BigQuery - 数据集

BigQuery 中的数据集是什么?

数据集是存在于项目中的实体。数据集充当 BigQuery 表以及视图、例程和机器学习模型的容器。

表不能独立于数据集，因此在 BigQuery Studio 中创建新数据源时，必须创建数据集。

除了人类可读的名称等属性外，开发人员还需要在授权创建数据集时指定位置。这些位置与 Google 数据中心在世界各地的物理位置相对应。

指定位置时，您需要指定单个区域或多个区域。例如，您不会选择位于芝加哥的数据中心，而是指定"us-central-1"。

将数据集建立为多区域实体，为 BigQuery 提供了额外的优势，即当特定区域没有足够的资源来满足当前需求时，BigQuery 会转移位置。当前的多区域位于美洲(美国)或欧盟(欧洲)。

在 BigQuery 中创建数据集的步骤

要创建数据集，请按照以下步骤操作。首先，导航到您的项目名称并点击三个点，这将触发一个带有"创建数据集" −

单击"创建数据集"后，系统将提示您输入 −

• dataset_id
• 位置类型(区域与多区域)。
• 默认表到期时间(表到期前多少天)。

最终结果是一个数据集，它可作为未来表、视图和物化视图的容器。

"共享"选项允许开发人员管理对数据集的访问控制，以限制未经授权的用户。

BigQuery:公共数据集

如果您是 BigQuery 新手，并且可能不熟悉 SQL，则可能没有生成要存储和操作的数据。这是使用 BigQuery Studio 作为 SQL 沙盒的优势之一。除了无服务器基础架构外，BigQuery 还提供了数 TB 的示例数据，学生和专业人士可以使用这些数据来学习和完善他们的 SQL 技能。

• 通过 Google Cloud 公共数据集计划发布的 BigQuery 公共数据集存储在其自己的通用可访问项目中:bigquery-public-data。
• 根据按 TB 付费的定价模型，开发人员每月最多可以免费查询 1 TB 的数据。
• 与许多库存数据集不同，表中包含的数据是真实的，也就是"混乱的"，有时需要进行重大转换才能产生可​​操作的见解。

BigQuery 还提供了几个独立于其 BigQuery 公共数据集的示例表，可以在 bigquery-public-data:samples 表数据集中找到 −

• gsod
• github_nested
• github_timeline
• natality
• shakespeare
• trigrams
• wikipedia

访问 BigQuery 公共数据集的最显著优势或许在于，数据是从 BBC、Hacker News 和约翰霍普金斯大学等真实数据源中提取的。