arrow_back

Introdução ao SQL para BigQuery e Cloud SQL

Introdução ao SQL para BigQuery e Cloud SQL

1 hora 15 minutos Gratuito

GSP281

Laboratórios autoguiados do Google Cloud

Visão geral

O SQL (Structured Query Language) é uma linguagem padrão para operações de dados que permite fazer perguntas e coletar insights de conjuntos de dados estruturados. Geralmente é usado no gerenciamento de banco de dados e permite que você realize tarefas como gravação de registros de transação em bancos de dados relacionais e análise de dados em escala de petabyte.

Este laboratório é uma introdução ao SQL e tem como objetivo preparar você para os diversos laboratórios e Quests do Google Cloud Ensina relacionados à ciência de dados. Ele é dividido em duas partes: na primeira, você vai aprender as principais palavras-chave para consultas SQL e executá-las no console do BigQuery, em um conjunto de dados público com informações sobre o compartilhamento de bicicletas em Londres.

Na segunda parte, você vai aprender a exportar subconjuntos desse conjunto de dados para arquivos CSV e fazer upload no Cloud SQL. Depois você aprender a usar o Cloud SQL para criar e gerenciar bancos de dados e tabelas. Por último, você vai fazer uma atividade prática com outras palavras-chave SQL para manipular e editar dados.

O que você vai aprender

Neste laboratório, você vai aprender a:

  • distinguir bancos de dados de tabelas e projetos;
  • usar as palavras-chave SELECT, FROM e WHERE para criar consultas simples;
  • identificar os diferentes componentes e hierarquias no console do BigQuery;
  • carregar bancos de dados e tabelas no BigQuery;
  • executar consultas simples em tabelas;
  • trabalhar com as palavras-chave COUNT, GROUP BY, AS e ORDER BY;
  • executar e encadear os comandos acima para extrair dados significativos dos conjuntos de dados;
  • exportar um subconjunto de dados para um arquivo CSV e armazenar esse arquivo em um novo bucket do Cloud Storage;
  • criar uma nova instância do Cloud SQL e carregar seu arquivo CSV exportado como uma nova tabela;
  • executar as consultas CREATE DATABASE, CREATE TABLE, DELETE, INSERT INTO e UNION no Cloud SQL.

Pré-requisitos

Importante: antes de começar este laboratório, saia da sua conta pessoal ou corporativa do Gmail.

Este é um laboratório de nível introdutório. Ele é indicado para quem tem pouca ou nenhuma experiência com o SQL. Recomendamos que o participante tenha experiência com o Cloud Storage e o Cloud Shell, mas isso não é obrigatório. Neste laboratório, você vai aprender as noções básicas de leitura e gravação de consultas no SQL. Em seguida, vai aplicá-las usando o BigQuery e o Cloud SQL.

Antes de começar este laboratório, analise sua proficiência em SQL. Veja abaixo alguns laboratórios mais complexos em que você pode aplicar seu conhecimento a casos de uso mais avançados:

Quando estiver pronto, role a tela para baixo e execute as etapas a seguir para configurar seu ambiente de laboratório.

Configuração e requisitos

Antes de clicar no botão Start Lab

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é iniciado quando você clica em Começar o laboratório e mostra por quanto tempo os recursos do Google Cloud ficarão disponíveis.

Este laboratório prático do Qwiklabs permite que você realize as atividades em um ambiente real de nuvem, não em uma simulação ou demonstração. Você receberá novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

O que é necessário

Para fazer este laboratório, você precisa ter:

  • acesso a um navegador de Internet padrão (recomendamos o Chrome);
  • tempo para concluir as atividades.

Observação: não use seu projeto ou sua conta do Google Cloud neste laboratório.

Observação: se estiver usando um dispositivo Chrome OS, abra uma janela anônima para executar o laboratório.

Como iniciar seu laboratório e fazer login no console do Google Cloud

  1. Clique no botão Começar o laboratório. Se for preciso pagar, você verá um pop-up para selecionar a forma de pagamento. No painel Detalhes do laboratório à esquerda, você verá o seguinte:

    • O botão Abrir Console do Cloud
    • Tempo restante
    • As credenciais temporárias que você vai usar neste laboratório
    • Outras informações se forem necessárias
  2. Clique em Abrir Console do Google. O laboratório ativa recursos e depois abre outra guia com a página Fazer login.

    Dica: coloque as guias em janelas separadas lado a lado.

    Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.
  3. Caso seja preciso, copie o Nome de usuário no painel Detalhes do laboratório e cole esse nome na caixa de diálogo Fazer login. Clique em Avançar.

  4. Copie a Senha no painel Detalhes do laboratório e a cole na caixa de diálogo Olá. Clique em Avançar.

    Importante: você precisa usar as credenciais do painel à esquerda. Não use suas credenciais do Google Cloud Ensina. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.
  5. Acesse as próximas páginas:

    • Aceite os Termos e Condições.
    • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
    • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do GCP vai ser aberto nesta guia.

Observação: para ver uma lista dos produtos e serviços do Google Cloud, clique no Menu de navegação no canto superior esquerdo. Ícone do menu de navegação

Tarefa 1: crie uma instância do Cloud SQL

No console, selecione Menu de navegação > SQL.

  1. Clique em CRIAR INSTÂNCIA > Escolha MySQL .

  2. Digite o ID da instância qwiklabs-demo

  3. Digite uma senha segura no campo Senha (e lembre-de dela!).

  4. Selecione a versão do banco de dados MySQL 5.7.

  5. Defina o campo Várias zonas (altamente disponíveis) como

  6. Clique em CRIAR INSTÂNCIA.

Observação: a criação da instância pode levar alguns minutos. Depois disso, você verá uma marca de seleção verde ao lado do nome dela.

Durante esse período, você pode avançar para a próxima seção e aprender as noções básicas de SQL.

Tarefa 2: noções básicas de SQL

Bancos de dados e tabelas

Como mencionado anteriormente, o SQL permite coletar informações de “conjuntos de dados estruturados”, que têm regras e formatação claras e, muitas vezes, são organizados em tabelas ou dados formatados em linhas e colunas.

Um exemplo de dados não estruturados é um arquivo de imagem. Dados não estruturados não são processados no SQL nem podem ser armazenados em conjuntos de dados ou tabelas do BigQuery (pelo menos de forma nativa). Para trabalhar com dados de imagem, por exemplo, você pode usar um serviço como o Cloud Vision, talvez diretamente na API.

Veja a seguir um exemplo de um conjunto de dados estruturado, na forma de uma tabela simples:

User

Price

Shipped

Sean

$35

Yes

Rocky

$50

No

Os itens acima parecerão familiares caso você já tenha usado o Planilhas Google. Como vemos, a tabela tem colunas de título “User”, “Price” e “Shipped” e duas linhas compostas de valores de coluna preenchidos.

Um banco de dados é basicamente um conjunto de uma ou mais tabelas. O SQL é uma ferramenta de gerenciamento de banco de dados estruturados, mas, na maioria das vezes e também neste laboratório, você executará consultas em uma ou mais tabelas unidas, não em bancos de dados inteiros.

SELECT e FROM

A linguagem SQL é fonética por natureza e, antes de executar uma consulta, é sempre útil descobrir qual pergunta você quer fazer aos dados, a menos que você esteja explorando apenas por diversão.

O SQL tem palavras-chave predefinidas que são usadas para traduzir sua pergunta para a sintaxe SQL em pseudoinglês, de forma que o mecanismo do banco de dados retorne a resposta desejada.

As palavras-chave mais importantes são SELECT e FROM:

  • Use SELECT para especificar quais campos você quer extrair do seu conjunto de dados.
  • Use FROM para especificar de quais tabelas você quer extrair os dados.

Veja a seguir um exemplo para entender melhor. Suponha que vamos usar a tabela example_table a seguir, que tem as colunas USER, PRICE e SHIPPED:

Exemplo de tabela

Vamos imaginar que você queira extrair só os dados da coluna USER. É possível fazer isso com a seguinte consulta, que usa SELECT e FROM:

SELECT USER FROM example_table

Se você executar o comando acima, todos os nomes da coluna USER na tabela example_table serão selecionados.

Você também pode selecionar várias colunas com a palavra-chave SQL SELECT. Digamos que você queira extrair os dados encontrados nas colunas USER e SHIPPED. Para fazer isso, modifique a consulta anterior adicionando outro valor de coluna à consulta SELECT. Lembre-se de separar esses valores por vírgula:

SELECT USER, SHIPPED FROM example_table

Essa consulta recupera os dados de USER e SHIPPED da memória:

Exemplo de tabela

Agora que você já conhece as duas palavras-chave SQL mais importantes, as coisas ficarão mais interessantes.

WHERE

A palavra-chave WHERE é outro comando SQL que filtra valores de coluna específicos nas tabelas. Digamos que você queira extrair os nomes dos usuários que já tiveram pacotes enviados da tabela example_table. Você pode complementar a consulta com WHERE, como neste exemplo:

SELECT USER FROM example_table WHERE SHIPPED='YES'

A consulta acima retorna todos os nomes de USERS que tiveram pacotes SHIPPED da memória:

Exemplo de tabela

Agora que você conhece as principais palavras-chave do SQL, aplique o que aprendeu executando consultas desse tipo no console do BigQuery.

Teste seu conhecimento

Responda às perguntas de múltipla escolha a seguir para reforçar sua compreensão dos conceitos abordados até agora. Use tudo o que você aprendeu até aqui.

Tarefa 3: explore o console do BigQuery

O paradigma do BigQuery

O BigQuery é um armazenamento de dados totalmente gerenciado em escala de petabytes executado no Google Cloud. Os analistas e cientistas de dados podem fazer consultas e filtrar grandes conjuntos de dados rapidamente, agregar resultados e realizar operações complexas sem se preocupar com a configuração e o gerenciamento de servidores. É possível usar o BigQuery como uma ferramenta de linha de comando (pré-instalada no Cloud Shell) ou um console da Web. As duas opções estão prontas para gerenciar e consultar dados armazenados em projetos do Google Cloud.

Neste laboratório, você vai usar o console da Web para executar consultas SQL.

Abrir o console do BigQuery

  1. No Console do Google Cloud, selecione o menu de navegação > BigQuery:

Você verá a caixa de mensagem Olá! Este é o BigQuery no Console do Cloud. Ela tem um link para o guia de início rápido e as notas de versão.

  1. Clique em OK.

O console do BigQuery vai abrir.

Reserve um tempo para observar alguns recursos importantes da IU. No lado direito do console, está o Editor de consultas. Nele é possível escrever e executar comandos SQL como os exemplos que já vimos. Abaixo vemos o "Query history", que é uma lista das consultas já feitas.

No lado esquerdo do console, está o "Painel de navegação". Além do histórico de consultas, das consultas salvas e do histórico de jobs autoexplicativos, existe a guia Explorer.

O nível mais alto de recursos na guia Explorer contém projetos do Google Cloud, que são como os projetos temporários do Google Cloud em que você faz login e usa em cada laboratório do Google Cloud Ensina. Como você pode ver no console e na última captura de tela, só temos o projeto na guia "Explorer". Dessa forma, nada vai acontecer se você clicar na seta ao lado do nome do projeto.

O motivo disso é que seu projeto não tem conjuntos de dados nem tabelas, ou seja, não há nada que possa ser consultado. Anteriormente, você aprendeu que os conjuntos de dados contêm tabelas. Quando você adicionar dados ao seu projeto, lembre-se: no BigQuery, ele terá conjuntos de dados e esses conjuntos terão tabelas. Agora que você entende melhor o paradigma projeto > conjunto de dados > tabela e conhece os detalhes do console, é hora de carregar alguns dados consultáveis.

Como fazer upload de dados para consulta

Nesta seção, você irá adicionar alguns dados públicos ao seu projeto para praticar a execução de comandos SQL no BigQuery.

  1. Clique em + ADICIONAR DADOS:

  2. Escolha Fixar um projeto > Digite o nome do projeto.

  3. Insira o nome do projeto bigquery-public-data

  4. Clique no botão PIN.

É importante observar que você ainda está trabalhando no projeto do laboratório nessa nova guia. Você não trocou de projeto, apenas adicionou um projeto de acesso público, que contém conjuntos de dados e tabelas, ao BigQuery para análise. Seus jobs e serviços ainda estão vinculados à conta do Google Cloud Ensina. Confira isso verificando o campo do projeto na parte superior do console:

Campo que mostra o nome do projeto do Google Cloud Ensina

  1. Na barra de pesquisa, digite London Bicycles Hires e clique em VER CONJUNTO DE DADOS.

  2. Agora, você tem acesso aos seguintes dados:

  • Projeto do Google Cloud → bigquery-public-data

  • Conjunto de dados → london_bicycles

  1. Clique no conjunto de dados london bicycles para ver as tabelas associadas

  • Tabela → cycle_hire
  • Tabela → cycle_stations

Neste laboratório, vamos usar dados de cycle_hire. Abra a tabela cycle_hire e clique na guia Visualizar. Sua página deve se parecer com esta:

cycle_hire table, tabela de visualização

Analise as colunas e os valores preenchidos nas linhas. Você já pode executar algumas consultas SQL na tabela cycle_hire.

Execute SELECT, FROM e WHERE no BigQuery

Agora que você já tem uma compreensão básica das palavras-chave de consulta SQL, do paradigma de dados do BigQuery e alguns dados para trabalhar, execute alguns comandos SQL usando este serviço.

Se você olhar no canto inferior direito do console, verá que há 24.369.201 linhas de dados, que representam o número de viagens de bicicletas compartilhadas em Londres entre 2015 e 2017. Bastante, não é?

Agora, veja a chave da sétima coluna: end_station_name, que especifica o destino final dos passeios de bicicletas compartilhadas. Ainda nesse tópico, vamos executar uma consulta simples para isolar a coluna end_station_name.

  1. Copie e cole o seguinte comando no EDITOR de consultas:

SELECT end_station_name FROM `bigquery-public-data.london_bicycles.cycle_hire`;
  1. Depois, clique em Executar.

Após cerca de 20 segundos, serão retornadas 24.369.201 linhas que incluem a coluna que consultamos: end_station_name.

Descubra agora quantas viagens de bicicleta duraram 20 minutos ou mais.

  1. Limpe a consulta do Editor e execute esta consulta, que usa a palavra-chave WHERE:

SELECT * FROM `bigquery-public-data.london_bicycles.cycle_hire` WHERE duration>=1200;

Essa consulta pode levar mais ou menos um minuto para ser executada.

SELECT * retorna todos os valores da coluna da tabela. A duração é medida em segundos. Por isso, foi usado o valor 1.200 (60 * 20).

Você verá no canto inferior direito que 7.334.890 linhas foram retornadas. Como uma fração do total (7.334.890/24.369.201), isso significa que cerca de 30% dos passeios de bicicleta em Londres duraram 20 minutos ou mais. Pedalaram bastante!

Teste seu conhecimento

Responda às perguntas de múltipla escolha a seguir para reforçar sua compreensão dos conceitos que abordamos até agora. Use tudo o que você aprendeu até aqui.

Tarefa 4: mais palavras-chave SQL: GROUP BY, COUNT, AS e ORDER BY

GROUP BY

A palavra-chave GROUP BY agregará linhas do conjunto de resultados que compartilham critérios comuns (por exemplo, um valor de coluna) e retornará todas as entradas exclusivas encontradas para tais critérios.

Essa palavra-chave é útil para descobrir informações categóricas em tabelas.

  1. Para entender melhor o que ela faz, limpe a consulta do Editor e depois copie e cole este comando:

SELECT start_station_name FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;
  1. Clique em Executar.

Seus resultados formam uma lista de valores de coluna exclusivos (não duplicados).

Sem a palavra-chave GROUP BY, a consulta teria retornado todas as 24.369.201 linhas. GROUP BY retorna os valores de coluna exclusivos encontrados na tabela. Para confirmar isso, olhe para o canto inferior direito. Você verá 880 linhas, o que significa que há 880 pontos de partida de bicicletas compartilhadas em Londres.

COUNT

A função COUNT() retornará o número de linhas que compartilham os mesmos critérios (por exemplo, valor da coluna). Usá-la junto com a palavra-chave GROUP BY pode ser muito útil.

Adicione a função COUNT à consulta anterior para descobrir quantos passeios começam em cada ponto de partida.

  • Limpe a consulta do editor, copie e cole o seguinte comando e clique em Executar:

SELECT start_station_name, COUNT(*) FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

A saída mostra quantos passeios de bicicletas começam em cada ponto de partida.

AS

O SQL também tem a palavra-chave AS, que cria um alias de uma tabela ou coluna. Um alias é um novo nome dado à coluna ou tabela retornada, dependendo do AS especificado.

  1. Adicione a palavra-chave AS à última consulta executada para ver o processo. Limpe a consulta do Editor e depois copie e cole este comando:

SELECT start_station_name, COUNT(*) AS num_starts FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;
  1. Clique em Executar.

Em "Resultados", o nome da coluna à direita muda de COUNT(*) para num_starts.

Veja que a coluna COUNT(*) na tabela retornada foi definida com o nome do alias num_starts. Essa é uma palavra-chave que pode ser usada principalmente no trabalho com grandes conjuntos de dados, já que um nome de tabela ou coluna ambíguo é mais frequente do que você imagina.

ORDER BY

A palavra-chave ORDER BY classifica os dados retornados de uma consulta em ordem crescente ou decrescente com base em um critério ou valor de coluna especificados. Vamos adicionar essa palavra-chave à nossa consulta anterior para:

  • retornar uma tabela com o número de passeios de bicicleta que começam em cada estação inicial, com os nomes das estações organizados em ordem alfabética;
  • retornar uma tabela com o número de passeios de bicicleta que começam em cada estação inicial, organizados numericamente do menor para o maior;
  • retornar uma tabela com o número de passeios de bicicleta que começam em cada estação inicial, organizados numericamente do maior para o menor.

Cada um dos comandos abaixo é uma consulta separada. Para cada comando:

  1. Limpe o EDITOR de consultas.

  2. Copie e cole o comando no EDITOR de consultas.

  3. Clique em Executar. Veja os resultados.

SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY start_station_name; SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num; SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num DESC;

Os resultados da última consulta listam os locais de início pelo número de passeios que partem desse local.

Vemos que “Belgrove Street, King's Cross” tem o maior número de partidas. No entanto, como uma fração do total (234.458/24.369.201), vemos que menos de 1% dos passeios começam nessa estação.

Teste seu conhecimento

Responda às perguntas de múltipla escolha a seguir para reforçar sua compreensão dos conceitos que abordamos até agora. Use tudo o que você aprendeu até aqui.

Tarefa 5: trabalhe com o Cloud SQL

Exporte consultas como arquivos CSV

O Cloud SQL é um serviço de banco de dados totalmente gerenciado que facilita a configuração, a manutenção, o gerenciamento e a administração dos seus bancos de dados relacionais PostgreSQL e MySQL na nuvem. Existem dois formatos de dados aceitos pelo Cloud SQL: arquivos dump (.sql) ou arquivos CSV (.csv). Você vai aprender a exportar subconjuntos da tabela cycle_hire para arquivos CSV e fazer upload para o Cloud Storage como um local intermediário.

De volta ao console do BigQuery, este foi o último comando que você executou:

SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num DESC;
  1. Na seção "Query results", clique em SALVAR RESULTADOS > CSV (arquivo local). A consulta é salva localmente em um arquivo CSV. Anote o local e o nome desse arquivo porque você precisará dele em breve.

  2. Limpe o EDITOR de consultas, depois copie e execute o seguinte comando nele:

SELECT end_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY end_station_name ORDER BY num DESC;

Essa consulta retorna uma tabela com o número de passeios de bicicleta que terminam em cada estação final, classificada do número mais alto para o mais baixo.

  1. Na seção "Query results", clique em SALVAR RESULTADOS > CSV (arquivo local). A consulta é salva localmente em um arquivo CSV. Anote o local e o nome desse arquivo porque você precisará dele na próxima seção.

Faça upload dos arquivos CSV para o Cloud Storage

  1. Acesse o Console do Cloud, onde você vai criar um bucket de armazenamento para fazer upload dos arquivos que acabou de criar.

  2. Selecione Menu de navegação > Cloud Storage > Navegador e clique em CRIAR BUCKET.

Observação: se solicitado, clique em SAIR no trabalho não salvo.
  1. Insira um nome exclusivo para o bucket, mantenha todas as outras configurações padrão e clique em Criar:

Teste a tarefa concluída

Clique em Verificar meu progresso abaixo para conferir seu andamento no laboratório. Se você tiver concluído a criação do bucket, verá uma pontuação de avaliação.

Crie um bucket do Cloud Storage.

Agora você deve estar no Console do Cloud, vendo seu bucket do Cloud Storage recém-criado.

  1. Clique em FAZER UPLOAD DE ARQUIVOS e selecione o CSV que contém os dados de start_station_name.

  2. Em seguida, clique em Abrir. Repita essa etapa com os dados de end_station_name.

  3. Dê um novo nome ao arquivo start_station_name clicando nos três pontos ao lado dele e em Renomear. Mude o nome para start_station_data.csv.

  4. Clique nos três pontos ao lado do arquivo end_station_name e em Renomear para mudar o nome. Mude o nome do arquivo para end_station_data.csv.

Agora, você pode ver start_station_name.csv e end_station_data.csv na lista Objetos na página Detalhes do bucket.

Teste a tarefa concluída

Clique em Verificar meu progresso para conferir a tarefa realizada. Se você tiver feito upload dos objetos CSV para o bucket corretamente, receberá uma pontuação de avaliação.

Faça upload dos arquivos CSV para o Cloud Storage.

Crie uma instância do Cloud SQL

  1. No console, selecione Menu de navegação > SQL.

  2. Clique em CRIAR INSTÂNCIA.

  3. Depois você vai precisar escolher um mecanismo de banco de dados. Selecione MySQL.

  4. Digite um nome para sua instância (como "qwiklabs-demo") e uma senha segura no campo Senha (memorize-a) e clique em CRIAR INSTÂNCIA:

A criação da instância pode levar alguns minutos. Depois disso, você verá uma marca de seleção verde ao lado do nome dela.

  1. Clique na instância do Cloud SQL. A página Visão geral do SQL é aberta.

Teste a tarefa concluída

Para ver seu progresso neste laboratório, clique em Verificar meu progresso abaixo. Se a instância do Cloud SQL tiver sido configurada corretamente, você receberá uma pontuação de avaliação.

Crie uma instância do Cloud SQL.

Tarefa 6: novas consultas no Cloud SQL

Palavra-chave CREATE (bancos de dados e tabelas)

Agora que a instância do Cloud SQL está funcionando, use a linha de comando do Cloud Shell para criar um banco de dados dentro dela. Copie o link do Cloud Shell abaixo e cole em uma nova guia anônima do navegador.

https://shell.cloud.google.com/?show=terminal

Criar um banco de dados no Cloud Shell

  1. Execute o comando a seguir no Cloud Shell para se conectar à sua instância do SQL. Substitua qwiklabs-demo se tiver usado um nome diferente para ela.

gcloud sql connect qwiklabs-demo --user=root Observação: a conexão com sua instância pode levar um tempo.
  1. Quando solicitado, digite a senha raiz que você definiu para ela.

Você vai ver uma saída semelhante:

Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 494 Server version: 5.7.14-google-log (Google) Copyright (c) 2000, 2017, Oracle, MariaDB Corporation Ab and others. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. mysql>

Uma instância do Cloud SQL acompanha bancos de dados pré-configurados, mas você vai criar os próprios bancos de dados para armazenar os dados de compartilhamento de bicicletas de Londres.

  1. Execute o seguinte comando no prompt do servidor do MySQL para criar um banco de dados chamado bike:

CREATE DATABASE bike;

Você receberá a seguinte saída:

Query OK, 1 row affected (0.05 sec) mysql>

Teste a tarefa concluída

Clique em Verificar meu progresso para analisar a tarefa realizada. Se você tiver criado corretamente um banco de dados na instância do Cloud SQL, vai receber uma pontuação de avaliação.

Criar um banco de dados.

Criar uma tabela no in Cloud Shell

  1. Crie uma tabela dentro do banco de dados de bicicletas executando o seguinte comando:

USE bike; CREATE TABLE london1 (start_station_name VARCHAR(255), num INT);

Essa instrução usa a palavra-chave CREATE, mas, desta vez, usamos TABLE para especificar que queremos criar uma tabela em vez de um banco de dados. A palavra-chave USE especifica o banco de dados que você quer usar. Agora você tem uma tabela chamada “london1” que contém duas colunas: “start_station_name” e “num”. VARCHAR(255) especifica uma coluna de string de comprimento variável que pode conter até 255 caracteres. Já INT é uma coluna com o tipo de valores inteiros.

  1. Crie outra tabela chamada “london2” executando este comando:

USE bike; CREATE TABLE london2 (end_station_name VARCHAR(255), num INT);
  1. Agora verifique se as tabelas vazias foram criadas. Execute estes comandos no prompt do servidor do MySQL:

SELECT * FROM london1; SELECT * FROM london2;

Você vai receber a seguinte saída para os dois comandos:

Empty set (0.04 sec)

Você vai ver "empty set" porque ainda não carregou os dados.

Faça upload de arquivos CSV para tabelas

Volte para o console do Cloud SQL. Nele, você fará upload dos arquivos CSV start_station_name e end_station_name para as tabelas "london1" e "london2" que acabou de criar.

  1. Na página da instância do Cloud SQL, clique em IMPORTAR.
  2. No campo do arquivo do Cloud Storage, clique em Procurar e, na seta ao lado do nome do bucket, selecione start_station_data.csv. Clique em Selecionar.
  3. Selecione CSV como formato de arquivo.
  4. Selecione o banco de dados bike e digite "london1" como a tabela.
  5. Clique em Importar:

Faça o mesmo para o outro arquivo CSV.

  1. Na página da instância do Cloud SQL, clique em IMPORTAR.
  2. No campo do arquivo do Cloud Storage, clique em Procurar e, na seta ao lado do nome do bucket, selecione end_station_data.csv. Clique em Selecionar.
  3. Selecione CSV como formato de arquivo.
  4. Selecione o banco de dados de bicicletas e digite "london2" como a tabela.
  5. Clique em Importar:

Agora os dois arquivos CSV já foram enviados para as tabelas no banco de dados bike.

  1. Retorne à sua sessão do Cloud Shell e execute o comando abaixo no prompt do servidor do MySQL para verificar o conteúdo de “london1”:

SELECT * FROM london1;

Você vai receber 881 linhas de saída, uma para cada nome de estação.

  1. Execute este comando para verificar se a tabela “london2” foi preenchida:

SELECT * FROM london2;

Você receberá 883 linhas de saída, uma para cada nome de estação.

Palavra-chave DELETE

Agora veja mais algumas palavras-chave SQL que ajudam no gerenciamento de dados. A primeira é a palavra-chave DELETE.

  • Execute os seguintes comandos na sua sessão do MySQL para excluir a primeira linha das tabelas “london1” e “london2”:

DELETE FROM london1 WHERE num=0; DELETE FROM london2 WHERE num=0;

Você vai receber a seguinte saída depois de executar os dois comandos:

Query OK, 1 row affected (0.04 sec)

Os títulos das colunas foram excluídos dos arquivos CSV. A palavra-chave DELETE não removerá a primeira linha do arquivo, mas todas as linhas da tabela em que o nome da coluna (neste caso, "num") contém um valor (neste caso, "0") serão removidas. Se você executar as consultas SELECT * FROM london1; e SELECT * FROM london2; e rolar até o topo da tabela, verá que essas linhas não existem mais.

Palavra-chave INSERT INTO

Também é possível inserir valores em tabelas com a palavra-chave INSERT INTO.

  • Execute o comando a seguir para inserir uma nova linha em "london1", que define start_station_name como "destino teste" e num como "1":

INSERT INTO london1 (start_station_name, num) VALUES ("test destination", 1);

A palavra-chave INSERT INTO exige uma tabela (london1) e vai criar uma linha com as colunas especificadas por termos no primeiro parêntese (neste caso, "start_station_name" e "num"). Os valores incluídos depois da cláusula “VALUES” serão inseridos na nova linha.

Você receberá a seguinte saída:

Query OK, 1 row affected (0.05 sec)

Se você executar a consulta SELECT * FROM london1;, outra linha será adicionada à parte inferior da tabela “london1”.

Palavra-chave UNION

A última palavra-chave SQL que você vai aprender é UNION. Essa palavra-chave combina a saída de duas ou mais consultas SELECT em um conjunto de resultados. Use UNION para agrupar subconjuntos das tabelas "london1" e "london2".

A consulta encadeada a seguir coleta dados específicos das duas tabelas e os combina com o operador UNION.

  • Execute este comando no prompt do servidor do MySQL:

SELECT start_station_name AS top_stations, num FROM london1 WHERE num>100000 UNION SELECT end_station_name, num FROM london2 WHERE num>100000 ORDER BY top_stations DESC;

A primeira consulta SELECT seleciona as duas colunas da tabela “london1” e cria um alias para “start_station_name”, que é definido como “top_stations”. Ela usa a palavra-chave WHERE para extrair apenas os nomes das estações de compartilhamento de bicicletas onde tenham ocorrido mais de 100 mil partidas.

A segunda consulta SELECT seleciona as duas colunas da tabela “london2” e usa a palavra-chave WHERE para extrair apenas os nomes das estações de compartilhamento de bicicleta onde tenham ocorrido mais de 100 mil chegadas.

A palavra-chave intermediária UNION combina a saída dessas consultas, juntando os dados de "london2" e "london1". Como "london1" será unificada com "london2", os valores das colunas que prevalecerão serão "top_stations" e "num".

ORDER BY ordenará a tabela final unificada pelo valor da coluna "top_stations" em ordem alfabética e decrescente.

Você receberá a seguinte saída:

Tabela de saída com colunas para "top_stations" e "num"

Como podemos ver, 13 das 14 estações estão em primeiro lugar em termos de número de partidas e de chegadas. Com algumas palavras-chave SQL básicas, foi possível consultar um conjunto de dados considerável, que retornou pontos de dados e respostas a perguntas específicas.

Parabéns!

Neste laboratório, você aprendeu os princípios básicos do SQL e como aplicar palavras-chave e executar consultas no BigQuery e no Cloud SQL. Você aprendeu os principais conceitos por trás de projetos, bancos de dados e tabelas, além de concluir atividades práticas com palavras-chave que manipulam e editam dados. Também mostramos como carregar conjuntos de dados no BigQuery e como executar consultas em tabelas. Você também aprendeu a criar instâncias no Cloud SQL, praticou como transferir subconjuntos de dados para tabelas inclusas em bancos de dados e encadeou e executou consultas no Cloud SQL para tirar conclusões interessantes sobre as estações de partida e chegada de compartilhamento de bicicletas em Londres.

Termine a Quest

Este laboratório autoguiado faz parte das Quests Data Science on Google Cloud, Scientific Data Processing, Cloud SQL, BigQuery Basics for Data Analysts, NCAA® March Madness®: Bracketology with Google Cloud, Cloud Engineering, Data Catalog Fundamentals e Applying BQML's Classification, Regression and Demand Forecasting for Retail Applications. Uma Quest é uma série de laboratórios relacionados que formam um programa de aprendizado. Ao concluir uma Quest, você ganha um selo como reconhecimento da sua conquista. É possível publicar os selos e incluir um link para eles no seu currículo on-line ou nas redes sociais. Inscreva-se em qualquer Quest que tenha este laboratório para receber os créditos de conclusão na mesma hora. Confira o catálogo do Google Cloud Ensina para ver todas as Quests disponíveis.

Próximas etapas/Saiba mais

Continue a aprender e praticar com o Cloud SQL e o BigQuery usando estes laboratórios do Google Cloud Ensina:

Saiba mais sobre ciência de dados com Data Science on the Google Cloud Platform, 2nd Edition: O'Reilly Media, Inc..

Treinamento e certificação do Google Cloud

...ajuda você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações ajudam você a validar e comprovar suas habilidades e conhecimentos das tecnologias do Google Cloud.

Manual atualizado em 25 de julho de 2022

Laboratório testado em 25 de julho de 2022

Copyright 2020 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.