places_insights___us.brands`
WHERE name = "Starbucks"

ब्रैंड आईडी पाने के बाद, उन्हें brand_ids फ़िल्टर में इस्तेमाल किया जा सकता है. इसके लिए, यहां दी गई क्वेरी का इस्तेमाल करें:

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'],
      'brand_ids', ["1413758728321880760"]
      )
);

नतीजों को विज़ुअलाइज़ करना

विश्लेषण और बिज़नेस इंटेलिजेंस टूल, आपके BigQuery डेटा से अहम जानकारी पाने में आपकी मदद करने के लिए बहुत ज़रूरी हैं. BigQuery, Google और तीसरे पक्ष के कई डेटा विज़ुअलाइज़ेशन टूल के साथ काम करता है. इनका इस्तेमाल करके, जगहों की अहम जानकारी के डेटा पर अपने फ़ंक्शन के नतीजों का विश्लेषण किया जा सकता है.

किसी फ़ंक्शन के नतीजों को विज़ुअलाइज़ करने के उदाहरण के लिए, नतीजों को विज़ुअलाइज़ करना लेख पढ़ें. जगह के बारे में अहम जानकारी के नतीजों को विज़ुअलाइज़ करने के बारे में ज़्यादा जानकारी और उदाहरण के लिए, क्वेरी के नतीजों को विज़ुअलाइज़ करना लेख पढ़ें.

सीमाएं और ज़रूरी शर्तें

जगहों की संख्या बताने वाले फ़ंक्शन पर ये सीमाएं और ज़रूरी शर्तें लागू होती हैं:

  • सिर्फ़ COUNT से जुड़ी अहम जानकारी उपलब्ध है.
  • खोज के लिए कम से कम 40.0 मीटर x 40.0 मीटर (1600 m2) का क्षेत्र होना चाहिए.
  • पैरामीटर के तौर पर पास किए गए JSON ऑब्जेक्ट के साइज़ की सीमा: फ़ंक्शन में पैरामीटर के तौर पर पास किए गए JSON ऑब्जेक्ट का साइज़ 1 एमबी से ज़्यादा नहीं होना चाहिए. इस सीमा का असर, फ़ंक्शन के वर्शन पर निर्भर करता है:
  • V2 फ़ंक्शन (PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2) के लिए, यह सीमा सिर्फ़ फ़िल्टर JSON ऑब्जेक्ट पर लागू होती है. टेबल पैरामीटर का इस्तेमाल करके, भौगोलिक क्षेत्रों की जानकारी अलग से दी जाती है. इसलिए, ये फ़ंक्शन JSON के साइज़ की सीमा तक पहुंचे बिना, ज़्यादा से ज़्यादा भौगोलिक क्षेत्रों की जानकारी को प्रोसेस कर सकते हैं.
    • PLACES_COUNT_PER_H3, PLACES_COUNT, PLACES_COUNT_PER_TYPE, और PLACES_COUNT_PER_GEO के लिए, यह सीमा पूरे JSON ऑब्जेक्ट पर लागू होती है. इसमें सभी भौगोलिक परिभाषाएं शामिल हैं. इससे, एक कॉल में प्रोसेस की जा सकने वाली जगहों की संख्या सीमित हो सकती है.
  • जगह के आईडी, ईवी चार्ज करने के विकल्पों या पते के कॉम्पोनेंट के हिसाब से फ़िल्टर करने की सुविधा उपलब्ध नहीं है.
  • आपने जिन शहरों और देशों की सदस्यता ली है उनके लिए ही, जगहों की संख्या से जुड़े फ़ंक्शन ऐक्सेस किए जा सकते हैं. डेटासेट ऐक्सेस करने के लिए, जगहों की अहम जानकारी सेट अप करना लेख पढ़ें.
  • फ़िल्टर पैरामीटर (उदाहरण के लिए, geography या types) केस-सेंसिटिव होते हैं. साथ ही, ये पैरामीटर के नामों से पूरी तरह मेल खाने चाहिए. ऐसा न होने पर, क्वेरी काम नहीं करेगी.

BigQuery में Places Count फ़ंक्शन का रेफ़रंस

सैंपल डेटासेट में मौजूद सभी शहरों और देशों के पूरे डेटासेट में, जगहों की संख्या बताने वाले फ़ंक्शन काम करते हैं.

आपके पास उन शहरों और देशों के डेटासेट के लिए, जगहों की संख्या वाले फ़ंक्शन का ऐक्सेस होता है जिनकी आपने सदस्यता ली है. डेटासेट ऐक्सेस करने के लिए, जगह की अहम जानकारी सेट अप करें देखें.

इन टेबल में, उपलब्ध शहरों, देशों, और उनसे जुड़े टेबल के नाम दिए गए हैं.

सैंपल डेटा

शहर, देश टेबल के नाम
बुएनस आयरीज़, अर्जेंटीना places_insights___ar___sample.FUNCTION_NAME
सिडनी, ऑस्ट्रेलिया places_insights___au___sample.FUNCTION_NAME
बैड गैस्टीन, ऑस्ट्रिया places_insights___at___sample.FUNCTION_NAME
रिफ़ा, बहरीन places_insights___bh___sample.FUNCTION_NAME
ब्रसेल्स, बेल्जियम places_insights___be___sample.FUNCTION_NAME
साओ पाओलो, ब्राज़ील places_insights___br___sample.FUNCTION_NAME
प्लोवदिव, बुल्गारिया places_insights___bg___sample.FUNCTION_NAME
टोरंटो, कनाडा places_insights___ca___sample.FUNCTION_NAME
मैं चिली के शहर सैंटियागो में हूँ। places_insights___cl___sample.FUNCTION_NAME
मेडेलिन, कोलंबिया places_insights___co___sample.FUNCTION_NAME
ब्रनो, चेकिया places_insights___cz___sample.FUNCTION_NAME
कोपेनहेगन, डेनमार्क places_insights___dk___sample.FUNCTION_NAME
काहिरा, मिस्र places_insights___eg___sample.FUNCTION_NAME
हेलसिंकी, फ़िनलैंड places_insights___fi___sample.FUNCTION_NAME
पेरिस, फ़्रांस places_insights___fr___sample.FUNCTION_NAME
बर्लिन, जर्मनी places_insights___de___sample.FUNCTION_NAME
एथेंस, यूनान places_insights___gr___sample.FUNCTION_NAME
हॉन्ग कॉन्ग, हॉन्ग कॉन्ग places_insights___hk___sample.FUNCTION_NAME
डेब्रेटसेन, हंगरी places_insights___hu___sample.FUNCTION_NAME
मुंबई, भारत places_insights___in___sample.FUNCTION_NAME
जकार्ता, इंडोनेशिया places_insights___id___sample.FUNCTION_NAME
कॉर्क, आयरलैंड places_insights___ie___sample.FUNCTION_NAME
तेल अवीव-याफ़ा, इज़रायल places_insights___il___sample.FUNCTION_NAME
रोम, इटली places_insights___it___sample.FUNCTION_NAME
टोक्यो, जापान places_insights___jp___sample.FUNCTION_NAME
बुसान, दक्षिण कोरिया places_insights___kr___sample.FUNCTION_NAME
कुआलालंपुर, मलेशिया places_insights___my___sample.FUNCTION_NAME
मेक्सिको सिटी, मेक्सिको places_insights___mx___sample.FUNCTION_NAME
Amsterdam, Netherlands places_insights___nl___sample.FUNCTION_NAME
वेलिंग्टन, न्यूज़ीलैंड places_insights___nz___sample.FUNCTION_NAME
ओस्लो, नॉर्वे places_insights___no___sample.FUNCTION_NAME
आरेक्विपा, पेरू places_insights___pe___sample.FUNCTION_NAME
मनीला, फ़िलीपींस places_insights___ph___sample.FUNCTION_NAME
वारसा, पोलैंड places_insights___pl___sample.FUNCTION_NAME
लिस्बन, पुर्तगाल places_insights___pt___sample.FUNCTION_NAME
लुसैल, कतर places_insights___qa___sample.FUNCTION_NAME
बुखारेस्ट, रोमानिया places_insights___ro___sample.FUNCTION_NAME
जेद्दाह, सऊदी अरब places_insights___sa___sample.FUNCTION_NAME
सिंगापुर, सिंगापुर places_insights___sg___sample.FUNCTION_NAME
जोहानसबर्ग, दक्षिण अफ़्रीका places_insights___za___sample.FUNCTION_NAME
मैड्रिड, स्पेन places_insights___es___sample.FUNCTION_NAME
स्टॉकहोम, स्वीडन places_insights___se___sample.FUNCTION_NAME
ज़्यूरिख, स्विट्ज़रलैंड places_insights___ch___sample.FUNCTION_NAME
ताइपे, ताइवान places_insights___tw___sample.FUNCTION_NAME
चियांग माई, थाईलैंड places_insights___th___sample.FUNCTION_NAME
अंकारा, तुर्किये places_insights___tr___sample.FUNCTION_NAME
शारजाह, संयुक्त अरब अमीरात places_insights___ae___sample.FUNCTION_NAME
लंदन, यूनाइटेड किंगडम places_insights___gb___sample.FUNCTION_NAME
न्यूयॉर्क शहर, अमेरिका places_insights___us___sample.FUNCTION_NAME
हनोई, वियतनाम places_insights___vn___sample.FUNCTION_NAME

पूरा डेटा

देश टेबल के नाम
अर्जेंटीना places_insights___ar.FUNCTION_NAME
ऑस्ट्रेलिया places_insights___au.FUNCTION_NAME
ऑस्ट्रिया places_insights___at.FUNCTION_NAME
बहरीन places_insights___bh.FUNCTION_NAME
बेल्जियम places_insights___be.FUNCTION_NAME
ब्राज़ील places_insights___br.FUNCTION_NAME
बुल्गारिया places_insights___bg.FUNCTION_NAME
कनाडा places_insights___ca.FUNCTION_NAME
चिली places_insights___cl.FUNCTION_NAME
कोलंबिया places_insights___co.FUNCTION_NAME
चेक गणराज्य places_insights___cz.FUNCTION_NAME
डेनमार्क places_insights___dk.FUNCTION_NAME
मिस्र places_insights___eg.FUNCTION_NAME
फ़िनलैंड places_insights___fi.FUNCTION_NAME
फ़्रांस places_insights___fr.FUNCTION_NAME
जर्मनी places_insights___de.FUNCTION_NAME
ग्रीस places_insights___gr.FUNCTION_NAME
हॉन्ग कॉन्ग places_insights___hk.FUNCTION_NAME
हंगरी places_insights___hu.FUNCTION_NAME
भारत places_insights___in.FUNCTION_NAME
इंडोनेशिया places_insights___id.FUNCTION_NAME
आयरलैंड places_insights___ie.FUNCTION_NAME
इज़रायल places_insights___il.FUNCTION_NAME
इटली places_insights___it.FUNCTION_NAME
जापान places_insights___jp.FUNCTION_NAME
मलेशिया places_insights___my.FUNCTION_NAME
मेक्सिको places_insights___mx.FUNCTION_NAME
नीदरलैंड्स places_insights___nl.FUNCTION_NAME
न्यूज़ीलैंड places_insights___nz.FUNCTION_NAME
नॉर्वे places_insights___no.FUNCTION_NAME
पेरू places_insights___pe.FUNCTION_NAME
फ़िलिपींस places_insights___ph.FUNCTION_NAME
पोलैंड places_insights___pl.FUNCTION_NAME
पुर्तगाल places_insights___pt.FUNCTION_NAME
कतर places_insights___qa.FUNCTION_NAME
रोमानिया places_insights___ro.FUNCTION_NAME
सऊदी अरब places_insights___sa.FUNCTION_NAME
सिंगापुर places_insights___sg.FUNCTION_NAME
दक्षिण अफ़्रीका places_insights___za.FUNCTION_NAME
दक्षिण कोरिया places_insights___kr.FUNCTION_NAME
स्पेन places_insights___es.FUNCTION_NAME
स्वीडन places_insights___se.FUNCTION_NAME
स्विट्ज़रलैंड places_insights___ch.FUNCTION_NAME
ताइवान places_insights___tw.FUNCTION_NAME
थाईलैंड places_insights___th.FUNCTION_NAME
तुर्किये places_insights___tr.FUNCTION_NAME
संयुक्त अरब अमीरात places_insights___ae.FUNCTION_NAME
यूनाइटेड किंगडम places_insights___gb.FUNCTION_NAME
अमेरिका places_insights___us.FUNCTION_NAME
वियतनाम places_insights___vn.FUNCTION_NAME