Googles gjennomgang og vurdering

Google BigQuery, som er gratis for 10 gigabyte (GB) per måned, er søkegigantens enorme, petabyte (PB) -skala datavarehus for analyse. Det er et SQL-produkt på bedriftsnivå, og Big Data er i Googles DNA. Alle selskapets verktøy og tjenester er bevis på det. Kort sagt, hvis du vil gjøre noe med data, kan du satse på at Google har et verktøy for å få det til. Hvis du har massive datasett, eller hvis du samler dataene dine ved å blande dem med offentlige eller kommersielle datasett, kan Google BigQuery være et solid valg. Den er designet for å skanne terabyte (TB) på sekunder og PB-er på få minutter. Den største spørringen til dags dato er 2, 1 PB, og Google BigQuery håndterte den uten problemer. Til tross for disse mulighetene er Big Data-analyse utfordrende, og hvis du jobber med mindre datasett, kan det være for mye. Fortsatt er Google BigQuery et solid valg som går rett bak Microsoft Azure SQL-database og MongoDB Atlas, redaktørenes valg velger i vår gjennomgang av DBaaS-løsninger.

Prismodell

Google BigQuery er en serverløs dataanalysemodell. Separasjonen av lagring og beregning gir deg bedre priskontroll, som har en større interesse for folk som driver ekstraordinære store prosjekter. Lagring er priset til faste priser og beregne bruksgraden. De første 10 GB lagringsplassen er gratis hver måned, og kostnadene starter på 2 cent per GB per måned etter det. Hvis du for eksempel lagrer 1 terabyte (TB) i en måned, vil kostnadene være $ 20. Streaming av dataanlegg starter på 1 cent per 200 megabyte (MB). De første 1 TB spørsmålene er gratis, med tilleggsanalyse til $ 5 per TB deretter. Metadataoperasjoner er gratis.

Du har også muligheten til å betale mens du går eller en månedlig flat avgift. Noen utviklere foretrekker det faste gebyret for å lindre angst i budsjettet. Siden lagring allerede er til en fast avgift, betyr dette alternativet bare at beregning også er på en flat, månedlig avgiftsordning. Men før du blir for spent på å registrere deg for en fast pris, må du være oppmerksom på at bare kontoer med $ 40 000 + i månedlig analysekostnad kvalifiserer for dette alternativet.

Google BigQuerys gratis lagringsplass gir opptil 1 TB data analysert hver måned og 10 GB datalagring, men seriøst, hvis du er godt under dette merket, så er det andre verktøy som er bedre egnet til oppgaven, for eksempel Microsoft Azure SQL Database, IBM Db2 på Cloud, eller Google Cloud med Google Analytics 360.

Steg for steg

Du trenger en Google-konto, så sett opp en hvis du ikke allerede har en. Du trenger den for å registrere deg for en Google Cloud Platform-konto, som også vil kreve et kredittkort for å bruke den gratis prøveperioden. Men ikke bekymre deg, for du blir ikke automatisk oppgradert og fakturert på slutten av prøveperioden. Du må oppgradere manuelt for at alt skal belastes kredittkortet ditt.

Fra Google Cloud brukergrensesnitt (UI), gå til BigQuery. BigQuerys brukergrensesnitt er litt-Jane, men dens konklusjon gjør det enkelt å bruke også. Google forteller meg at det jobber med et nytt brukergrensesnitt nå. Hvis du bare vil utforske det gjeldende brukergrensesnittet, klikker du på Skriv spørsmål og velg et av de offentlige datasettene på velkomstsiden. Skriv en standard SQL-spørring i spørringsboksen ved å bruke enten Query Editor eller User-Defined Function (UDF) Editor, og så går du av.

Quickstart-veiledningene er nyttige når du overfører data eller spinner opp en egen database i Cloud Bigtable, Cloud Spanner, Cloud SQL eller Cloud Datastore (NoSQL-database). BigQuery bruker American National Standards Institute (ANSI) -kompatible SQL så vel som Open Database Connectivity (ODBC) og Java Database Connectivity (JDBC) drivere for å integrere med data i andre Cloud-produkter og andre typer applikasjoner. Unike SQL-implementeringer designet for å jevne spørring betyr at det er flere SQL-dialekter, som kan være forvirrende. Jeg la merke til at mens standard er "Legacy SQL", kunne jeg fjerne merket for SQL-dialektboksen for å gå tilbake til ekte standard SQL.

Google BigQuery har også en strømningsinntaksmotor for datainnsamling og analyse i sanntid. Bruk fanen Opprett datasett under rullegardinmenyen Mitt første prosjekt for å lage et datasett. Skriv inn datasett-ID, velg dataposisjonen (USA, Den europeiske union eller Asia-nordøst) og angi utløpet av data. Google BigQuery kan automatisk oppdage skjemaer. Når datasettet er satt opp, er du klar til å kjøre spørsmål.

Verktøykassen

Det er kontakter til de fleste BI-verktøy. Men det kan være lurt å bruke Data Studio, som er Googles BI-visualiseringsverktøy, og det er gratis. Listen over Google-verktøy du kan bruke er lang. Jeg anbefaler at du begynner med å gå gjennom listen over gratis terskler på Google Cloud Platform.

Google Cloud Platform har 15 regioner, 45 soner, over 100 poeng av tilstedeværelse og et godt utstyrt globalt nettverk med 100 000 miles fiberoptisk kabel. Du får bedre priser ved å bruke den globale tjenesten, men du står fritt til å spesifisere regioner slik du ønsker.

Sikkerhetskopiering og avtaler på servicenivå (SLA) er under regi av Google SQL Cloud. Hele SLA er her. Cloud SQL holder syv automatiserte sikkerhetskopier for hver forekomst. Første generasjons (gen) sikkerhetskopiering fanger opp alt og er inkludert i forekomstkostnadene dine (per bruksmodell). Lagringsplassen deres teller ikke med den tildelte lagringsplassen din. Andre gen-sikkerhetskopier fanget bare dataene som har endret seg, og lagring av dem blir belastet med redusert hastighet.

Totalt sett er Google BigQuery strålende designet. Det passer bedre for store datasett og de som er dyktige i å jobbe med dem. Hvis du skal skrive apper for maskinlæring (ML) eller utforme treningsdata for ML, vil du spesielt elske dette produktet. Det samme gjelder utviklere som jobber med Internet of Things (IoT) -apper eller enhver utvikling som krever fleksibel inntak av data og massiv dataanalyse.