BigQuery hat in der Welt der Data Warehouses die Spielregeln verändert. Sie verwalten keine Server, Storage und Compute skalieren getrennt, Abfragen im Petabyte-Maßstab werden in Minuten abgeschlossen. Wer klassisches SQL kann, hat für den Einstieg genug.
01. Serverlose Architektur
In BigQuery gibt es keine Serververwaltung. Sie schreiben nur die Abfrage, Datenspeicherung und -verarbeitung sind voneinander getrennt. Das ist der grundlegende Unterschied zu klassischen MPP-Datenbanken.
02. Die Trennung von Storage und Compute
Was Sie für den Storage zahlen, ist gering (20 $/TB/Monat), was Sie für Abfragen zahlen, ist On-Demand. Die beiden Komponenten skalieren unabhängig.
03. SQL und ML
Es arbeitet mit Standard-ANSI-SQL. Mit BigQuery ML können Sie innerhalb von SQL ein ML-Modell trainieren: mit der Anweisung CREATE MODEL ... lineare Regression, K-Means, Deep Learning.
04. Preismodelle
Zwei Zahlungswege:
- On-Demand: 6,25 $/TB pro Abfrage (gescannt)
- Flat-Rate: monatliche Slot-Kapazität (vorhersehbare Kosten)
Große Analytikteams wechseln zur Flat-Rate.
05. Unternehmenseinsatz
BigQuery verbreitet sich in wachsenden E-Commerce- und Finanzunternehmen in der Türkei. Zusammen mit Power BI und Looker Studio kann es die Grundlage der unternehmensweiten Analytikinfrastruktur sein.