Google BigQuery und seine vergleichende Analyse mit MySQL

Dieser Artikel gibt einen Einblick in BigQuery, erklärt, was es ist und weist auf seine wichtigen Funktionen hin. Anschließend wird BigQuery mit MySQL verglichen und auf die Unterschiede zwischen beiden eingegangen. Der Artikel geht auch auf die Kosten von BigQuery ein und gibt einige Einblicke in die Preisgestaltung. Abschließend gibt es einen Leitfaden mit wichtigen Informationen.

Was ist BigQuery?

Google BigQuery ist ein vollständig verwaltetes, serverloses Data Warehouse innerhalb des Google Cloud-Ökosystems. Es ist auf die Datenverarbeitung in Echtzeit zugeschnitten und zeichnet sich durch die schnelle Analyse großer Datenmengen aus. BigQuery nutzt eine SQL-ähnliche Abfragesprache und ermöglicht es Benutzern, effizient wertvolle Erkenntnisse aus großen Datensätzen zu gewinnen.

Google BigQuery vs. MySQL

 

Merkmale	BigQuery	MySQL
Skalierbarkeit und Leistung	Seine serverlose Architektur erleichtert die Verarbeitung riesiger Datenmengen, die sogar Petabyte erreichen können, ohne dass eine manuelle Infrastrukturbereitstellung erforderlich ist.	MySQL ist eher für kleinere bis mittlere Arbeitslasten geeignet und kann beim Umgang mit extrem großen Datenmengen auf Leistungsprobleme stoßen.
Datenorganisation	Verwendet ein säulenförmiges Speichermodell, das die Effizienz der Datenanalyse mit hohen Komprimierungsraten optimiert.	Nutzt ein zeilenbasiertes Speichermodell, das schnellen Lese- und Schreibzugriff ermöglicht, aber möglicherweise die Leistung für komplexe analytische Abfragen einschränkt.
Datenbankmodell	Fungiert als Data Warehouse.	Funktioniert als relationale Datenbank.
Abfragesprache	Nutzt eine SQL-ähnliche Sprache, BigQuery SQL, die komplexe Abfragen unterstützt und verschachtelte und wiederholte Felder nahtlos verarbeitet.	Verwendet die traditionelle MySQL-Sprache mit ihren Erweiterungen für die relationale Datenbankverwaltung.
Datenverarbeitungsparadigma	Wendet ein Serverless-Computing-Paradigma an, verwaltet automatisch Ressourcen und skaliert die Rechenleistung basierend auf der Arbeitslast.	Erfordert manuelles Ressourcenmanagement, einschließlich Hardwarebereitstellung und Softwareoptimierung.
Erweiterte Analysefunktionen	Bietet erweiterte Analysefunktionen, einschließlich integrierter Algorithmen für maschinelles Lernen, geografische Funktionen und Unterstützung für Geodaten. Es lässt sich nahtlos in andere Google Cloud Platform-Dienste integrieren und erleichtert so die Datenintegration und -analyse.	Kann komplexe Abfragen verarbeiten, erfordert jedoch möglicherweise zusätzliche Plugins oder Erweiterungen für erweiterte Analysen.

Preise in BigQuery

Bei der Preisgestaltung berücksichtigt BigQuery zwei Hauptfaktoren: Speicherung und Analyse.

Google BigQuery-Speicherkosten:

Aktiver Speicher:Der Preis beträgt 0,02 US-Dollar pro GB, wobei die ersten 10 GB jeden Monat kostenlos für häufig abgerufene Daten sind.

Langzeitlagerung:Erhältlich für 0,01 $ pro GB, wobei die ersten 10 GB jeden Monat kostenlos für weniger häufig genutzte Daten sind.

Die Speicherkosten können je nach Standort variieren, wobei in einigen Ländern Südasiens 0,023 US-Dollar pro GB und in den USA/EU 0,02 US-Dollar pro GB anfallen.

Kosten für die BigQuery-Analyse:

On-Demand-Preise (pro TiB):

Den Benutzern wird eine Gebühr basierend auf der Anzahl der von jeder Abfrage verarbeiteten Bytes berechnet. Das erste TiB der pro Monat verarbeiteten Abfragedaten ist kostenlos, was es für sporadische oder geringere Abfrageanforderungen kostengünstig macht.

Kapazitätspreise (pro Slot-Stunde):

Benutzern wird die in Slots (virtuellen CPUs) gemessene Rechenkapazität im Laufe der Zeit in Rechnung gestellt, was eine vorhersehbarere Kostenstruktur für konsistente und höhere Abfragearbeitslasten bietet.

Das Verständnis dieser Nuancen in der Struktur von BigQuery ist entscheidend für die Optimierung der Nutzung, eine effektive Kostenverwaltung und die Nutzung des vollen Potenzials dieser robusten Data Warehouse-Lösung.

Weitere Informationen zu den Preisen finden Sie hier.

Leitfaden für den Einstieg in BigQuery

In diesem Abschnitt führen wir Sie durch den Prozess der Erstellung Ihrer ersten Abfrage in BigQuery, dem robusten und skalierbaren Data Warehouse von Google Cloud.

Gehen Sie zu >https://console.cloud.google.com/

Melden Sie sich mit Ihrem Google-Konto an. Sobald Sie sich angemeldet haben, werden Sie auf diese Seite weitergeleitet.

 

So erstellen Sie ein neues Projekt. Klicken Sie auf das Kästchen oben links.

 

Klicken Sie auf „Neues Projekt“.

 

Geben Sie den Projektnamen ein > klicken Sie auf „Erstellen“.

Es wird eine Benachrichtigung angezeigt, die besagt, dass das Projekt erfolgreich erstellt wurde.

 

Markieren Sie erneut das Kästchen in Schritt 3 und wählen Sie das neu erstellte Projekt aus.

Klicken Sie oben links auf das Navigationsmenü > BigQuery > BigQuery Studio.

 

Erstellen Sie einen Datensatz: Klicken Sie auf das Symbol mit den drei Punkten neben dem Projektnamen.

 

 

Geben Sie die gewünschte Datensatz-ID ein > Klicken Sie auf Datensatz erstellen

 

Erstellen Sie eine Tabelle: Klicken Sie im neu erstellten Datensatz auf „Tabelle erstellen“.

 

Wählen Sie unter „Tabelle erstellen“ die Option „Hochladen“ > Klicken Sie auf „Durchsuchen“ > Wählen Sie die CSV-Datei aus > wählen Sie unter „Projekt“ das neu erstellte Projekt > unter „Tabelle“ > wählen Sie die neu erstellte Tabelle aus > Unter „Tabellentyp“ > Wählen Sie „Native Tabelle“. Aktivieren Sie das Kontrollkästchen „Automatische Erkennung“ unter „Schema“.Hinweis: Wenn Sie „Hochladen“ wählen und das Rechnungskonto noch nicht beglichen ist, darf die hochzuladende Datei 100 MB nicht überschreiten.

 

Wählen Sie in den erweiterten Optionen unter „Feldtrennzeichen“ das Trennzeichen aus, das in der hochzuladenden Datei verwendet wird. In diesem Beispiel wird als Trennzeichen ein Semikolon (;) verwendet. Unter „Anführungszeichen“ wählen wir „Keine“, da die Zeichen in der Beispiel-CSV nicht in doppelte Anführungszeichen gesetzt sind > Klicken Sie auf „Tabelle erstellen“.

 

Eine neue Tabelle wird erstellt.

 

Für die Abfrage benötigen wir die Tabellen-ID. Um die Tabelle zu erhalten, klicken Sie auf das Symbol mit den drei Punkten > klicken Sie auf „ID kopieren“.

 

Klicken Sie auf die Schaltfläche „+“, um eine neue Abfrage hinzuzufügen > geben Sie im Feld „SELECT * FROM“ ein und fügen Sie dann die Tabellen-ID ein > klicken Sie auf „AUSFÜHREN“.

 

Das Abfrageergebnis können Sie unten sehen.

 

Abschluss

Zusammenfassend lässt sich sagen, dass Google BigQuery eine robuste und vielseitige Lösung für Unternehmen ist, die leistungsstarke Datenanalysen suchen. Seine serverlose Architektur, die erweiterten Analysefunktionen und die nahtlose Integration mit der Google Cloud Platform zeichnen es aus. Im Vergleich zu MySQL zeichnet sich BigQuery durch Skalierbarkeit, Leistung und Datenverarbeitungsparadigmen aus. Das Navigieren in der Preisstruktur, die Speicher- und Analysekosten umfasst, ist der Schlüssel zur Optimierung der Nutzung und zur effektiven Kostenverwaltung. Da Unternehmen zunehmend auf datengesteuerte Erkenntnisse angewiesen sind, wird das Verständnis der Funktionen und Preise von BigQuery von entscheidender Bedeutung, um fundierte Entscheidungen zu treffen und das volle Potenzial der Datenanalyse auszuschöpfen.

 

Benötigen Sie einen Microsoft 365-Programmierer?

Wir als exact construct programmieren mit einem Team von rd. 20 Mitarbeitern seit über 10 Jahren Excel-Tools. Wir sind ein Nischenanbieter der spezialisiert auf Makros/VBA-Codes sowie generell Microsoft-Produkte ist. Daneben unterstützen wir auch als 3rd Level Support die IT-Abteilungen rund um Probleme bei MS Office (Excel, Word, PowerPoint, etc.).
Haben Sie ein Excel-Problem? Benötigen Sie einen Programmierer? Rufen Sie uns unverbindlich an +41 52 511 05 25 oder kontaktieren Sie uns via Kontaktformular.