前言
現(xiàn)如今，越來(lái)越多的企業(yè)都是數(shù)據(jù)驅(qū)動(dòng)的，而數(shù)據(jù)倉(cāng)庫(kù)則是任何數(shù)據(jù)戰(zhàn)略的關(guān)鍵組成之一，它是整個(gè)公司數(shù)據(jù)的中央存儲(chǔ)庫(kù)。數(shù)據(jù)倉(cāng)庫(kù)通常被數(shù)據(jù)分析人員用來(lái)創(chuàng)建分析報(bào)告，但現(xiàn)在它也越來(lái)越多地被用于生成實(shí)時(shí)儀表盤(pán)、執(zhí)行即席查詢(xún)，以及通過(guò)預(yù)測(cè)分析提供決策指導(dǎo)。由于存在這些高級(jí)分析需求，以及逐漸向成本可控、敏捷和自助數(shù)據(jù)訪問(wèn)轉(zhuǎn)變的趨勢(shì)，許多組織正轉(zhuǎn)向基于云的數(shù)據(jù)倉(cāng)庫(kù)，如Google BigQuery。
在本書(shū)中，我們將全面介紹BigQuery，它是基于serverless 的、高度可伸縮、低成本的企業(yè)數(shù)據(jù)倉(cāng)庫(kù)，可在Google Cloud 上使用。由于不需要管理基礎(chǔ)設(shè)施，企業(yè)可以專(zhuān)注于數(shù)據(jù)分析，通過(guò)使用熟悉的SQL 找到有意義的洞察。
BigQuery 設(shè)計(jì)的初衷就是為了提供一個(gè)數(shù)據(jù)平臺(tái)，該平臺(tái)不僅能夠提供前沿的技術(shù)能力，能充分利用云環(huán)境中現(xiàn)有的優(yōu)秀技術(shù)，還支持至今仍可靠適用的各種數(shù)據(jù)技術(shù)。例如，Google 的BigQuery 是一種serverless 的計(jì)算架構(gòu)，它實(shí)現(xiàn)了計(jì)算和存儲(chǔ)分離。這使得架構(gòu)中的不同層能夠獨(dú)立地運(yùn)行和擴(kuò)展，讓數(shù)據(jù)開(kāi)發(fā)人員在設(shè)計(jì)和部署方面具備了靈活性。BigQuery 有一些獨(dú)特的功能，它支持本地機(jī)器學(xué)習(xí)和地理空間分析。通過(guò)Cloud Pub/Sub、Cloud Dataflow、Cloud Bigtable、Cloud AI Platform 和許多第三方集成工具，BigQuery 可以與傳統(tǒng)及現(xiàn)代系統(tǒng)交互，并滿(mǎn)足各類(lèi)吞吐量和延遲需求。此外，BigQuery 還支持ANSI 標(biāo)準(zhǔn)的SQL、列優(yōu)化和聯(lián)邦查詢(xún)，這些特性是實(shí)現(xiàn)用戶(hù)自助式、即席數(shù)據(jù)分析的關(guān)鍵。
讀者對(duì)象
本書(shū)面向數(shù)據(jù)分析師、數(shù)據(jù)工程師和數(shù)據(jù)科學(xué)家，幫助他們使用BigQuery 從大數(shù)據(jù)集中獲得見(jiàn)解。數(shù)據(jù)分析師可以通過(guò)SQL、儀表板工具（如Looker、Data Studio 和Tableau）與BigQuery 交互。數(shù)據(jù)工程師可以借助Apache Spark 和Apache Beam 等框架，用Python 或Java 編寫(xiě)數(shù)據(jù)pipeline，并將其與BigQuery集成。數(shù)據(jù)科學(xué)家可以在BigQuery 中構(gòu)建機(jī)器學(xué)習(xí)模型，對(duì)BigQuery 中的數(shù)據(jù)運(yùn)行TensorFlow 模型，并在Jupyter notebook 譯注1 中委托BigQuery 執(zhí)行分布式大規(guī)模運(yùn)算。
排版約定
在本書(shū)中，使用以下排版約定：
斜體字（Italic）
表示新名詞、URL、電子郵件地址、文件名以及文件擴(kuò)展名。
等寬字體（Constant width）
表示程序代碼，以及在正文中引用變量、函數(shù)名稱(chēng)、數(shù)據(jù)類(lèi)型、環(huán)境變量、語(yǔ)句、關(guān)鍵字等代碼中的元素。還用于展示命令和命令行的輸出。
等寬黑體（Constant width bold）
表示需要用戶(hù)輸入的命令或其他文本。
等寬斜體（Constant width italic）
需要替換成用戶(hù)自定義的值或根據(jù)上下文決定的值。
使用示例代碼
本書(shū)的目的是幫助你完成工作。本書(shū)中使用的示例代碼可以從GitHub（https://github.com/GoogleCloudPlatform/bigquery-oreilly-book）中找到。
總的來(lái)說(shuō)，你可以在自己的程序或文檔中使用本書(shū)所提供的示例代碼。如果不是對(duì)這些代碼進(jìn)行大規(guī)模的分發(fā)，就不需要聯(lián)系我們獲取授權(quán)。比如，編寫(xiě)一個(gè)程序，使用了本書(shū)中幾段示例代碼是不需要授權(quán)的。出售或分發(fā)包含OReilly圖書(shū)完整示例代碼的CD-ROM 則需要授權(quán)。引用書(shū)中的部分內(nèi)容或示例代碼來(lái)回答問(wèn)題不需要授權(quán)。在你的產(chǎn)品文檔中包含本書(shū)中大量的示例代碼則需要授權(quán)。
我們不強(qiáng)制要求署名，但如果你這么做，我們深表感激。署名一般包括書(shū)名、作者、出版社和書(shū)號(hào)（ISBN）。例如：Google BigQuery: The Definitive Guide by Valliappa Lakshmanan and Jordan Tigani (OReilly). Copyright 2020 Valliappa Lakshmanan and Jordan Tigani, 978-1-492-04446-8.。
如果你覺(jué)得對(duì)示例代碼的使用超出了合理的方式或上述許可范圍，可以與我們聯(lián)系：permissions@oreilly.com。
Kubernetes 清單文件、代碼示例和其他在本書(shū)中使用的腳本都可以從GitHub 獲取。你可以復(fù)制這些代碼倉(cāng)庫(kù)，按照不同的章節(jié)和內(nèi)容，直接使用這些代碼。
OReilly 在線學(xué)習(xí)平臺(tái)（OReilly Online Learning）
近40 年來(lái)，OReilly Media 致力于提供技術(shù)和商業(yè)培訓(xùn)、知識(shí)和卓越見(jiàn)解，來(lái)幫助眾多公司取得成功。
我們有一群獨(dú)家專(zhuān)家和創(chuàng)新者，他們通過(guò)圖書(shū)、文章、會(huì)議和在線學(xué)習(xí)平臺(tái)分享知識(shí)和技術(shù)。OReilly 的在線學(xué)習(xí)平臺(tái)提供按需訪問(wèn)的直播培訓(xùn)課程、詳細(xì)的學(xué)習(xí)路徑、交互式編程環(huán)境，以及由OReilly 和其他200 多家出版社出版的書(shū)籍和視頻。詳情請(qǐng)?jiān)L問(wèn)http://oreilly.com。
聯(lián)系我們
任何有關(guān)本書(shū)的意見(jiàn)或疑問(wèn)，請(qǐng)按照以下地址聯(lián)系出版社。
美國(guó)：
OReilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中國(guó)：
北京市西城區(qū)西直門(mén)南大街2 號(hào)成銘大廈C 座807 室（100035）
奧萊利技術(shù)咨詢(xún)（北京）有限公司
我們?yōu)楸緯?shū)提供了一個(gè)網(wǎng)頁(yè)，上面有勘誤表、示例和其他相關(guān)的信息，請(qǐng)?jiān)L問(wèn)：https://oreil.ly/google_bigquery_tdg。
有關(guān)本書(shū)的建議或者技術(shù)問(wèn)題，請(qǐng)發(fā)郵件到 bookquestions@oreilly.com。
有關(guān)其他圖書(shū)、講座、會(huì)議、新聞的信息，請(qǐng)?jiān)L問(wèn)我們的網(wǎng)站：http://www.oreilly.com。
我們的Facebook：http://facebook.com/oreilly。
我們的Twitter：http://twitter.com/oreillymedia。
我們的YouTube：http://www.youtube.com/oreillymedia。
致謝
我們（Lak 和Jordan）非常幸運(yùn)，感謝Elliott Brossard、Evan Jones、Graham Polley、Rebecca Ward 和Tegan Tigani 審核了本書(shū)的每一章，并提出了大量改進(jìn)建議。Elliott 確保了SQL 語(yǔ)句簡(jiǎn)潔干凈。Evan 在Google Finance 中使用BigQuery 的經(jīng)驗(yàn)讓我們受益。Graham 在許多涉及成本和區(qū)域化的討論中，為我們帶來(lái)了有價(jià)值的客戶(hù)視角。Rebecca 讓我們實(shí)事求是，Tegan 確保我們的語(yǔ)言簡(jiǎn)單明了。除了這五位，許多Google 工程師（Chad Jennings、Haris Khan、Misha Brukman、Daniel Gundrum、Mosha Pashumansky、Amir Hormati 和Mingge Deng）在他們的專(zhuān)業(yè)領(lǐng)域也審核了部分手稿。當(dāng)然，任何遺留的錯(cuò)誤都是我們?cè)斐傻摹?br />我們還要感謝我們各自的家人、同事和經(jīng)理（Rochana Golani 和Sudhir Hasbe）的支持。感謝OReilly 的編輯NicoleTaché 和Kristen Brown，很高興與你們合作。感謝我們的文字編輯Bob Russell，你敏銳的觀察力讓本書(shū)質(zhì)量得到了很大的提升。感謝Saptarshi Mukherjee，本書(shū)是你的創(chuàng)意，正是你促使我們兩人合作編寫(xiě)了這本BigQuery 新書(shū)。后，感謝BigQuery 的用戶(hù)（和競(jìng)爭(zhēng)對(duì)手），是你們推動(dòng)著我們優(yōu)化BigQuery，同時(shí)也感謝BigQuery 工程團(tuán)隊(duì)奇跡般地將其實(shí)現(xiàn)。我們將這本書(shū)100% 的版稅捐贈(zèng)給我倆共同參與的金縣（King County）聯(lián)合慈善機(jī)構(gòu)。我們強(qiáng)烈建議你參與當(dāng)?shù)卮壬茩C(jī)構(gòu)的捐贈(zèng)、志愿者活動(dòng)，采取行動(dòng)幫助解決社區(qū)面臨的嚴(yán)峻挑戰(zhàn)。