Revisione e valutazione di Google Bigquery

Google BigQuery, che è gratuito per 10 gigabyte (GB) al mese, è il gigantesco magazzino dati del gigante della ricerca per analisi dei dati, petabyte (PB). È un prodotto SQL a livello aziendale e i Big Data sono nel DNA di Google. Tutti gli strumenti e i servizi dell'azienda ne sono la prova. In breve, se vuoi fare qualcosa con i dati, puoi scommettere che Google ha uno strumento per realizzarlo. Se disponi di enormi set di dati o stai aumentando i tuoi dati fondendoli con set di dati pubblici o commerciali, Google BigQuery potrebbe essere una scelta solida. È progettato per scansionare terabyte (TB) in pochi secondi e PB in minuti. La query più grande finora è di 2.1 PB e Google BigQuery l'ha gestita senza problemi. Nonostante queste funzionalità, l'analisi dei Big Data è impegnativa e, se si lavora con set di dati più piccoli, potrebbe essere eccessivo. Tuttavia, Google BigQuery è una solida scelta che si colloca proprio dietro il database SQL di Microsoft Azure e MongoDB Atlas, le scelte degli editori nella nostra carrellata di recensioni sulle soluzioni DBaaS.

Modello di prezzo

Google BigQuery è un modello di analisi dei dati senza server. La separazione tra archiviazione e elaborazione offre migliori controlli sui prezzi, che tendono ad essere di maggiore interesse per le persone che gestiscono progetti eccezionalmente grandi. Lo spazio di archiviazione ha un prezzo fisso e calcola in base ai tassi di utilizzo. I primi 10 GB di spazio di archiviazione sono gratuiti ogni mese e successivamente i costi partono da 2 centesimi per GB al mese. Ad esempio, se si memorizza 1 terabyte (TB) per un mese, il costo sarebbe di $ 20. Gli inserimenti di dati in streaming iniziano da 1 centesimo per 200 megabyte (MB). Il primo 1 TB di query è gratuito, con un'ulteriore analisi a $ 5 per TB in seguito. Le operazioni con metadati sono gratuite.

Hai anche la possibilità di pagare mentre vai o una tariffa fissa mensile. Alcuni sviluppatori preferiscono la tariffa forfettaria per alleviare l'ansia di bilancio. Poiché l'archiviazione è già a un costo fisso, questa opzione significa anche che il calcolo è anche su un accordo a tariffa mensile fissa. Ma prima di eccitarti troppo per iscriverti a prezzi forfettari, tieni presente che solo gli account con oltre $ 40.000 in analisi mensili spendono qualificarsi per questa opzione.

Il livello gratuito di Google BigQuery fornisce fino a 1 TB di dati analizzati ogni mese e 10 GB di archiviazione dei dati, ma seriamente, se sei ben al di sotto di tale marchio, ci sono altri strumenti più adatti all'attività, come il database SQL di Microsoft Azure, IBM Db2 su Cloud o Google Cloud con Google Analytics 360.

Passo dopo passo

Avrai bisogno di un account Google, quindi creane uno se non ne hai già uno. Ti servirà per registrarti per un account Google Cloud Platform, che richiederà anche una carta di credito per utilizzare la prova gratuita. Ma non preoccuparti perché non verrai aggiornato e fatturato automaticamente alla fine del periodo di prova. Devi effettuare l'upgrade manuale per qualsiasi addebito sulla tua carta di credito.

Dall'interfaccia utente di Google Cloud (UI), vai su BigQuery. L'interfaccia utente di BigQuery è un po 'semplice, ma la sua concisione lo rende anche facile da usare. Google mi dice che sta funzionando su una nuova interfaccia utente ora. Con l'interfaccia utente corrente, se desideri solo esplorare, fai clic su Compose Query e scegli uno dei set di dati pubblici nella pagina di benvenuto. Scrivi una query SQL standard nella casella della query utilizzando l'Editor di query o l'Editor di funzioni definite dall'utente (UDF) e il gioco è fatto.

Le guide di avvio rapido sono utili per il trasferimento di dati o la creazione di un database in Cloud Bigtable, Cloud Spanner, Cloud SQL o Cloud Datastore (database NoSQL). BigQuery utilizza i driver SQL conformi ANSI (American National Standards Institute) nonché i driver Open Database Connectivity (ODBC) e Java Database Connectivity (JDBC) per l'integrazione con i dati di altri prodotti Cloud e altri tipi di applicazioni. Implementazioni SQL uniche progettate per rendere più fluide le query significano che esistono diversi dialetti SQL, che possono creare confusione. Ho notato che mentre l'impostazione predefinita è "Legacy SQL", potrei deselezionare la casella dialettica SQL per ripristinare il vero SQL standard.

Google BigQuery ha anche un motore di importazione in streaming per l'acquisizione e l'analisi dei dati in tempo reale. Utilizzare la scheda Crea set di dati nel menu a discesa Il mio primo progetto per creare un set di dati. Immettere l'ID del set di dati, scegliere la posizione dei dati (Stati Uniti, Unione Europea o Asia-Nord-est) e impostare la scadenza dei dati. Google BigQuery può rilevare automaticamente lo schema. Una volta impostato il set di dati, sei pronto per eseguire query.

La cassetta degli attrezzi

Esistono connettori per la maggior parte degli strumenti di business intelligence (BI). Ma potresti voler utilizzare Data Studio, che è lo strumento di visualizzazione BI di Google ed è gratuito. L'elenco degli strumenti di Google che puoi utilizzare è lungo. Ti consiglio di iniziare con la revisione dell'elenco dei livelli gratuiti di Google Cloud Platform.

Google Cloud Platform ha 15 regioni, 45 zone, oltre 100 punti di presenza e una rete globale ben fornita con oltre 100.000 miglia di cavo in fibra ottica. Ottieni prezzi migliori utilizzando il servizio globale, ma sei libero di specificare le regioni come desideri.

I backup e gli accordi sul livello di servizio (SLA) rientrano negli auspici di Google SQL Cloud. Lo SLA completo è qui. Cloud SQL mantiene sette backup automatici per ogni istanza. I backup di prima generazione (gen) catturano tutto e sono inclusi nei costi dell'istanza (nel modello per utilizzo). Il loro spazio di archiviazione non conta per lo spazio di archiviazione assegnato. I backup di seconda generazione hanno acquisito solo i dati che sono stati modificati e la loro archiviazione viene caricata a una velocità ridotta.

Nel complesso, Google BigQuery è progettato in modo brillante. È più adatto per enormi set di dati e per coloro che sono abili nel lavorare con loro. Se ti piacciono le app di machine learning (ML) o la progettazione di dati di formazione ML, apprezzerai particolarmente questo prodotto. Lo stesso vale per gli sviluppatori che lavorano su app Internet of Things (IoT) o qualsiasi sviluppo che richieda un inserimento flessibile dei dati e un'analisi dei dati di massa.