menu

BigQuery for Data Warehousing

Fundamental 6 Schritte 6 Stunden 25 Guthabenpunkte

Sie möchten ein Data Warehouse erstellen oder optimieren? Dann sind Best Practices für das Extrahieren, Transformieren und Laden von Daten in Google Cloud mit BigQuery für Sie unabdingbar. In diesen interaktiven Labs erstellen und optimieren Sie Ihr eigenes Data Warehouse mithilfe einer Vielzahl großer öffentlicher BigQuery-Datasets. BigQuery ist eine vollständig verwaltete, automatisierte und kostengünstige Analysedatenbank von Google. Mit dem Tool können Sie mehrere Terabyte an Daten abfragen und müssen dabei weder eine Infrastruktur verwalten noch benötigen Sie einen Datenbankadministrator. BigQuery basiert auf SQL und die Abrechnung erfolgt nach dem "Pay as you go"-Modell. Damit können Sie Daten analysieren und daraus wertvolle Erkenntnisse ziehen.

Voraussetzungen:

It is recommended but not required that students have a familiarity with data and spreadsheets.

Quest Outline

Praxisorientiertes Lab

BigQuery: Qwik Start – Befehlszeile

In diesem Lab erfahren Sie, wie Sie über die Befehlszeile in BigQuery öffentliche Tabellen abfragen und Beispieldaten laden. Sehen Sie sich dazu diese kurzen Videos zu Google BigQuery und BigQuery in Qwiklabs an.

Deutsch English español (Latinoamérica) français Italiano 日本語 Polski português (Brasil) Türkçe
Praxisorientiertes Lab

Mit Joins und Unions ein Data Warehouse erstellen

In diesem Lab wird beschrieben, wie Sie Berichtstabellen mithilfe von SQL-Joins und -Unions erstellen.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

BigQuery: Nach Datum partitionierte Tabellen erstellen

In diesem Lab lernen Sie, wie Sie partitionierte Datasets abfragen und wie Sie selbst Datasets partitionieren, um Abfragen im Hinblick auf Leistung und Kosten effizienter zu machen.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

Probleme beim Zusammenführen von Daten beheben

In diesem Lab analysieren Sie die Beziehungen zwischen Datentabellen und erfahren, wie Sie Probleme bei deren Zusammenführung vermeiden.

Deutsch English español (Latinoamérica) français 日本語 português (Brasil)
Praxisorientiertes Lab

In BigQuery mit JSON, Arrays und STRUCTs arbeiten

In diesem Lab arbeiten Sie mit semistrukturierten Daten (JSON-Daten aufnehmen, Array-Datentypen) in BigQuery. Sie üben, wie Sie verschiedene semistrukturierte Datasets laden und abfragen, Probleme beheben und Verschachtelungen aufheben.

Deutsch English español (Latinoamérica) français 日本語 한국어 português (Brasil)
Praxisorientiertes Lab

Build and Execute MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors

In this lab you will explore existing datasets with Data Catalog and mine the table and column metadata for insights.

English español (Latinoamérica) français 日本語 português (Brasil)

Jetzt anmelden

Melden Sie sich für die Aufgabenreihe an, um zu sehen, wie Sie Schritt für Schritt Ihr Abzeichen erreichen.