Googles gennemgang og vurdering af Google

Google BigQuery, som er gratis for 10 gigabyte (GB) pr. Måned, er søgegigantens enorme, petabyte (PB) -skala datalager til analyse. Det er et virksomhedsniveau, SQL-produkt, og Big Data findes i Googles DNA. Alle virksomhedens værktøjer og tjenester er et bevis på det. Kort sagt, hvis du vil gøre noget med data, så kan du satse på at Google har et værktøj til at få det til at ske. Hvis du har massive datasæt, eller du samler dine data ved at blande dem med offentlige eller kommercielle datasæt, kan Google BigQuery være et solidt valg. Det er designet til at scanne terabyte (TB'er) på få sekunder og PB'er på få minutter. Den største forespørgsel til dato er 2, 1 PB'er, og Google BigQuery håndterede den uden problemer. På trods af disse muligheder er Big Data-analyse udfordrende, og hvis du arbejder med mindre datasæt, kan det muligvis være overdreven. Google BigQuery er stadig et solidt valg, der kører lige bag Microsoft Azure SQL-database og MongoDB Atlas, redaktørernes valg i vores DBaaS-løsningsgennemgangsundersøgelse.

Prismodel

Google BigQuery er en serverløs dataanalysemodel. Adskillelsen af ​​opbevaring og beregning giver dig bedre priskontrol, der har en tendens til at være mere interesseret for folk, der kører usædvanligt store projekter. Opbevaring prissættes til faste priser og beregnes efter brugshastigheder. De første 10 GB lagerplads er gratis hver måned, og omkostningerne starter ved 2 cent per GB pr. Måned efter det. Hvis du f.eks. Opbevarer 1 terabyte (TB) i en måned, ville omkostningerne være $ 20. Streaming af dataindlæg begynder med 1 cent pr. 200 megabyte (MB). De første 1 TB forespørgsler er gratis med yderligere analyse til $ 5 pr. TB derefter. Metadatafunktioner er gratis.

Du har også muligheden for at betale undervejs eller et månedligt fast gebyr. Nogle udviklere foretrækker det faste gebyr for lindring af budgetangst. Da opbevaring allerede er til et fast gebyr, betyder denne mulighed bare, at beregning også er på et fast, månedligt gebyrarrangement. Men inden du bliver for ophidset over at tilmelde dig en fast prisfastsættelse, skal du være opmærksom på, at kun konti med $ 40.000 + i månedlige analyserudgifter kvalificerer sig til denne mulighed.

Google BigQuerys gratis niveau giver op til 1 TB data, der analyseres hver måned og 10 GB datalagring, men seriøst, hvis du er godt under dette mærke, er der andre værktøjer, der er bedre egnet til opgaven, såsom Microsoft Azure SQL-database, IBM Db2 på Cloud eller Google Cloud med Google Analytics 360.

Trin for trin

Du har brug for en Google-konto, så indstil en, hvis du ikke allerede har en. Du har brug for det for at registrere dig på en Google Cloud Platform-konto, som også kræver et kreditkort for at bruge den gratis prøveperiode. Men rolig, da du ikke automatisk opgraderes og faktureres ved udgangen af ​​prøveperioden. Du skal opgradere manuelt for at kunne opkræve noget på dit kreditkort.

Fra Google Cloud-brugergrænseflade (UI), gå til BigQuery. BigQuerys brugergrænseflade er en smule almindelig Jane, men dens konklusion gør det også let at bruge. Google fortæller mig, at det arbejder på en ny brugergrænseflade nu. Hvis du bare ønsker at udforske med det nuværende brugergrænseflade, skal du klikke på Compose Query og vælge et af de offentlige datasæt på velkomstsiden. Skriv en standard SQL-forespørgsel i forespørgselsfeltet ved hjælp af enten Query Editor eller Brugerdefineret Funktion (UDF) Editor, og sluk.

Quickstart-guiderne er nyttige til overførsel af data eller spinding af en egen database i Cloud Bigtable, Cloud Spanner, Cloud SQL eller Cloud Datastore (NoSQL-database). BigQuery bruger American National Standards Institute (ANSI) -kompatible SQL såvel som Open Database Connectivity (ODBC) og Java Database Connectivity (JDBC) drivere til at integrere med data i andre Cloud-produkter og yderligere typer applikationer. Unikke SQL-implementeringer designet til at udjævne forespørgsler betyder, at der er flere SQL-dialekter, som kan være forvirrende. Jeg bemærkede, at selvom standardindstillingen er "Legacy SQL", kunne jeg fjerne markeringen i SQL-dialektboksen for at vende tilbage til ægte standard SQL.

Google BigQuery har også en streaming-indtagelsesmotor til realtidsindsamling og analyse af data. Brug fanen Opret datasæt under rullemenuen Mit første projekt til at oprette et datasæt. Indtast datasætt-ID, vælg dataplacering (USA, Den Europæiske Union eller Asien-nordøst), og indstil udløbet af data. Google BigQuery kan automatisk registrere skemaer. Når datasættet er konfigureret, er du klar til at køre forespørgsler.

Værktøjskassen

Der er stik til de fleste BI-værktøjer. Men du vil måske bruge Data Studio, som er Googles BI-visualiseringsværktøj, og det er gratis. Listen over Google-værktøjer, du kan bruge, er lang. Jeg anbefaler, at du starter med at gennemgå listen over gratis Cloud Cloud-platforme.

Google Cloud Platform har 15 regioner, 45 zoner, over 100 nærværspunkter og et veludstyret globalt netværk med 100.000 miles af fiberoptisk kabel. Du får bedre priser ved hjælp af den globale service, men du kan frit angive regioner, som du ønsker.

Sikkerhedskopier og aftaler på serviceniveau (SLA'er) hører under Google SQL Cloud. Den fulde SLA er her. Cloud SQL opbevarer syv automatiserede sikkerhedskopier til hver forekomst. Første generations (gen) sikkerhedskopier fanger alt og er inkluderet i dine instansomkostninger (pr. Brugsmodel). Deres lagerplads tæller ikke med din tildelte lagerplads. Andre gen-sikkerhedskopier fanges kun de data, der er ændret, og deres lager opkræves med en reduceret hastighed.

Generelt er Google BigQuery strålende designet. Det er bedre egnet til enorme datasæt og dem, der er dygtige til at arbejde med dem. Hvis du skal bruge apper til at skrive maskinlæring (ML) eller designe ML-træningsdata, vil du især elske dette produkt. Det samme gælder udviklere, der arbejder med Internet of Things (IoT) -apps eller enhver udvikling, der kræver fleksibel indtagelse af data og massiv dataanalyse.