Yer sayısı işlevlerini kullanarak veri kümesini sorgulama

Yer Sayısı işlevleri, BigQuery'de çalışan ve veri kümesini doğrudan sorgulamayı tamamlayan önceden tanımlanmış SQL sorgularıdır. Verilere doğrudan sorgu gönderme ile işlev kullanma arasındaki temel fark, işlevlerin minimum sayı eşiği uygulamaması ancak bunun yerine minimum arama alanı uygulamasıdır:

Yer veri kümeleri sorguları yalnızca 5 ve üzeri sayıları döndürebilir ancak arama alanının boyutuyla ilgili herhangi bir sınırlama uygulamaz.
Yer sayısı işlevleri, 0 dahil olmak üzere herhangi bir sayıyı döndürebilir ancak minimum 40,0 metreye 40,0 metre (1.600 m²) arama alanı zorunluluğu vardır. İşlevler, tek tek yerler hakkında bilgi aramak için kullanılabilecek yer kimlikleri de döndürebilir.

Bir sorgu sonuç döndürmediğinde bunu bilmek önemliyse veya 5'ten az yer sayısını bilmeniz gerekiyorsa yer sayısı işlevlerini kullanmak isteyebilirsiniz. Sonuçlarınızı kontrol etmek için tek tek yer bilgileri almanız gerektiğinde de bu araçtan yararlanabilirsiniz.

Yer sayısı işlevleri yalnızca sayı sağlar. Bu nedenle, veri birleştirme gibi daha karmaşık sorgular yapmanız veya bir grup yerin ortalama puanı gibi ek analizler almanız gerekiyorsa veri kümesini doğrudan sorgulayın.

Desteklenen yer sayısı işlevleri ve ülkeler

Places Insights aşağıdaki işlevleri destekler:

PLACES_COUNT_V2: Yer sayılarını ve örnek yer kimliklerini içeren bir tablo döndürür. Bu işlev, çok coğrafyalı giriş için tablo parametresini kabul ederek verimli toplu işlemeyi mümkün kılar. PLACES_COUNT ve PLACES_COUNT_PER_GEO işlevlerine kıyasla mekansal birleştirmeler için son derece optimize edilmiştir.
PLACES_COUNT_PER_TYPE_V2: Yer türüne göre kategorize edilmiş yer sayısı ve örnek yer kimliklerinden oluşan bir tablo döndürür. PLACES_COUNT_V2 işlevine benzer şekilde, bu işlev de birden fazla giriş coğrafyasını aynı anda işlemek için bir tablo parametresi kabul eder. Bu mimari, verimli toplu işlemeyi destekler ve PLACES_COUNT_PER_TYPE ile karşılaştırıldığında optimize edilmiş coğrafi birleştirme sağlar.
PLACES_COUNT_PER_H3: H3 hücresi başına Yer sayılarının bulunduğu bir BigQuery tablosu döndürür.
PLACES_COUNT: Yerlerin sayısını içeren tek bir satır döndürür.
Not: Performansı önemli ölçüde artırmak ve toplu işlemeyi verimli hale getirmek için PLACES_COUNT_V2 kullanın.
PLACES_COUNT_PER_TYPE: Yer türüne göre yer sayısı içeren bir BigQuery tablosu döndürür.
Not: Performansı önemli ölçüde artırmak ve toplu işlemeyi verimli hale getirmek için PLACES_COUNT_PER_TYPE_V2 kullanın.
PLACES_COUNT_PER_GEO: Coğrafi bölgelere göre yer sayılarının bulunduğu bir BigQuery tablosu döndürür.
Not: Performansı önemli ölçüde artırmak ve toplu işlemeyi verimli hale getirmek için PLACES_COUNT_V2 kullanın.

Yer sayılarıyla birlikte, PLACES_COUNT dışındaki tüm işlevler yanıtın öğesi başına en fazla 250 yer kimliği de döndürür.

Yer kimlikleri şu durumlarda kullanılabilir:

Fonksiyonlarla sorgu yazma

İşlevleri çağırmak için şu biçimi kullanın: [project name (optional)].[table name].[function name].

Places Insights'ı ayarlarken bağlı veri kümesi adını değiştirdiyseniz BigQuery'deki referans yer sayısı işlevleri bölümünde listelenen varsayılan tablo adları yerine özel adınızı kullanın. İsteğe bağlı olarak proje adınızı da ekleyebilirsiniz. Biri dahil edilmezse sorgu varsayılan olarak etkin projeye yönlendirilir.

Örneğin:

PROJECT_NAME.places_insights___us.PLACES_COUNT

İşleve bağımsız değişkenler iletmek için JSON_OBJECT kullanın.

Sonuçlarınızı filtreleme

Yer sayısı işlevleri, aramanızı daraltmak için birçok filtreyi destekler. Bu parametreler (örneğin, price_level veya types) büyük/küçük harfe duyarlıdır ve parametre adlarıyla tam olarak eşleşmelidir. Seçeneklerin tam listesi için filtre parametreleri referansına bakın.

Sonraki örnekte, PLACES_COUNT_V2 işlevini kullanarak aramayı minimum kullanıcı puanı, fiyat düzeyi, işletme durumu ve restoranın köpeklere izin verip vermediğine göre sınırlamak için filtreler uyguluyorsunuz.

Öncelikle, giriş coğrafya tablonuzu kullanın veya seçilen coğrafyaları içeren bir tablo hazırlayın:

-- 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
);

Ardından, tablo ve filtreleri içeren JSON nesnesiyle birlikte PLACES_COUNT_V2 işlevini çağırın. Arama yarıçapı, JSON filtrelerine dahil edilir ve my_search_areas tablosundaki her nokta için uygulanır.

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
      )
);

Places Count işlevi örneği

Aşağıdaki örnekte, New York City'deki Empire State Binası ve Times Meydanı'na 1.000 metre mesafede bulunan, hizmet veren restoranların sayısını döndürmek için özel giriş coğrafya tablosu my_search_area ile PLACES_COUNT_V2 işlevi kullanılmaktadır:

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"]
      )
);

Yanıt, geo_id, coğrafya, sayı ve yer kimliklerinin bir örneğini içeren bir BigQuery tablosudur.

New York City'deki Places Count işlevinin sonuçları.

Sonuçları görselleştirme

BigQuery verilerinizdeki analizleri keşfetmenize yardımcı olmak için analiz ve iş zekası araçları çok önemlidir. BigQuery, Places Insights verilerindeki işlevlerinizin sonuçlarını analiz etmek için kullanabileceğiniz çeşitli Google ve üçüncü taraf veri görselleştirme araçlarını destekler.

Bir işlevin sonuçlarını görselleştirme örneği için Sonuçları görselleştirme bölümüne bakın. Yer İşletmeleri Analizleri sonuçlarını görselleştirme hakkında daha fazla bilgi ve örnek için Sorgu sonuçlarını görselleştirme başlıklı makaleyi inceleyin.

Sınırlamalar ve şartlar

Yer Sayısı işlevleriyle ilgili sınırlamalar ve şartlar aşağıda belirtilmiştir:

Yalnızca COUNT analizleri desteklenir.
Minimum 40,0 metreye 40,0 metre (1.600 m²) arama alanı gereklidir.
Parametre Giriş Boyutu Sınırı: İşlevlere parametre olarak aktarılan JSON nesnesi 1 MB ile sınırlıdır. Bu sınırın etkisi, işlev sürümüne bağlıdır:
V2 işlevleri (PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2) için bu sınır yalnızca filtreler JSON nesnesi için geçerlidir. Coğrafi konumlar tablo parametresi kullanılarak ayrı ayrı sağlandığından bu işlevler, JSON boyutu sınırına ulaşmadan çok daha fazla sayıda giriş coğrafi konumu için ölçeklenebilir.
- PLACES_COUNT_PER_H3, PLACES_COUNT, PLACES_COUNT_PER_TYPE ve PLACES_COUNT_PER_GEO için bu sınır, tüm coğrafya tanımları dahil olmak üzere tüm JSON nesnesi için geçerlidir. Bu durum, tek bir çağrıda işlenebilecek coğrafi konum sayısını sınırlayabilir.
Yer kimliğine, markalara, elektrikli araç şarjı seçeneklerine veya adres bileşenine göre filtreleme desteklenmez.
Yalnızca abone olduğunuz şehirler ve ülkeler için Yer Sayısı işlevlerine erişebilirsiniz. Veri kümesine erişim için Places Insights'ı ayarlama başlıklı makaleyi inceleyin.
Filtre parametreleri (örneğin, geography veya types) büyük/küçük harfe duyarlıdır ve parametre adlarıyla tam olarak eşleşmelidir. Aksi takdirde sorgu başarısız olur.

BigQuery'deki yer sayısı işlevlerine referans verme

Örnek veri kümesindeki tüm şehirler ve tam veri kümesindeki ülkeler, yer sayısı işlevlerini destekler.

Abone olduğunuz şehir ve ülke veri kümelerine karşılık gelen Yer Sayısı işlevlerine erişebilirsiniz. Veri kümesine erişim için Places Insights'ı ayarlama başlıklı makaleyi inceleyin.

Bu tablolarda, kullanılabilen şehirler, ülkeler ve bunlara karşılık gelen tablo adları listelenir.

Örnek veri

Şehir, Ülke	Tablo adları
Buenos Aires, Arjantin	`places_insights___ar___sample.FUNCTION_NAME`
Sidney, Avustralya	`places_insights___au___sample.FUNCTION_NAME`
Bad Gastein, Avusturya	`places_insights___at___sample.FUNCTION_NAME`
Riffa, Bahreyn	`places_insights___bh___sample.FUNCTION_NAME`
Brüksel, Belçika	`places_insights___be___sample.FUNCTION_NAME`
Sao Paulo, Brezilya	`places_insights___br___sample.FUNCTION_NAME`
Filibe, Bulgaristan	`places_insights___bg___sample.FUNCTION_NAME`
Toronto, Kanada	`places_insights___ca___sample.FUNCTION_NAME`
Santiago, Şili	`places_insights___cl___sample.FUNCTION_NAME`
Medellín, Kolombiya	`places_insights___co___sample.FUNCTION_NAME`
Brno, Çekya	`places_insights___cz___sample.FUNCTION_NAME`
Kopenhag, Danimarka	`places_insights___dk___sample.FUNCTION_NAME`
Kahire, Mısır	`places_insights___eg___sample.FUNCTION_NAME`
Helsinki, Finlandiya	`places_insights___fi___sample.FUNCTION_NAME`
Paris, Fransa	`places_insights___fr___sample.FUNCTION_NAME`
Berlin, Almanya	`places_insights___de___sample.FUNCTION_NAME`
Atina, Yunanistan	`places_insights___gr___sample.FUNCTION_NAME`
Hong Kong, Hong Kong	`places_insights___hk___sample.FUNCTION_NAME`
Debrecen, Macaristan	`places_insights___hu___sample.FUNCTION_NAME`
Mumbai, Hindistan	`places_insights___in___sample.FUNCTION_NAME`
Cakarta, Endonezya	`places_insights___id___sample.FUNCTION_NAME`
Cork, İrlanda	`places_insights___ie___sample.FUNCTION_NAME`
Tel Aviv-Yafo, İsrail	`places_insights___il___sample.FUNCTION_NAME`
Roma, İtalya	`places_insights___it___sample.FUNCTION_NAME`
Tokyo, Japonya	`places_insights___jp___sample.FUNCTION_NAME`
Busan, Güney Kore	`places_insights___kr___sample.FUNCTION_NAME`
Kuala Lumpur, Malezya	`places_insights___my___sample.FUNCTION_NAME`
Mexico City, Meksika	`places_insights___mx___sample.FUNCTION_NAME`
Amsterdam, Hollanda	`places_insights___nl___sample.FUNCTION_NAME`
Wellington, Yeni Zelanda	`places_insights___nz___sample.FUNCTION_NAME`
Oslo, Norveç	`places_insights___no___sample.FUNCTION_NAME`
Arequipa, Peru	`places_insights___pe___sample.FUNCTION_NAME`
Manila, Filipinler	`places_insights___ph___sample.FUNCTION_NAME`
Varşova, Polonya	`places_insights___pl___sample.FUNCTION_NAME`
Lizbon, Portekiz	`places_insights___pt___sample.FUNCTION_NAME`
Lusail, Katar	`places_insights___qa___sample.FUNCTION_NAME`
Bükreş, Romanya	`places_insights___ro___sample.FUNCTION_NAME`
Cidde, Suudi Arabistan	`places_insights___sa___sample.FUNCTION_NAME`
Singapur, Singapur	`places_insights___sg___sample.FUNCTION_NAME`
Johannesburg, Güney Afrika	`places_insights___za___sample.FUNCTION_NAME`
Madrid, İspanya	`places_insights___es___sample.FUNCTION_NAME`
Stockholm, İsveç	`places_insights___se___sample.FUNCTION_NAME`
Zürih, İsviçre	`places_insights___ch___sample.FUNCTION_NAME`
Taipei, Tayvan	`places_insights___tw___sample.FUNCTION_NAME`
Chiang Mai, Tayland	`places_insights___th___sample.FUNCTION_NAME`
Ankara, Türkiye	`places_insights___tr___sample.FUNCTION_NAME`
Şarika, Birleşik Arap Emirlikleri	`places_insights___ae___sample.FUNCTION_NAME`
Londra, İngiltere	`places_insights___gb___sample.FUNCTION_NAME`
New York, ABD	`places_insights___us___sample.FUNCTION_NAME`
Hanoi, Vietnam	`places_insights___vn___sample.FUNCTION_NAME`

Tam veriler

Ülke	Tablo adları
Arjantin	`places_insights___ar.FUNCTION_NAME`
Avustralya	`places_insights___au.FUNCTION_NAME`
Avusturya	`places_insights___at.FUNCTION_NAME`
Bahreyn	`places_insights___bh.FUNCTION_NAME`
Belçika	`places_insights___be.FUNCTION_NAME`
Brezilya	`places_insights___br.FUNCTION_NAME`
Bulgaristan	`places_insights___bg.FUNCTION_NAME`
Kanada	`places_insights___ca.FUNCTION_NAME`
Şili	`places_insights___cl.FUNCTION_NAME`
Kolombiya	`places_insights___co.FUNCTION_NAME`
Çekya	`places_insights___cz.FUNCTION_NAME`
Danimarka	`places_insights___dk.FUNCTION_NAME`
Mısır	`places_insights___eg.FUNCTION_NAME`
Finlandiya	`places_insights___fi.FUNCTION_NAME`
Fransa	`places_insights___fr.FUNCTION_NAME`
Almanya	`places_insights___de.FUNCTION_NAME`
Yunanistan	`places_insights___gr.FUNCTION_NAME`
Hong Kong	`places_insights___hk.FUNCTION_NAME`
Macaristan	`places_insights___hu.FUNCTION_NAME`
Hindistan	`places_insights___in.FUNCTION_NAME`
Endonezya	`places_insights___id.FUNCTION_NAME`
İrlanda	`places_insights___ie.FUNCTION_NAME`
İsrail	`places_insights___il.FUNCTION_NAME`
İtalya	`places_insights___it.FUNCTION_NAME`
Japonya	`places_insights___jp.FUNCTION_NAME`
Malezya	`places_insights___my.FUNCTION_NAME`
Meksika	`places_insights___mx.FUNCTION_NAME`
Hollanda	`places_insights___nl.FUNCTION_NAME`
Yeni Zelanda	`places_insights___nz.FUNCTION_NAME`
Norveç	`places_insights___no.FUNCTION_NAME`
Peru	`places_insights___pe.FUNCTION_NAME`
Filipinler	`places_insights___ph.FUNCTION_NAME`
Polonya	`places_insights___pl.FUNCTION_NAME`
Portekiz	`places_insights___pt.FUNCTION_NAME`
Katar	`places_insights___qa.FUNCTION_NAME`
Romanya	`places_insights___ro.FUNCTION_NAME`
Suudi Arabistan	`places_insights___sa.FUNCTION_NAME`
Singapur	`places_insights___sg.FUNCTION_NAME`
Güney Afrika	`places_insights___za.FUNCTION_NAME`
Güney Kore	`places_insights___kr.FUNCTION_NAME`
İspanya	`places_insights___es.FUNCTION_NAME`
İsveç	`places_insights___se.FUNCTION_NAME`
İsviçre	`places_insights___ch.FUNCTION_NAME`
Tayvan	`places_insights___tw.FUNCTION_NAME`
Tayland	`places_insights___th.FUNCTION_NAME`
Türkiye	`places_insights___tr.FUNCTION_NAME`
Birleşik Arap Emirlikleri	`places_insights___ae.FUNCTION_NAME`
Birleşik Krallık	`places_insights___gb.FUNCTION_NAME`
Amerika Birleşik Devletleri	`places_insights___us.FUNCTION_NAME`
Vietnam	`places_insights___vn.FUNCTION_NAME`