Avis et détails du produit Google Cloud BigQuery

L'architecture sans serveur de BigQuery et la performance fulgurante des requêtes SQL sur des ensembles de données massifs sont exceptionnelles. L'intégration transparente avec les outils de Google Cloud Platform et la mise à l'échelle automatique rendent l'analyse de données sans effort sans avoir à gérer l'infrastructure. Les capacités d'apprentissage automatique intégrées et l'analyse en temps réel ont transformé nos flux de travail de données de manière significative. Avis collecté par et hébergé sur G2.com.

Le modèle de tarification peut devenir coûteux pour les requêtes à grande échelle sans optimisation adéquate et suivi des coûts. La courbe d'apprentissage pour les fonctionnalités avancées et les techniques d'optimisation des requêtes nécessite un investissement en temps. Le support limité pour certains types de données et la complexité occasionnelle dans le débogage des requêtes imbriquées pourraient être améliorés pour une meilleure expérience développeur. Avis collecté par et hébergé sur G2.com.

Ce que j'aime le plus à propos de BigQuery, c'est sa capacité à gérer des ensembles de données massifs avec une vitesse incroyable, sans se soucier de l'infrastructure. Son architecture sans serveur et entièrement gérée me permet de me concentrer sur l'analyse et la dérivation d'insights, et son intégration avec d'autres outils Google Cloud rend la création de tableaux de bord et de pipelines fluide. Avis collecté par et hébergé sur G2.com.

BigQuery est puissant, mais les coûts des requêtes peuvent augmenter si les ensembles de données sont très volumineux et que les requêtes ne sont pas optimisées. Je contourne généralement ce problème en utilisant des tables partitionnées et en mettant en cache les résultats. De plus, bien qu'il soit excellent pour l'analyse, les transformations de données très complexes nécessitent souvent des outils ETL supplémentaires, mais cela est gérable avec la bonne approche. Avis collecté par et hébergé sur G2.com.

J'aime les balises de politique au niveau des colonnes et la structure de Google Cloud BigQuery. Avoir des ensembles de données avec des tables et des vues à l'intérieur offre une meilleure structure pour gérer mes données. Cette configuration rend les données faciles à utiliser et aide à différencier les différents types de données tout en gardant tout organisé. Les balises de politique sont excellentes car elles permettent une distribution correcte des données aux bonnes personnes sans avoir besoin de créer des tables séparées. L'intégration de Dataform est également plus facile avec cette approche structurée. Avis collecté par et hébergé sur G2.com.

Je trouve que le filtrage des lignes pourrait être amélioré pour permettre l'utilisation de colonnes structurées à partir d'une table de référence pour appliquer le filtrage des lignes, ce qui n'est pas possible actuellement et nous a obligés à créer des solutions de contournement coûteuses. Il y a quelques problèmes de performance ici et là, et l'interface utilisateur de GCP BigQuery peut parfois être accablante, avec trop de choses qui apparaissent à l'écran. L'utilisation des bibliothèques BigQuery, en particulier l'API BigQuery pour Java, était légèrement difficile à comprendre au début, donc peut-être qu'une meilleure documentation pourrait aider, surtout en ce qui concerne l'autorisation. De plus, la configuration initiale était difficile à comprendre au début sans connaissances préalables. Avis collecté par et hébergé sur G2.com.

Très facile à utiliser et à mettre en œuvre grâce à son architecture sans serveur. Il offre de nombreuses fonctionnalités intégrées pour l'analyse à grande échelle, s'intègre bien avec d'autres services de Google Cloud, et est fiable pour les charges de travail d'analyse de données fréquentes. Avis collecté par et hébergé sur G2.com.

Les coûts des requêtes peuvent être difficiles à prévoir avec une utilisation fréquente, et certaines intégrations ou optimisations avancées nécessitent des services supplémentaires au sein de Google Cloud. Le support client et le dépannage peuvent également dépendre du niveau de support sélectionné. Avis collecté par et hébergé sur G2.com.

actuellement, j'utilise Azure et GCP cloud pour tous mes pipelines d'entreposage de données, et BigQuery est l'outil le plus utilisé dans mon flux de travail. C'est un outil puissant pour les pipelines ETL, il élimine complètement le casse-tête de la mise à l'échelle de l'infrastructure et de l'optimisation des performances. Je passe la plupart de la journée à construire des pipelines ETL/ELT complexes avec notre ancien système, et il gère automatiquement l'échelle massive. Je fais tourner des travaux de transformation multi-téraoctets en quelques minutes alors qu'ils prenaient des heures auparavant. Son calcul et son stockage aident à la stabilité. L'intégration avec l'ensemble de la plateforme Google Cloud est la meilleure, ce qui rend tout le flux de travail facile. Avis collecté par et hébergé sur G2.com.

Eh bien, le principal problème est que peu de gens l'utilisent en raison de ses problèmes de coût, donc je dois utiliser un autre Cloud à la place de GCP. Avis collecté par et hébergé sur G2.com.

ce que j'aime le plus, c'est l'architecture serverless puissante et fiable. mon travail consiste à construire des pipelines de données, cela me permet d'oublier complètement le dimensionnement des clusters, la montée en charge pour les pics de charge, et le patching des serveurs, je pointe simplement mes outils ETL comme dbt vers BigQuery et le moteur de requête gère la transformation multi-téraoctets instantanément en utilisant le traitement parallèle. l'intégration avec tout l'écosystème GCP, le stockage cloud pour le stockage et airflow pour l'orchestration est transparente, ce qui facilite la construction de pipelines robustes et automatisés, c'est un véritable changement de jeu pour l'efficacité. Avis collecté par et hébergé sur G2.com.

la facture peut augmenter de manière spectaculaire, très rapidement, nous avons dû passer un temps considérable à mettre en place une gouvernance interne, des quotas d'utilisateurs stricts et des politiques de partitionnement obligatoires pour garder le budget sous contrôle. Avis collecté par et hébergé sur G2.com.

BigQuery est tout simplement incroyable, il gère tous les ensembles de données et le flux de travail si facilement. Je travaille avec des millions de lignes presque tous les jours et je n'ai jamais l'impression d'attendre. J'écris simplement mon SQL et il s'exécute sans problème, sans aucun réglage ou problème de serveur. Une autre chose est l'intégration simple avec des outils comme Looker et Tableau, cela rend le travail avec les tableaux de bord très facile. Dans l'ensemble, la rapidité et l'absence de maintenance sont les principales raisons pour lesquelles j'aime l'utiliser. Avis collecté par et hébergé sur G2.com.

Au début, j'ai eu un peu de mal à comprendre la structure des coûts car tout dépend des données scannées, donc si vous exécutez un SELECT* imprudent, le coût de votre requête augmente. C'est le seul problème, mais ça va, je peux optimiser mes requêtes. Avis collecté par et hébergé sur G2.com.

Les données dans BigQuery sont stockées dans des tables structurées, ce qui m'aide à analyser facilement de grandes quantités de données. Nous pouvons également utiliser des commandes SQL standard permettant une analyse de données rapide, évolutive et efficace. C'est beaucoup plus économique car vous ne payez que pour le service que vous utilisez. Avis collecté par et hébergé sur G2.com.

BigQuery est bon pour gérer de grandes quantités de données, mais une requête simple peut également prendre quelques secondes à s'exécuter. Avis collecté par et hébergé sur G2.com.

je travaille sur GCP depuis 4 ans, et c'est une plateforme cloud incroyable, et BigQuery est très utile pour tout l'ETL, le nettoyage des données et l'entreposage de données, même pour la modélisation des données. je pense que c'est extrêmement fiable pour gérer le traitement de données à grande échelle avec presque aucune gestion d'infrastructure, le stockage en colonnes et l'exécution distribuée offrent des performances très rapides même pour des requêtes analytiques complexes à plusieurs étapes. et l'intégration avec pub/sub, GCS et dataflow rend la construction de pipelines de bout en bout beaucoup plus facile et plus rationalisée, c'était très facile à utiliser au début et même maintenant. et c'est fiable, c'est pourquoi je l'utilise encore quotidiennement pour l'ETL. Avis collecté par et hébergé sur G2.com.

lorsque l'équipe explore des données ou utilise SELECT * sans filtres, le coût de la requête peut être difficile à estimer, et certains contrôles opérationnels, comme l'indexation fine ou l'optimisation physique, sont limités par rapport à un entrepôt traditionnel, mais dans l'ensemble, c'est le meilleur. Avis collecté par et hébergé sur G2.com.

GCP est mon cloud préféré parmi tous les clouds, car il est très adapté aux opérations de données, et j'ai trouvé BigQuery très utile pour moi, il est rapide pour exécuter des requêtes analytiques lourdes, surtout sur de grandes tables. J'aime qu'il n'y ait pas besoin d'optimisation des performances, il gère la plupart de cela automatiquement. De plus, l'interface utilisateur est très propre, et les intégrations avec GCS rendent le chargement et l'exportation des données très fluides. C'est vraiment bien, et au cours des deux dernières années, je l'ai beaucoup utilisé pour le nettoyage des données. C'est l'un de mes outils préférés dans mon flux de travail. Avis collecté par et hébergé sur G2.com.

la syntaxe SQL est différente de PL/SQL donc j'ai dû ajuster et réécrire certaines fonctions et logiques, et les procédures stockées sont limitées par rapport à PL/SQL donc certaines fonctionnalités auxquelles j'étais habitué ne sont pas disponibles, mais dans l'ensemble c'est bien et facile à utiliser. Avis collecté par et hébergé sur G2.com.