Google Cloud BigQuery Reseñas y Detalles del Producto

Utilizo BigQuery regularmente para almacenar y analizar grandes conjuntos de datos. Una cosa que realmente me gusta es que es completamente sin servidor, no necesitamos preocuparnos por gestionar la infraestructura, los servidores o el escalado, incluso cuando el conjunto de datos se vuelve muy grande, BigQuery maneja el rendimiento muy bien. Otra gran ventaja es la velocidad de las consultas SQL, incluso las consultas analíticas complejas sobre millones de registros se ejecutan muy rápido, para la ingeniería de datos que trabaja con grandes flujos de datos, esto ahorra mucho tiempo. La integración con otros servicios de Google Cloud también es muy fluida, a menudo cargamos datos desde el almacenamiento en la nube o procesamos flujos de datos y almacenamos el resultado directamente en tablas de BigQuery, lo que facilita la construcción de un flujo de trabajo de datos de extremo a extremo. También me gusta la interfaz de la consola de BigQuery. Uso GCP y BigQuery diariamente. Reseña recopilada por y alojada en G2.com.

el único problema es la gestión de costos, ya que los precios se basan en la cantidad de datos procesados en las consultas, las consultas ineficientes a veces pueden aumentar el costo, los ingenieros de datos necesitan optimizar las consultas y usar la partición o el agrupamiento adecuadamente, pero en general es una gran herramienta para nosotros. Reseña recopilada por y alojada en G2.com.

La arquitectura sin servidor de BigQuery y el rendimiento de consultas SQL ultrarrápido en conjuntos de datos masivos es excepcional. La integración perfecta con las herramientas de Google Cloud Platform y el escalado automático hacen que el análisis de datos sea sencillo sin necesidad de gestionar la infraestructura. Las capacidades de aprendizaje automático integradas y el análisis en tiempo real han transformado significativamente nuestros flujos de trabajo de datos. Reseña recopilada por y alojada en G2.com.

El modelo de precios puede volverse caro para consultas a gran escala sin una optimización adecuada y un monitoreo de costos. La curva de aprendizaje para características avanzadas y técnicas de optimización de consultas requiere una inversión de tiempo. El soporte limitado para ciertos tipos de datos y la complejidad ocasional en la depuración de consultas anidadas podrían mejorarse para una mejor experiencia del desarrollador. Reseña recopilada por y alojada en G2.com.

Lo que más me gusta de BigQuery es su capacidad para manejar conjuntos de datos masivos con una velocidad increíble, sin preocuparme por la infraestructura. Su arquitectura sin servidor y totalmente gestionada me permite centrarme en el análisis y la obtención de insights, y su integración con otras herramientas de Google Cloud hace que la creación de paneles y flujos de trabajo sea fluida. Reseña recopilada por y alojada en G2.com.

BigQuery es poderoso, pero los costos de las consultas pueden aumentar si los conjuntos de datos son muy grandes y las consultas no están optimizadas. Normalmente, soluciono esto utilizando tablas particionadas y almacenando en caché los resultados. Además, aunque es excelente para análisis, las transformaciones de datos muy complejas a menudo necesitan herramientas ETL adicionales, pero eso es manejable con el enfoque adecuado. Reseña recopilada por y alojada en G2.com.

Me gustan las etiquetas de políticas a nivel de columna y la estructura de Google Cloud BigQuery. Tener conjuntos de datos con tablas y vistas dentro de ellos ofrece una mejor estructura para gestionar mis datos. Esta configuración facilita el uso de los datos y ayuda a diferenciar entre diferentes tipos de datos mientras se mantiene todo organizado. Las etiquetas de políticas son excelentes porque permiten la distribución correcta de datos a las personas adecuadas sin necesidad de crear tablas separadas. Integrar Dataform también es más fácil con este enfoque estructurado. Reseña recopilada por y alojada en G2.com.

Encuentro que el filtrado de filas podría mejorarse para permitir el uso de columnas estructuradas de una tabla de referencia para aplicar el filtrado de filas, lo cual no es posible actualmente y nos obligó a crear soluciones costosas. Hay algunos problemas de rendimiento aquí y allá, y la interfaz de usuario de GCP BigQuery a veces puede ser abrumadora, con demasiadas cosas apareciendo en la pantalla. Usar las bibliotecas de BigQuery, especialmente la API de BigQuery para Java, fue un poco difícil de entender al principio, por lo que quizás una mejor documentación podría ayudar, especialmente en torno a la autorización. Además, la configuración inicial fue difícil de entender al principio sin conocimientos previos. Reseña recopilada por y alojada en G2.com.

Muy fácil de usar e implementar debido a su arquitectura sin servidor. Proporciona muchas características integradas para análisis a gran escala, se integra bien con otros servicios en Google Cloud y es confiable para cargas de trabajo de análisis de datos frecuentes. Reseña recopilada por y alojada en G2.com.

Los costos de las consultas pueden ser difíciles de predecir con un uso frecuente, y algunas integraciones avanzadas u optimizaciones requieren servicios adicionales dentro de Google Cloud. El soporte al cliente y la resolución de problemas también pueden depender del nivel de soporte seleccionado. Reseña recopilada por y alojada en G2.com.

Actualmente estoy usando Azure y GCP cloud para todos mis pipelines de almacenamiento de datos, y BigQuery es la herramienta más utilizada en mi flujo de trabajo. Es una herramienta muy poderosa para pipelines ETL, elimina completamente el dolor de cabeza de escalar la infraestructura y realizar ajustes. Paso la mayor parte del día construyendo pipelines ETL/ELT complejos con nuestro sistema antiguo, y simplemente maneja la escala masiva automáticamente. Estoy ejecutando trabajos de transformación de varios terabytes en minutos que solían tomar horas. Su computación y almacenamiento ayudan a la estabilidad. La integración con toda la plataforma de Google Cloud es la mejor, lo que facilita todo el flujo de trabajo. Reseña recopilada por y alojada en G2.com.

bueno, el problema principal es que pocas personas lo están usando debido a sus problemas de costos, así que tengo que usar otra nube en lugar de GCP. Reseña recopilada por y alojada en G2.com.

lo que más me gusta es la arquitectura sin servidor, potente y confiable. mi trabajo es construir canalizaciones de datos, me permite olvidarme por completo del dimensionamiento de clústeres, escalar para cargas máximas y parchear servidores, simplemente apunto mis herramientas ETL como dbt a BigQuery y el motor de consultas maneja transformaciones de varios terabytes al instante utilizando procesamiento paralelo. la integración con todo el ecosistema de GCP, almacenamiento en la nube para almacenamiento y airflow para orquestación, es perfecta, lo que facilita la construcción de canalizaciones robustas y automatizadas, es un cambio total en la eficiencia. Reseña recopilada por y alojada en G2.com.

la factura puede aumentar dramáticamente, muy rápidamente, tuvimos que dedicar una cantidad significativa de tiempo a establecer la gobernanza interna, cuotas estrictas de usuarios y políticas de particionamiento obligatorias para mantener el presupuesto bajo control. Reseña recopilada por y alojada en G2.com.

BigQuery es simplemente increíble, maneja todos los conjuntos de datos y el flujo de trabajo con tanta facilidad. Trabajo con millones de filas casi todos los días y nunca me hace sentir que estoy esperando. Simplemente escribo mi SQL y se ejecuta sin problemas, sin necesidad de ajustes o problemas de servidor. Otra cosa es la sencilla integración con herramientas como Looker y Tableau, lo que hace que el trabajo con paneles de control sea muy fácil. En general, la velocidad y la configuración sin mantenimiento son las mayores razones por las que disfruto usarlo. Reseña recopilada por y alojada en G2.com.

Al principio, tuve un poco de dificultad para entender la estructura de costos porque todo depende de los datos escaneados, así que si ejecutas un SELECT* descuidado, el costo de la consulta aumenta. Este es el único problema, pero está bien, puedo optimizar mis consultas. Reseña recopilada por y alojada en G2.com.

Los datos en BigQuery se almacenan en tablas estructuradas y, por lo tanto, me ayuda a analizar grandes cantidades de datos muy fácilmente. También podemos usar comandos SQL estándar que permiten un análisis de datos rápido, escalable y eficiente. Es mucho más económico ya que solo necesitas pagar por el servicio que utilizas. Reseña recopilada por y alojada en G2.com.

BigQuery es bueno para manejar grandes cantidades de datos, pero una consulta simple también podría tardar unos segundos en ejecutarse. Reseña recopilada por y alojada en G2.com.

he estado trabajando en GCP durante los últimos 4 años, y es una plataforma en la nube increíble, y BigQuery es muy útil para todo el ETL, la limpieza de datos y el almacenamiento de datos, incluso para el modelado de datos. creo que es extremadamente confiable para manejar el procesamiento de datos a gran escala con casi cero gestión de infraestructura, el almacenamiento columnar y la ejecución distribuida ofrecen un rendimiento muy rápido incluso para consultas analíticas complejas de múltiples etapas. y la integración con pub/sub, GCS y dataflow hace que construir una canalización de extremo a extremo sea mucho más fácil y más eficiente, fue muy fácil de usar al principio e incluso ahora. y es confiable, por eso todavía lo uso diariamente para etl. Reseña recopilada por y alojada en G2.com.

cuando el equipo está explorando datos o usando SELECT * sin filtros, entonces el costo de la consulta puede ser difícil de estimar, y también algunos controles operativos, como la indexación detallada o el ajuste físico, son limitados en comparación con un almacén tradicional, pero en general es lo mejor. Reseña recopilada por y alojada en G2.com.