Avaliações e Detalhes do Produto Google Cloud BigQuery

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.

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.

O GCP é minha nuvem favorita entre todas as nuvens, porque é muito adequado para operações de dados, e achei o BigQuery muito útil para mim, é rápido para executar consultas analíticas pesadas, especialmente em grandes tabelas. Gosto que não há necessidade de ajuste de desempenho, ele lida com a maior parte disso automaticamente. Além disso, a interface é tão limpa, e as integrações com o GCS tornam o carregamento de dados com exportação muito suave. É muito bom, e nos últimos 2 anos eu o usei muito para limpeza de dados. É uma das minhas ferramentas favoritas no meu fluxo de trabalho. Análise coletada por e hospedada no G2.com.

a sintaxe SQL é diferente de PL/SQL, então tive que ajustar e reescrever algumas funções e lógicas, e os procedimentos armazenados são limitados em comparação com PL/SQL, então alguns recursos que eu estava acostumado não estão disponíveis, mas no geral é bom e fácil de usar. Análise coletada por e hospedada no G2.com.

a melhor coisa que eu gosto é a sua velocidade e a maneira como lida com uma grande quantidade de dados sem qualquer estresse do meu lado, ele simplesmente escala por conta própria, a interface SQL é muito simples para a equipe e podemos construir pipelines ETL complexos diretamente no armazém. eu também gosto de como ele se conecta facilmente com todo o ecossistema do google cloud, transmitindo dados através do pub/sub e dataflow diretamente no bigquery é super suave, e obtemos dashboards quase em tempo real sem qualquer configuração de engenharia extra. Análise coletada por e hospedada no G2.com.

há um pequeno problema que é que tem algumas limitações de SQL, como não suportar todas as funções complexas que você vê em bancos de dados tradicionais, então às vezes fazemos soluções alternativas, mas no geral é bom. Análise coletada por e hospedada no G2.com.

bigquery é incrível, estou usando-o há 3 anos, é muito fácil de usar e poderoso, gosto de sua velocidade e interface simples. A separação de armazenamento e computação, escalabilidade elástica e otimização automática de desempenho o tornam extremamente confiável para cargas de trabalho analíticas em grande escala, a interface SQL nativa é intuitiva, e recursos como armazenamento em colunas, viagem no tempo, clustering e visualização materializada aumentam o desempenho para conjuntos de dados massivos. Eu o integrei com vertex AI, tableau, cloud storage, etc. Análise coletada por e hospedada no G2.com.

não há problemas, tudo o que precisamos é de uma boa experiência prática, sem ela, pode parecer difícil de usar, mas uma vez que nos acostumamos, é a ferramenta mais avançada para armazenamento de dados. Análise coletada por e hospedada no G2.com.

Posso contar muitas coisas boas sobre o BigQuery porque simplesmente gosto dele. Já faz mais de 3 anos desde que comecei a usar o GCP e o BigQuery como minha principal ferramenta de armazenamento de dados para ETL e limpeza de dados. É incrível, ele pode lidar com grandes volumes de dados sem qualquer problema, processa enormes volumes de dados tão rapidamente sem a necessidade de gerenciamento de clusters, e a escalabilidade automática economiza muita dor de cabeça operacional. Também o integrei com o Tableau, o Vertex AI e algumas ferramentas internas de ETL. A integração mantém nosso fluxo de dados suave desde a ingestão até a análise. Análise coletada por e hospedada no G2.com.

O custo é bastante alto, mas tudo bem, quero dizer, ele oferece o melhor serviço ao cliente e desempenho, então é fácil de usar. Pessoalmente, não tenho nenhum problema com ele, é a ferramenta perfeita para mim. Análise coletada por e hospedada no G2.com.

O BigQuery é o melhor para desenvolvimento de modelos, estou usando o GCP junto com o Azure, para fluxos de trabalho de dados e desenvolvimento de modelos, uso principalmente o BigQuery para lidar com dados de características em grande escala e executar pipelines SQL rápidos para treinamento de modelos. Gosto dele porque pode processar grandes conjuntos de dados em segundos, mesmo quando estou fazendo agregações para engenharia de características, ele me economiza muito tempo porque antes eu costumava esperar por longos trabalhos de ETL para terminar, mas agora são executados quase instantaneamente. A integração com o Vertex AI também ajuda em nosso pipeline, exporto conjuntos de dados curados do BigQuery para o Vertex AI para treinar modelos pesados e o processo é suave. Análise coletada por e hospedada no G2.com.

Eu não tenho uma grande reclamação, mas a única área onde sinto que é necessário um pouco de melhoria é na visibilidade dos custos. Às vezes, o custo das consultas aumenta se eu executar consultas exploratórias sem o filtro adequado, mas, no geral, tem sido um grande apoio para acelerar nossos fluxos de trabalho de ML. Análise coletada por e hospedada no G2.com.

bem, a principal coisa que eu gosto é que é Google, seus serviços ao cliente são de primeira qualidade, sempre que enfrentamos algum problema, eles resolvem o mais rápido possível, estou usando o GCP há 4 anos, e cada serviço é incrível, o BigQuery é minha ferramenta de armazenamento de dados favorita porque tem boa velocidade e escalabilidade, eu trabalho com ele diariamente para lidar com grandes conjuntos de dados, e ele me dá o melhor desempenho, seus outros serviços são tão fáceis de usar que posso integrar e implementar meu fluxo de trabalho facilmente... a interface SQL é muito confortável e recursos como particionamento e clustering tornam as consultas mais rápidas com menor custo, eu o integrei com o tableau e armazenamento em nuvem. Análise coletada por e hospedada no G2.com.

pessoalmente, eu simplesmente adoro, não há nada para não gostar, sim, às vezes funciona devagar, mas é aceitável, não tenho reclamações sobre isso. Análise coletada por e hospedada no G2.com.