Avaliações e Detalhes do Produto Google Cloud BigQuery

Eu uso o BigQuery regularmente para armazenar e analisar grandes conjuntos de dados, uma coisa que eu realmente gosto é que ele é completamente sem servidor, não precisamos nos preocupar em gerenciar infraestrutura, servidores ou escalonamento, mesmo quando o conjunto de dados se torna muito grande, o BigQuery lida com o desempenho muito bem. Outra grande vantagem é a velocidade das consultas SQL, mesmo consultas analíticas complexas em milhões de registros são executadas muito rapidamente, para engenharia de dados trabalhando com grandes pipelines de dados isso economiza muito tempo, a integração com outros serviços da nuvem do Google também é muito suave, frequentemente carregamos dados do armazenamento em nuvem ou processamos pipelines de dados e armazenamos o resultado diretamente nas tabelas do BigQuery, isso facilita a construção de um fluxo de trabalho de dados de ponta a ponta. Eu também gosto da interface do console do BigQuery. Eu uso o GCP e o BigQuery diariamente. Análise coletada por e hospedada no G2.com.

o único problema é a gestão de custos, já que o preço é baseado na quantidade de dados processados nas consultas, consultas ineficientes podem às vezes aumentar o custo, engenheiros de dados precisam otimizar consultas e usar particionamento ou clustering adequadamente, mas no geral é uma ótima ferramenta para nós. Análise coletada por e hospedada no G2.com.

A arquitetura sem servidor do BigQuery e o desempenho extremamente rápido de consultas SQL em conjuntos de dados massivos são excepcionais. A integração perfeita com as ferramentas do Google Cloud Platform e o dimensionamento automático tornam a análise de dados sem esforço, sem a necessidade de gerenciar infraestrutura. As capacidades de aprendizado de máquina integradas e a análise em tempo real transformaram significativamente nossos fluxos de trabalho de dados. Análise coletada por e hospedada no G2.com.

O modelo de precificação pode se tornar caro para consultas em larga escala sem a devida otimização e monitoramento de custos. A curva de aprendizado para recursos avançados e técnicas de otimização de consultas requer investimento de tempo. O suporte limitado para certos tipos de dados e a complexidade ocasional na depuração de consultas aninhadas poderiam ser melhorados para uma melhor experiência do desenvolvedor. Análise coletada por e hospedada no G2.com.

O que eu mais gosto no BigQuery é sua capacidade de lidar com conjuntos de dados massivos com uma velocidade incrível, sem se preocupar com a infraestrutura. Sua arquitetura sem servidor e totalmente gerenciada me permite focar na análise e na obtenção de insights, e sua integração com outras ferramentas do Google Cloud torna a construção de painéis e pipelines algo contínuo. Análise coletada por e hospedada no G2.com.

O BigQuery é poderoso, mas os custos de consulta podem aumentar se os conjuntos de dados forem muito grandes e as consultas não forem otimizadas. Eu geralmente contorno isso usando tabelas particionadas e armazenando os resultados em cache. Além disso, embora seja ótimo para análises, transformações de dados muito complexas muitas vezes precisam de ferramentas ETL adicionais—mas isso é gerenciável com a abordagem certa. Análise coletada por e hospedada no G2.com.

Gosto das tags de política no nível da coluna e da estrutura do Google Cloud BigQuery. Ter conjuntos de dados com tabelas e visualizações dentro deles oferece uma melhor estrutura para gerenciar meus dados. Esta configuração torna os dados fáceis de usar e ajuda a diferenciar entre diferentes tipos de dados, mantendo tudo organizado. As tags de política são ótimas porque permitem a distribuição correta dos dados para as pessoas certas sem a necessidade de criar tabelas separadas. Integrar o Dataform também é mais fácil com essa abordagem estruturada. Análise coletada por e hospedada no G2.com.

Acho que o filtro de linhas poderia ser melhorado para permitir o uso de colunas estruturadas de uma tabela de referência para aplicar o filtro de linhas, o que atualmente não é possível e nos obrigou a criar soluções alternativas caras. Existem alguns problemas de desempenho aqui e ali, e a interface do GCP BigQuery pode ser às vezes confusa, com muitas coisas aparecendo na tela. Usar as bibliotecas do BigQuery, especialmente a API do BigQuery para Java, foi um pouco difícil de entender no início, então talvez uma documentação um pouco melhor pudesse ajudar, especialmente em torno da autorização. Além disso, a configuração inicial foi difícil de entender no começo sem conhecimento prévio. Análise coletada por e hospedada no G2.com.

Muito fácil de usar e implementar devido à sua arquitetura serverless. Ele oferece muitos recursos integrados para análises em grande escala, integra-se bem com outros serviços no Google Cloud e é confiável para cargas de trabalho frequentes de análise de dados. Análise coletada por e hospedada no G2.com.

Os custos de consulta podem ser difíceis de prever com uso frequente, e algumas integrações ou otimizações avançadas exigem serviços adicionais dentro do Google Cloud. O suporte ao cliente e a resolução de problemas também podem depender do nível de suporte selecionado. Análise coletada por e hospedada no G2.com.

atualmente estou usando Azure e GCP cloud para todos os meus pipelines de data warehousing, e o BigQuery é a ferramenta mais utilizada no meu fluxo de trabalho. É uma ferramenta poderosa para pipelines ETL, que elimina completamente a dor de cabeça de escalar a infraestrutura e realizar ajustes. Passo a maior parte do dia construindo pipelines ETL/ELT complexos com nosso sistema antigo, e ele simplesmente lida com a escala massiva automaticamente. Estou executando trabalhos de transformação de múltiplos terabytes em minutos, que antes levavam horas. Sua computação e armazenamento ajudam na estabilidade. A integração com toda a plataforma Google Cloud é a melhor, o que torna todo o fluxo de trabalho fácil. Análise coletada por e hospedada no G2.com.

bem, o principal problema é que poucas pessoas estão usando por causa dos problemas de custo, então eu tenho que usar outra nuvem em vez do GCP. Análise coletada por e hospedada no G2.com.

a coisa que mais gosto é a arquitetura serverless poderosa e confiável. meu trabalho é construir pipelines de dados, isso me permite esquecer completamente sobre dimensionamento de clusters, escalonamento para cargas de pico e correção de servidores, eu apenas aponto minhas ferramentas ETL como dbt para o BigQuery e o mecanismo de consulta lida com transformações de múltiplos terabytes instantaneamente usando processamento paralelo. a integração com todo o ecossistema GCP, armazenamento em nuvem para armazenamento e airflow para orquestração é perfeita, tornando fácil construir pipelines robustos e automatizados, é uma mudança total de jogo para a eficiência. Análise coletada por e hospedada no G2.com.

a conta pode aumentar dramaticamente, muito rapidamente, tivemos que gastar uma quantidade significativa de tempo configurando governança interna, cotas de usuário rigorosas e políticas de partição obrigatórias para manter o orçamento sob controle. Análise coletada por e hospedada no G2.com.

O BigQuery é simplesmente incrível, ele lida com todos os conjuntos de dados e fluxos de trabalho tão facilmente. Eu trabalho com milhões de linhas quase todos os dias e nunca me sinto como se estivesse esperando. Eu apenas escrevo meu SQL e ele roda suavemente sem qualquer ajuste ou problemas de servidor. Outra coisa é a integração simples com ferramentas como Looker e Tableau, o que torna o trabalho com dashboards muito fácil. No geral, a velocidade e a configuração sem manutenção são as maiores razões pelas quais eu gosto de usá-lo. Análise coletada por e hospedada no G2.com.

No início, tive um pouco de dificuldade em entender a estrutura de custos porque tudo depende dos dados escaneados, então se você executar um SELECT* descuidado, o custo da consulta aumenta. Este é o único problema, mas tudo bem, eu posso otimizar minhas consultas. Análise coletada por e hospedada no G2.com.

Os dados no BigQuery são armazenados em tabelas estruturadas, o que me ajuda a analisar grandes volumes de dados com muita facilidade. Também podemos usar comandos SQL padrão, permitindo uma análise de dados rápida, escalável e eficiente. É muito econômico, pois você só precisa pagar pelo serviço que utiliza. Análise coletada por e hospedada no G2.com.

O BigQuery é bom para lidar com grandes quantidades de dados, mas uma consulta simples também pode levar alguns segundos para ser executada. Análise coletada por e hospedada no G2.com.

estou trabalhando no GCP há 4 anos, e é uma plataforma de nuvem incrível, e o BigQuery é muito útil para todo o ETL, limpeza de dados e armazenamento de dados, até mesmo para modelagem de dados. Acho que é extremamente confiável para lidar com processamento de dados em grande escala com quase zero gerenciamento de infraestrutura, o armazenamento em colunas e a execução distribuída oferecem um desempenho muito rápido, mesmo para consultas analíticas complexas de múltiplos estágios. E a integração com pub/sub, GCS e dataflow torna a construção de um pipeline de ponta a ponta muito mais fácil e mais simplificada, foi muito fácil de usar no início e ainda é. E é confiável, por isso ainda o uso diariamente para ETL. Análise coletada por e hospedada no G2.com.

quando a equipe está explorando dados ou usando SELECT * sem filtros, o custo da consulta pode ser difícil de estimar, e também alguns controles operacionais, como indexação detalhada ou ajuste físico, são limitados em comparação com o armazém tradicional, mas no geral é o melhor. Análise coletada por e hospedada no G2.com.