BigQuery是谷歌提供的一种基于云的数据分析系统。它让你可以上传数据，然后使用SQL（结构化查询语言）作为查询界面，分析数据。BigQuery让你每个月可以免费查询多达100GB的数据。你只要为自己设立一个谷歌开发者（Google Developer）帐户，就可以创建新项目，并在新项目中启用BigQuery。
查询后就能收到数据
BigQuery提供了一种简单的、易于掌握的浏览器控制台，左边提供了数据集浏览，右边提供了SQL查询。查询结果返回后，就会出现一些选项，让你可以用本地CSV文件来保存结果，或者创建含有结果集内容的新表格。
这里显示的是针对示例github_timeline表格执行的简单查询。来自查询结果的头几行出现在屏幕右下方，另外还有让你可以按页翻阅数据的导航控件。请注意“Save as Table”（以表格格式保存）和“Download as CSV”（以CSV格式下载）这两个选项，它们在Chrome和火狐运行很顺畅。遗憾的是，Internet Explorer中没有“Save as Table”这个选项（我们马上会看到的文件上传选项也没有）。BigQuery中的一切在iPad上的Safari中也能顺畅运行，不过你无法保存或上传本地文件。
全是表格和列
BigQuery数据存储在表格中，就像存储在关系数据库中。反过来，表格存储在数据集中。数据集充当了安全部门，以便与特定用户或整个公众共享。谷歌提供了publicdata:samples数据集，该数据集添加到每一个BigQuery项目中。这让你可以马上检查和查询表格。
在屏幕左边，你可以深入分析数据集，查看数据集含有的表格。选择其中一个表格，表格模式就会出现在控制台的右边。该图显示了github_timeline表格的模式。请注意：屏幕左边的标签以粗体文本显示，旁边附有红条。“Click to preview table data”（点击即可预览表格数据）链接的用途正如其名，但是你也可以编写自己的SQL查询。
观看查询运行情况
想运行查询，输入查询，然后点击“RUN QUERY”（运行查询）按钮，或者就在键盘上按Ctrl-Enter组合键。查询运行时，查询文本区被禁用，查询计时器运行，就在“Query running”（查询运行）标签的旁边。
BigQuery不允许“SELECT *”式样的查询；你而是必须指定所有的列名。虽然你可能会查询庞大数据集，但是希望确保结果集很小。为此，就要充分利用聚合查询（使用聚合函数和GROUP BY）以及/或者查询末尾处的LIMIT n语句，如这里所示（即“LIMIT 200”出现在查询末尾）。
表格使用datasetname.tablename语法来加以确认。如果你引用来自示例数据集的任何表格，就需要在“samples”数据集名称前使用“publicdata:”这个前缀。
#p#
iPad上的BigQuery
BigQuery并非仅仅适用于大型台式机和笔记本电脑。比如说，它在iPad上也可以很顺畅地运行，如图所示。BigQuery对平板电脑的使用也很熟悉：将你的iPad从横向模式旋转成纵向模式，页面显示就会相应调整，为你多显示几行数据。
创建表格
当然，你还可以创建自己的表格。只要将鼠标移到数据集上方，点击出现在名称数据集右边的“+”符号，就可以调出“Create Table”（创建表格）表单，如上图所示。在表单中，你只需要提供表格的编号（名称）、模式（以一系列列名称和数据类型来表示），并指向含有数据的源文件。然后点击OK。
如果该文件的大小不超过10MB，你可以直接从自己电脑的硬盘中选择。如果文件超过了10MB，就要先把它上传到谷歌云存储（Google Cloud Storage），然后提供文件的链接，在URI（统一资源标识符）的开始部分使用“gs://”，如图所示。
BigQuery假设要从CSV（逗号分隔的值）文本文件导入，没有初始行含有列名称。要是你的文件使用非逗号分隔符，或者头一行含有列名称而不是数据，你可以告诉BigQuery你的文件使用什么分隔符以及略过头一行（或头几行）的内容。
这个特定的CSV文件含有美国六个州历史上的婴儿名称数据。该数据来自美国社会保障局的namesbystate.zip数据集合文件，该文件含有全部五十个州的数据，每个州都使用一个单独的文件。不过我用仅仅六个州的数据创建而成的一个文件就有100多万行。
监控任务
你在创建表格时，还可以监控数据装入任务的进度，只要点击屏幕左上方的“Job History”（任务历史）链接。这会调出“Recent Jobs”（近期任务）屏幕，如图所示。尽管链接中提到了“历史”，但是你也可以查看运行中任务。点击一个任务，你就能获得详细信息，如图所示。
本地打开数据
当然，如果你拥有采用CSV格式的数据，没有什么阻止得了你用Excel来打开数据。之后，你可以用Excel自己的文件格式来保存数据，然后开始处理数字。
PowerPivot也能进行“大”查询
谷歌描述BigQuery是一种列存储数据库（column store database），很适合处理OLAP（联机分析处理）查询。微软PowerPivot是Excel 2010的一款免费插件，它同样很符合这个描述，可以从CSV文件同样顺畅地导入。下面是一旦数据进入到PowerPivot后呈现出来的样子。把庞大数据集存储到PowerPivot可以为你带来远高于把同样数据直接存储到电子表格的性能。
PowerPivot一个功能非常强大的方面在于它使用了数据压缩技术。含有六个州婴儿名称的CSV文件其大小超过20MB，而含有PowerPiovt模型以及同样这些数据的Excel工作簿其大小却不到1MB。
不仅仅查询，还直观显示
一旦你的数据在PowerPivot中，就很容易使用PivotTable（数据透视表）、图表或者两者同时使用，在Excel中重新显示数据。我们在此看到的图表对应于PowerPivot模型及婴儿名称数据，它在图表的上面和左边有几个“切片器”（slicer）。
切片器让你可以对数据进行过滤，并自动查看图表更新。我们在此对查询进行了过滤，只显示1995年到2005年在亚利桑那州、加利福尼亚州、科罗拉多州和纽约州的Abigail和Allison这两个姓名的数据。顶部的切片器只含有女孩的姓名，因为我们在左上方的“Gender”（性别）切片器中选择了“F”（女性）。
回到云
这里是BigQuery中的同一结果。没有直观地显示数据；不是只需点击切片器，而是必须认真编写查询中的WHERE语句，才能获得同样的结果。查询次数与PowerPivot的相当。
走PowerPivot这条路带来了诸多优点，可能对许多用户来说更有意义。但是BigQuery基于云，可以从任何联网的计算机或设备来加以访问。
原文链接：
