arrow_back

BigQuery: Qwik Start - Command Line

Login Gabung
Uji dan bagikan pengetahuan Anda kepada komunitas kami.
done
Dapatkan akses ke lebih dari 700 lab praktik, badge keahlian, dan kursus

BigQuery: Qwik Start - Command Line

Lab 30 menit universal_currency_alt Tanpa biaya show_chart Pengantar
info Lab ini mungkin menggabungkan alat AI untuk mendukung pembelajaran Anda.
Uji dan bagikan pengetahuan Anda kepada komunitas kami.
done
Dapatkan akses ke lebih dari 700 lab praktik, badge keahlian, dan kursus

GSP071

Lab Mandiri Google Cloud

Ringkasan

Menyimpan dan mengkueri set data yang sangat besar dapat menjadi proses yang mahal dan memakan waktu tanpa adanya perangkat keras dan infrastruktur yang tepat. BigQuery adalah cloud data warehouse serverless dan sangat skalabel yang mengatasi masalah ini dengan memungkinkan Kueri SQL super-cepat menggunakan kecanggihan pemrosesan infrastruktur Google. Cukup pindahkan data Anda ke BigQuery dan biarkan kami yang menangani sisanya. Anda dapat mengontrol akses baik ke project maupun data Anda berdasarkan kebutuhan bisnis, seperti mengizinkan orang lain melihat atau mengkueri data Anda.

Anda dapat mengakses BigQuery melalui Konsol, UI Web, atau alat command line menggunakan berbagai library klien seperti Java, .NET, atau Python. Anda juga dapat menggunakan berbagai penyedia solusi untuk berinteraksi dengan BigQuery.

Lab praktik ini menunjukkan kepada Anda cara menggunakan bq, alat command line berbasis python untuk BigQuery, untuk mengkueri tabel publik dan memuat data sampel ke BigQuery.

Yang akan Anda lakukan

  • Mengkueri set data publik
  • Membuat set data baru
  • Memuat data ke tabel baru
  • Mengkueri tabel kustom

Penyiapan dan persyaratan

Sebelum mengklik tombol Mulai Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer, yang dimulai saat Anda mengklik Start Lab, akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab praktik ini dapat Anda gunakan untuk melakukan sendiri aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

  • Akses ke browser internet standar (disarankan browser Chrome).
Catatan: Gunakan jendela Samaran atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun Siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.
  • Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.
Catatan: Jika Anda sudah memiliki project atau akun pribadi Google Cloud, jangan menggunakannya untuk lab ini agar terhindar dari tagihan ekstra pada akun Anda.

Cara memulai lab dan login ke Google Cloud Console

  1. Klik tombol Start Lab. Jika Anda perlu membayar lab, jendela pop-up akan terbuka untuk memilih metode pembayaran. Di sebelah kiri adalah panel Lab Details dengan info berikut:

    • Tombol Open Google Cloud console
    • Waktu tersisa
    • Kredensial sementara yang harus Anda gunakan untuk lab ini
    • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini
  2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

    Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

    Tips: Atur tab di jendela terpisah secara berdampingan.

    Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.
  3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

    {{{user_0.username | "Username"}}}

    Anda juga dapat menemukan Username di panel Lab Details.

  4. Klik Next.

  5. Salin Password di bawah dan tempel ke dialog Welcome.

    {{{user_0.password | "Password"}}}

    Anda juga dapat menemukan Password di panel Lab Details.

  6. Klik Next.

    Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.
  7. Klik halaman berikutnya:

    • Setujui persyaratan dan ketentuan.
    • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
    • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk melihat menu dengan daftar produk dan layanan Google Cloud, klik Navigation menu di kiri atas. Ikon Navigation menu

Mengaktifkan Cloud Shell

Cloud Shell adalah mesin virtual yang dilengkapi dengan berbagai alat pengembangan. Mesin virtual ini menawarkan direktori beranda persisten berkapasitas 5 GB dan berjalan di Google Cloud. Cloud Shell menyediakan akses command-line untuk resource Google Cloud Anda.

  1. Klik Activate Cloud Shell Ikon Activate Cloud Shell di bagian atas konsol Google Cloud.

Setelah terhubung, Anda sudah diautentikasi, dan project ditetapkan ke PROJECT_ID Anda. Output berisi baris yang mendeklarasikan PROJECT_ID untuk sesi ini:

Project Cloud Platform Anda dalam sesi ini disetel ke YOUR_PROJECT_ID

gcloud adalah alat command line untuk Google Cloud. Alat ini sudah terinstal di Cloud Shell dan mendukung pelengkapan command line.

  1. (Opsional) Anda dapat menampilkan daftar nama akun yang aktif dengan perintah ini:
gcloud auth list
  1. Klik Authorize.

  2. Output Anda sekarang akan terlihat seperti ini:

Output:

ACTIVE: * ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net Untuk menyetel akun aktif, jalankan: $ gcloud config set account `ACCOUNT`
  1. (Opsional) Anda dapat menampilkan daftar project ID dengan perintah ini:
gcloud config list project

Output:

[core] project = <project_ID>

Contoh output:

[core] project = qwiklabs-gcp-44776a13dea667a6 Catatan: Untuk mendapatkan dokumentasi gcloud yang lengkap di Google Cloud, baca panduan ringkasan gcloud CLI.

Tugas 1. Menguji tabel

BigQuery menawarkan sejumlah tabel sampel yang dapat Anda kueri. Di lab ini, Anda akan mengkueri tabel shakespeare, yang berisi entri untuk setiap kata dalam setiap drama.

Untuk menguji skema tabel Shakespeare dalam set data sampel, jalankan:

bq show bigquery-public-data:samples.shakespeare

Pada perintah ini, Anda akan melakukan hal berikut:

  • bq untuk memanggil alat command line BigQuery
  • show adalah tindakannya
  • Kemudian, Anda mencantumkan nama project:public dataset.table di BigQuery yang ingin Anda lihat.

Output:

Last modified Schema Total Rows Total Bytes Expiration Time Partitioning Clustered Fields Labels ----------------- ------------------------------------ ------------ ------------- ------------ ------------------- ------------------ -------- 14 Mar 13:16:45 |- word: string (required) 164656 6432064 |- word_count: integer (required) |- corpus: string (required) |- corpus_date: integer (required)

Tugas 2. Menjalankan perintah help

Jika Anda menyertakan nama perintah dengan perintah help, Anda akan mendapatkan informasi tentang perintah spesifik tersebut.

  1. Misalnya, panggilan ke bq help berikut akan mengambil informasi tentang perintah query:
bq help query
  1. Untuk melihat daftar semua perintah yang digunakan bq, jalankan bq help saja.

Tugas 3. Menjalankan kueri

Sekarang, Anda akan menjalankan kueri untuk melihat berapa kali substring "raisin" muncul dalam karya Shakespeare.

  1. Untuk menjalankan kueri, jalankan perintah bq query "[SQL_STATEMENT]":
  • Escape tanda petik di dalam [SQL_STATEMENT] dengan tanda \ atau

  • Gunakan jenis tanda petik yang berbeda dengan tanda baca di sekitarnya ("versus").

  1. Jalankan kueri SQL standar berikut di Cloud Shell untuk menghitung berapa kali substring "raisin" muncul di semua karya Shakespeare:
bq query --use_legacy_sql=false \ 'SELECT word, SUM(word_count) AS count FROM `bigquery-public-data`.samples.shakespeare WHERE word LIKE "%raisin%" GROUP BY word'

Dalam perintah ini:

  • --use_legacy_sql=false menjadikan SQL standar sebagai sintaksis kueri default.

Output:

Waiting on job_e19 ... (0s) Current status: DONE +---------------+-------+ | word | count | +---------------+-------+ | praising | 8 | | Praising | 4 | | raising | 5 | | dispraising | 2 | | dispraisingly | 1 | | raisins | 1 |

Tabel ini menunjukkan bahwa meskipun kata raisin secara persis tidak ditemukan, huruf-hurufnya muncul dengan urutan yang serupa kata tersebut dalam beberapa karya Shakespeare.

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika telah berhasil mengkueri set data publik, Anda akan melihat skor penilaian.

Menjalankan kueri (set data: sampel, tabel: shakespeare, substring: raisin)

Jika Anda mencari kata yang tidak terdapat dalam karya Shakespeare, tidak ada hasil yang akan ditampilkan.

  • Jalankan pencarian berikut untuk kata "huzzah", dan tidak ada kecocokan yang ditampilkan:
bq query --use_legacy_sql=false \ 'SELECT word FROM `bigquery-public-data`.samples.shakespeare WHERE word = "huzzah"'

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika telah berhasil mengkueri set data publik, Anda akan melihat skor penilaian.

Menjalankan kueri (set data: sampel, tabel: shakespeare, substring: huzzah)

Tugas 4. Membuat tabel baru

Sekarang, buat tabel Anda sendiri. Setiap tabel disimpan di dalam set data. Set data adalah sekelompok resource, seperti tabel dan tabel virtual.

Membuat set data baru

  1. Gunakan perintah bq ls untuk memunculkan setiap set data yang ada di project Anda:
bq ls

Anda akan diarahkan kembali ke command line karena belum ada set data apa pun di project Anda.

  1. Jalankan bq ls dan Project ID bigquery-public-data untuk mencantumkan set data di project spesifik tersebut, diikuti dengan titik dua (:):
bq ls bigquery-public-data:

Output:

datasetId ----------------------------- austin_311 austin_bikeshare austin_crime austin_incidents austin_waste baseball bitcoin_blockchain bls census_bureau_construction census_bureau_international census_bureau_usa census_utility chicago_crime ...

Sekarang, buat set data. Panjang nama set data maksimal 1.024 karakter, dan terdiri atas A-Z, a-z, 0-9, serta garis bawah. Namun, nama set data tidak boleh diawali dengan angka atau garis bawah, atau memiliki spasi.

  1. Gunakan perintah bq mk untuk membuat set data baru yang bernama babynames di project Anda:
bq mk babynames

Contoh output:

Dataset 'qwiklabs-gcp-ba3466847fe3cec0:babynames' successfully created.

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika telah berhasil membuat set data BigQuery yang bernama babynames, Anda akan melihat skor penilaian.

Membuat set data baru (nama: babynames)
  • Jalankan bq ls untuk memastikan set data sekarang muncul sebagai bagian dari project Anda:
bq ls

Contoh output:

datasetId ------------- babynames

Mengupload set data

Agar dapat membuat tabel ini, Anda harus menambahkan set data ke project Anda. File data khusus yang akan Anda gunakan berisi data nama bayi populer dengan ukuran sekitar 7 MB, yang disediakan oleh Badan Penyelenggara Jaminan Sosial AS.

  1. Jalankan perintah ini untuk menambahkan file ZIP babynames ke project Anda, menggunakan URL untuk file data tersebut:
curl -LO http://www.ssa.gov/OACT/babynames/names.zip
  1. Munculkan file:
ls

Bisa Anda lihat, nama file ini ditambahkan ke project.

  1. Sekarang, ekstrak file:
unzip names.zip
  1. Anda akan mendapatkan daftar file teks yang cukup panjang. Munculkan file itu lagi:
ls

Perintah bq load membuat atau memperbarui tabel dan memuat data dalam satu langkah.

Anda akan menggunakan perintah bq load untuk memuat file sumber ke tabel baru yang bernama names2010 di set data babynames yang baru saja Anda buat. Secara default, tindakan ini berjalan secara sinkron, dan akan selesai dalam beberapa detik.

Argumen bq load yang akan Anda jalankan adalah:

datasetID: babynames tableID: names2010 source: yob2010.txt schema: name:string,gender:string,count:integer
  1. Buat tabel Anda:
bq load babynames.names2010 yob2010.txt name:string,gender:string,count:integer

Contoh output:

Waiting on job_4f0c0878f6184119abfdae05f5194e65 ... (35s) Current status: DONE

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika telah berhasil memuat data ke dalam tabel set data, Anda akan melihat skor penilaian.

Memuat data ke tabel baru
  1. Jalankan bq ls dan babynames untuk memastikan tabel tersebut kini muncul di set data Anda:
bq ls babynames

Output:

tableId Type ----------- ------- names2010 TABLE
  1. Jalankan bq show dan dataset.table Anda untuk melihat skemanya:
bq show babynames.names2010

Output:

Last modified Schema Total Rows Total Bytes Expiration Time Partitioning Clustered Fields Labels ----------------- ------------------- ------------ ------------- ----------------- ------------------- ------------------ -------- 13 Aug 14:37:34 |- name: string 34073 654482 12 Oct 14:37:34 |- gender: string |- count: integer Catatan: Secara default, saat Anda memuat data, BigQuery mengharapkan data berenkode UTF-8. Jika data Anda berenkode ISO-8859-1 (atau Latin-1) dan Anda menemui masalah dengan data yang dimuat, Anda dapat secara eksplisit meminta BigQuery agar memperlakukan data tersebut sebagai Latin-1, menggunakan flag -E. Pelajari lebih lanjut Encoding Karakter dari Pengantar pemuatan data.

Tugas 5. Menjalankan kueri

Sekarang, Anda siap mengkueri data dan menampilkan beberapa hasil yang menarik.

  1. Jalankan perintah berikut untuk menampilkan 5 nama anak perempuan terpopuler:
bq query "SELECT name,count FROM babynames.names2010 WHERE gender = 'F' ORDER BY count DESC LIMIT 5"

Output:

Waiting on job_58c0f5ca52764ef1902eba611b71c651 ... (0s) Current status: DONE +----------+-------+ | name | count | +----------+-------+ | Isabella | 22913 | | Sophia | 20643 | | Emma | 17345 | | Olivia | 17028 | | Ava | 15433 | +----------+-------+
  1. Jalankan perintah berikut untuk melihat 5 nama anak laki-laki yang paling tidak umum:
bq query "SELECT name,count FROM babynames.names2010 WHERE gender = 'M' ORDER BY count ASC LIMIT 5" Catatan: Jumlah minimum adalah 5 karena data sumber menghilangkan nama yang kemunculannya kurang dari 5 kali.

Output:

Waiting on job_556ba2e5aad340a7b2818c3e3280b7a3 ... (1s) Current status: DONE +----------+-------+ | name | count | +----------+-------+ | Aaqib | 5 | | Aaidan | 5 | | Aadhavan | 5 | | Aarian | 5 | | Aamarion | 5 | +----------+-------+

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika telah berhasil menjalankan kueri terhadap set data khusus, Anda akan melihat skor penilaian.

Menjalankan kueri terhadap tabel set data

Tugas 6. Menguji Pemahaman Anda

Di bawah ini terdapat pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep lab ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 7. Membersihkan set data

  1. Jalankan perintah bq rm untuk menghapus set data babynames yang memiliki flag -r guna menghapus semua tabel dalam set data tersebut:
bq rm -r babynames
  1. Konfirmasi perintah penghapusan dengan mengetik Y.

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika telah berhasil menghapus set data babynames, Anda akan melihat skor penilaian.

Menghapus set data babynames

Selamat!

Sekarang, Anda dapat menggunakan command line untuk mengkueri tabel publik dan memuat data sampel ke BigQuery.

Langkah berikutnya/Pelajari lebih lanjut

Lab ini juga merupakan bagian dari rangkaian lab yang disebut Qwik Start. Lab ini dirancang agar Anda dapat mencoba berbagai fitur yang tersedia dengan Google Cloud. Telusuri "Qwik Start" di katalog lab untuk menemukan lab berikutnya yang ingin Anda ikuti.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui 26 Januari 2024

Lab Terakhir Diuji 24 Agustus 2023

Hak cipta 2024 Google LLC Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.

Konten ini tidak tersedia untuk saat ini

Kami akan memberi tahu Anda melalui email saat konten tersedia

Bagus!

Kami akan menghubungi Anda melalui email saat konten tersedia