Google Cloud BigQuery Bewertungen & Produktdetails

Die serverlose Architektur von BigQuery und die blitzschnelle SQL-Abfrageleistung bei riesigen Datensätzen sind außergewöhnlich. Die nahtlose Integration mit den Tools der Google Cloud Platform und das automatische Skalieren machen Datenanalysen mühelos, ohne dass eine Infrastruktur verwaltet werden muss. Eingebaute maschinelle Lernfähigkeiten und Echtzeitanalysen haben unsere Daten-Workflows erheblich verändert. Bewertung gesammelt von und auf G2.com gehostet.

Das Preismodell kann ohne ordnungsgemäße Optimierung und Kostenüberwachung bei groß angelegten Abfragen teuer werden. Die Lernkurve für erweiterte Funktionen und Abfrageoptimierungstechniken erfordert einen Zeitaufwand. Die begrenzte Unterstützung für bestimmte Datentypen und die gelegentliche Komplexität beim Debuggen verschachtelter Abfragen könnten für ein besseres Entwicklererlebnis verbessert werden. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an BigQuery am besten gefällt, ist seine Fähigkeit, riesige Datensätze mit unglaublicher Geschwindigkeit zu verarbeiten, ohne sich um die Infrastruktur kümmern zu müssen. Seine serverlose, vollständig verwaltete Architektur ermöglicht es mir, mich auf die Analyse und das Ableiten von Erkenntnissen zu konzentrieren, und seine Integration mit anderen Google Cloud-Tools macht das Erstellen von Dashboards und Pipelines nahtlos. Bewertung gesammelt von und auf G2.com gehostet.

BigQuery ist leistungsstark, aber die Abfragekosten können steigen, wenn die Datensätze sehr groß sind und die Abfragen nicht optimiert sind. Ich umgehe dies normalerweise, indem ich partitionierte Tabellen verwende und Ergebnisse zwischenspeichere. Außerdem, obwohl es großartig für Analysen ist, benötigen sehr komplexe Datenumwandlungen oft zusätzliche ETL-Tools – aber das ist mit dem richtigen Ansatz handhabbar. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag die Richtlinien-Tags auf Spaltenebene und die Struktur von Google Cloud BigQuery. Datensätze mit Tabellen und Ansichten darin bieten eine bessere Struktur zur Verwaltung meiner Daten. Diese Einrichtung macht Daten einfach zu verwenden und hilft, zwischen verschiedenen Datentypen zu unterscheiden, während alles organisiert bleibt. Richtlinien-Tags sind großartig, weil sie die korrekte Datenverteilung an die richtigen Personen ermöglichen, ohne separate Tabellen erstellen zu müssen. Die Integration von Dataform ist mit diesem strukturierten Ansatz ebenfalls einfacher. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde, dass die Zeilenfilterung verbessert werden könnte, um die Verwendung von strukturierten Spalten aus einer Referenztabelle zur Anwendung der Zeilenfilterung zu ermöglichen, was derzeit nicht möglich ist und uns dazu gezwungen hat, teure Workarounds zu erstellen. Es gibt hier und da einige Leistungsprobleme, und die GCP BigQuery-Benutzeroberfläche kann manchmal überwältigend sein, da zu viele Dinge auf dem Bildschirm erscheinen. Die Verwendung von BigQuery-Bibliotheken, insbesondere der BigQuery-API für Java, war anfangs etwas schwer zu verstehen, daher könnte eine bessere Dokumentation helfen, insbesondere im Bereich der Autorisierung. Auch die anfängliche Einrichtung war ohne Vorkenntnisse schwer zu verstehen. Bewertung gesammelt von und auf G2.com gehostet.

Sehr einfach zu verwenden und zu implementieren dank seiner serverlosen Architektur. Es bietet viele integrierte Funktionen für groß angelegte Analysen, integriert sich gut mit anderen Diensten in der Google Cloud und ist zuverlässig für häufige Datenanalyse-Workloads. Bewertung gesammelt von und auf G2.com gehostet.

Abfragekosten können bei häufiger Nutzung schwer vorherzusagen sein, und einige fortgeschrittene Integrationen oder Optimierungen erfordern zusätzliche Dienste innerhalb von Google Cloud. Kundensupport und Fehlerbehebung können ebenfalls von der gewählten Supportstufe abhängen. Bewertung gesammelt von und auf G2.com gehostet.

Derzeit nutze ich Azure und GCP Cloud für alle meine Data-Warehousing-Pipelines, und BigQuery ist das am häufigsten verwendete Tool in meinem Workflow. Es ist ein großartiges, leistungsstarkes Tool für ETL-Pipelines, das den Aufwand für Infrastrukturskalierung und Leistungsoptimierung vollständig beseitigt. Ich verbringe den Großteil des Tages damit, komplexe ETL/ELT-Pipelines mit unserem alten System zu erstellen, und es bewältigt die massive Skalierung automatisch. Ich führe Multi-Terabyte-Transformationsjobs in Minuten aus, die früher Stunden gedauert haben. Seine Rechen- und Speicherfähigkeiten tragen zur Stabilität bei. Die Integration mit der gesamten Google Cloud Platform ist hervorragend, was den gesamten Workflow erleichtert. Bewertung gesammelt von und auf G2.com gehostet.

Nun, das Hauptproblem ist, dass nur wenige Leute es wegen der Kostenprobleme nutzen, also muss ich eine andere Cloud anstelle von GCP verwenden. Bewertung gesammelt von und auf G2.com gehostet.

Das, was ich am meisten mag, ist eine leistungsstarke, zuverlässige serverlose Architektur. Meine Aufgabe ist es, Datenpipelines zu bauen, und sie ermöglicht es mir, die Cluster-Größe, das Hochskalieren bei Spitzenlasten und das Patchen von Servern völlig zu vergessen. Ich richte einfach meine ETL-Tools wie dbt auf BigQuery aus, und die Abfrage-Engine bewältigt die Transformation von mehreren Terabyte sofort mit paralleler Verarbeitung. Die Integration mit dem gesamten GCP-Ökosystem, Cloud Storage für die Speicherung und Airflow für die Orchestrierung, ist nahtlos, was es einfach macht, robuste, automatisierte Pipelines zu erstellen. Es ist ein echter Game-Changer für die Effizienz. Bewertung gesammelt von und auf G2.com gehostet.

Die Rechnung kann dramatisch und sehr schnell ansteigen. Wir mussten viel Zeit darauf verwenden, interne Governance, strikte Benutzerquoten und obligatorische Partitionierungsrichtlinien einzurichten, um das Budget unter Kontrolle zu halten. Bewertung gesammelt von und auf G2.com gehostet.

BigQuery ist einfach erstaunlich, es verarbeitet alle Datensätze und Workflows so mühelos. Ich arbeite fast jeden Tag mit Millionen von Zeilen und es lässt mich nie das Gefühl haben, dass ich warten muss. Ich schreibe einfach mein SQL und es läuft reibungslos ohne jegliche Anpassungen oder Serverprobleme. Ein weiterer Punkt ist die einfache Integration mit Tools wie Looker und Tableau, was die Arbeit mit Dashboards sehr einfach macht. Insgesamt sind die Geschwindigkeit und das wartungsfreie Setup die größten Gründe, warum ich es gerne benutze. Bewertung gesammelt von und auf G2.com gehostet.

Am Anfang hatte ich ein wenig Schwierigkeiten, die Kostenstruktur zu verstehen, da alles von den gescannten Daten abhängt. Wenn man also eine unvorsichtige SELECT*-Abfrage ausführt, steigen die Abfragekosten. Das ist das einzige Problem, aber es ist in Ordnung, ich kann meine Abfragen optimieren. Bewertung gesammelt von und auf G2.com gehostet.

Daten in BigQuery werden in strukturierten Tabellen gespeichert, was mir hilft, große Datenmengen sehr einfach zu analysieren. Wir können auch Standard-SQL-Befehle verwenden, die eine schnelle, skalierbare und effiziente Datenanalyse ermöglichen. Es ist viel wirtschaftlicher, da Sie nur für den Service zahlen müssen, den Sie nutzen. Bewertung gesammelt von und auf G2.com gehostet.

BigQuery ist gut für die Verarbeitung großer Datenmengen geeignet, aber auch eine einfache Abfrage kann ein paar Sekunden dauern. Bewertung gesammelt von und auf G2.com gehostet.

Ich arbeite seit 4 Jahren mit GCP, und es ist eine erstaunliche Cloud-Plattform. BigQuery ist sehr hilfreich für alle ETL-Prozesse, Datenbereinigung und Data Warehousing, sogar für die Datenmodellierung. Ich finde, es ist extrem zuverlässig für die Verarbeitung von Daten im großen Maßstab mit nahezu null Infrastrukturverwaltung. Der spaltenbasierte Speicher und die verteilte Ausführung bieten eine sehr schnelle Leistung, selbst für komplexe, mehrstufige analytische Abfragen. Die Integration mit Pub/Sub, GCS und Dataflow macht den Aufbau von End-to-End-Pipelines viel einfacher und effizienter. Es war von Anfang an sehr einfach zu bedienen und ist es auch jetzt noch. Und es ist zuverlässig, deshalb nutze ich es täglich für ETL. Bewertung gesammelt von und auf G2.com gehostet.

wenn das Team Daten erkundet oder SELECT * ohne Filter verwendet, kann die Abfragekosten schwer zu schätzen sein, und auch einige betriebliche Kontrollen, wie feinkörnige Indizierung oder physisches Tuning, sind im Vergleich zu traditionellen Data Warehouses begrenzt, aber insgesamt ist es das Beste. Bewertung gesammelt von und auf G2.com gehostet.

GCP ist meine Lieblings-Cloud unter allen Clouds, weil sie sehr gut für Datenoperationen geeignet ist, und ich fand BigQuery sehr nützlich für mich. Es ist schnell beim Ausführen von schweren analytischen Abfragen, besonders bei großen Tabellen. Ich mag, dass keine Leistungsoptimierung nötig ist, da es den Großteil davon automatisch übernimmt. Auch die Benutzeroberfläche ist sehr übersichtlich, und die Integration mit GCS macht das Laden und Exportieren von Daten sehr reibungslos. Es ist ziemlich gut, und in den letzten 2 Jahren habe ich es viel für die Datenbereinigung verwendet. Es ist eines meiner Lieblingstools in meinem Arbeitsablauf. Bewertung gesammelt von und auf G2.com gehostet.

Die SQL-Syntax unterscheidet sich von PL/SQL, daher musste ich einige Funktionen und Logiken anpassen und umschreiben. Außerdem sind gespeicherte Prozeduren im Vergleich zu PL/SQL eingeschränkt, sodass einige Funktionen, an die ich gewöhnt war, nicht verfügbar sind. Insgesamt ist es jedoch gut und einfach zu verwenden. Bewertung gesammelt von und auf G2.com gehostet.