Accueil🇫🇷Chercher

BigQuery

BigQuery est un service web RESTful intégré à Google Cloud qui permet l'analyse interactive massive de grands ensembles de données en collaboration avec l'espace de stockage Google. C'est un logiciel en tant que service (SaaS) qui peut être utilisé en complément de MapReduce.

BigQuery
Adresse cloud.google.com/products/bigquery/
Langue Anglais
Propriétaire Google
Lancement
État actuel En activité

BigQuery est également un entrepôt de données d'entreprise de Google, en mode sans serveur, donc sans infrastructure à gérer. Les requêtes peuvent être écrites en SQL legacy ou en SQL standard. Cet outil google permet d'analyser les données situées dans un entrepôt logique. Un entrepôt logique contient des datasets (bases de données). Les datasets contiennent des tables ou des vues. Le service est gratuit jusqu'à 1 To de données analysées par mois et 10 Go de données stockées[1].

Histoire

Après une période de tests en 2010, BigQuery a été rendu globalement disponible en novembre 2011, lors de la conférence Google Atmosphère[2]. En 2014, MapR a présenté le projet Apache Drill, qui vise à résoudre des problèmes similaires[3]. En avril 2016, les utilisateurs européens du service ont subi une interruption de 12 heures[4]. Depuis mai 2016, les Feuilles de calcul Google peuvent utiliser BigQuery[5].

Conception

BigQuery fournit un accès externe à la technologie Dremel[6] - [7], un système évolutif, interactif ad hoc sur le système de requête pour l'analyse de la lecture seule de données imbriquées. Pour utiliser des données dans BigQuery, celles-ci doivent d'abord être téléchargées sur le stockage de Google et ensuite importées à l'aide de l'API HTTP de BigQuery. BigQuery exige que toutes les demandes soient authentifiées via un mécanismes d' authentification OAuth.

Fonctionnalités[1]

  • EntrepĂ´t de donnĂ©es sans serveur.
  • Analyse en temps rĂ©el.
  • Haute disponibilitĂ© automatique.
  • Langage SQL standard.
  • RequĂŞtes fĂ©dĂ©rĂ©es et entreposage de donnĂ©es logique.
  • SĂ©paration du stockage et des calculs.
  • Sauvegarde automatique et restauration facile.
  • Fonctions et types de donnĂ©es gĂ©ospatiaux.
  • Service de transfert de donnĂ©es.
  • IntĂ©gration Ă  un Ă©cosystème de big data.
  • ÉvolutivitĂ© Ă  l'Ă©chelle du pĂ©taoctet.
  • Modèles tarifaires flexibles.
  • Chiffrement des donnĂ©es et sĂ©curitĂ©.
  • LocalitĂ© des donnĂ©es.
  • Base pour l'IA.
  • Base pour la veille stratĂ©gique.
  • Ingestion flexible des donnĂ©es.
  • Gouvernance des donnĂ©es.
  • Interaction automatisĂ©e.
  • Surveillance et journalisation complètes avec Stackdriver.
  • MaĂ®trise des coĂ»ts

Caractéristiques

  • La gestion des donnĂ©es - crĂ©er et supprimer des tables sur la base d'un schĂ©ma codĂ© JSON, importer des donnĂ©es codĂ©es au format CSV ou JSON Ă  partir de l'espace de stockage Google.
  • RequĂŞte - les requĂŞtes sont exprimĂ©es dans la norme du langage SQL[8] et les rĂ©sultats sont retournĂ©s en JSON avec une rĂ©ponse de taille maximume de 128 Mo, ou de taille illimitĂ©e, lorsque le critère "grands rĂ©sultats" est activĂ©[9].
  • IntĂ©gration - BigQuery peut ĂŞtre utilisĂ© Ă  partir de Google Apps Script, les feuilles de calcul Google, ou n'importe quel langage qui peut travailler avec son API REST ou les bibliothèques client[10].
  • ContrĂ´le d'accès - il est possible de partager l'accès aux jeux de donnĂ©es avec une personne, un groupe, ou le monde.

Références

  1. « google cloud platform », sur cloud.google.com
  2. Iain Thomson, « Google opens BigQuery for cloud analytics: Dangles free trial to lure doubters », (consulté le )
  3. Neil McAllister, « Is your data boring? MapR wants you to bore it back with Apache Drill: New release adds support for Google-y SQL-on-Hadoop tech », (consulté le )
  4. Simon Sharwood, « Google Euro-cloud glitch », (consulté le )
  5. Jordan Novet, « Google BigQuery now lets you analyze data from Google Sheets », (consulté le )
  6. Sergey Melnik, Andrey Gubarev, Jing Jing Long, Geoffrey Romer, Shiva Shivakumar, Matt Tolton et Theo Vassilakis, « Dremel: Interactive Analysis of Web-Scale Datasets », Proc. of the 36th International Conference on Very Large Data Bases (VLDB),
  7. Kazunori Sato, « An Inside Look at Google BigQuery », Google, (consulté le )
  8. « SQL Reference » (consulté le )
  9. « Quota Policy » (consulté le )
  10. « BigQuery Client Libraries » (consulté le )

Liens externes

Cet article est issu de wikipedia. Text licence: CC BY-SA 4.0, Des conditions supplémentaires peuvent s’appliquer aux fichiers multimédias.