Google Cloud Skills Boost

BigQuery for Data Warehousing

6 Stunden Einsteiger universal_currency_alt 5 Guthabenpunkte
Sie möchten ein Data Warehouse erstellen oder optimieren? Dann sind Best Practices für das Extrahieren, Transformieren und Laden von Daten in Google Cloud mit BigQuery für Sie unabdingbar. In diesen interaktiven Labs erstellen und optimieren Sie Ihr eigenes Data Warehouse mithilfe einer Vielzahl großer öffentlicher BigQuery-Datasets. BigQuery ist eine vollständig verwaltete, automatisierte und kostengünstige Analysedatenbank von Google. Mit dem Tool können Sie mehrere Terabyte an Daten abfragen und müssen dabei weder eine Infrastruktur verwalten noch benötigen Sie einen Datenbankadministrator. BigQuery basiert auf SQL und die Abrechnung erfolgt nach dem "Pay as you go"-Modell. Damit können Sie Daten analysieren und daraus wertvolle Erkenntnisse ziehen.
Skill-Logo für BigQuery for Data Warehousing

Schließen Sie diese Aktivität ab und holen Sie sich ein Abzeichen! Treiben Sie Ihre Karriere in der Cloud voran, indem Sie allen zeigen, welche Kompetenzen Sie entwickelt haben.

  • Lab

    BigQuery: Qwik Start - Command Line

    This hands-on lab shows you how to query public tables and load sample data into BigQuery using the Command Line Interface. Watch the short videos Get Meaningful Insights with Google BigQuery and BigQuery: Qwik Start - Qwiklabs Preview.

  • Lab

    Creating a Data Warehouse Through Joins and Unions

    This lab focuses on how to create new reporting tables using SQL JOINS and UNIONs.

  • Lab

    Creating Date-Partitioned Tables in BigQuery

    This lab focuses on how to query partitioned datasets and how to create your own dataset partitions to improve query performance, which reduces cost.

  • Lab

    Troubleshooting and Solving Data Join Pitfalls

    This lab focuses on how to reverse-engineer the relationships between data tables and the pitfalls to avoid when joining them together.

  • Lab

    Working with JSON, Arrays, and Structs in BigQuery

    In this lab you will work with semi-structured data (ingesting JSON, Array data types) inside of BigQuery. You will practice loading, querying, troubleshooting, and unnesting various semi-structured datasets.

  • Lab

    Build and Execute MySQL, PostgreSQL, and SQLServer to Data Catalog Connectors

    In this lab you will explore existing datasets with Data Catalog and mine the table and column metadata for insights.

  • info
    Informationen zur Aufgabenreihe
    Voraussetzungen
    It is recommended but not required that students have a familiarity with data and spreadsheets.
    Verfügbare Sprachen
    English, français, español (Latinoamérica), 日本語, português (Brasil) und Deutsch