谷歌BigQuery:從iPad或臺式機實現自助式云數據分析
譯文
BigQuery是谷歌提供的一種基于云的數據分析系統。它讓你可以上傳數據，然后使用SQL（結構化查詢語言）作為查詢界面，分析數據。BigQuery讓你每個月可以免費查詢多達100GB的數據。你只要為自己設立一個谷歌開發者（Google Developer）帳戶，就可以創建新項目，并在新項目中啟用BigQuery。
查詢后就能收到數據
BigQuery提供了一種簡單的、易于掌握的瀏覽器控制臺，左邊提供了數據集瀏覽，右邊提供了SQL查詢。查詢結果返回后，就會出現一些選項，讓你可以用本地CSV文件來保存結果，或者創建含有結果集內容的新表格。
這里顯示的是針對示例github_timeline表格執行的簡單查詢。來自查詢結果的頭幾行出現在屏幕右下方，另外還有讓你可以按頁翻閱數據的導航控件。請注意“Save as Table”（以表格格式保存）和“Download as CSV”（以CSV格式下載）這兩個選項，它們在Chrome和火狐運行很順暢。遺憾的是，Internet Explorer中沒有“Save as Table”這個選項（我們馬上會看到的文件上傳選項也沒有）。BigQuery中的一切在iPad上的Safari中也能順暢運行，不過你無法保存或上傳本地文件。
全是表格和列
BigQuery數據存儲在表格中，就像存儲在關系數據庫中。反過來，表格存儲在數據集中。數據集充當了安全部門，以便與特定用戶或整個公眾共享。谷歌提供了publicdata:samples數據集，該數據集添加到每一個BigQuery項目中。這讓你可以馬上檢查和查詢表格。
在屏幕左邊，你可以深入分析數據集，查看數據集含有的表格。選擇其中一個表格，表格模式就會出現在控制臺的右邊。該圖顯示了github_timeline表格的模式。請注意：屏幕左邊的標簽以粗體文本顯示，旁邊附有紅條。“Click to preview table data”（點擊即可預覽表格數據）鏈接的用途正如其名，但是你也可以編寫自己的SQL查詢。
觀看查詢運行情況
想運行查詢，輸入查詢，然后點擊“RUN QUERY”（運行查詢）按鈕，或者就在鍵盤上按Ctrl-Enter組合鍵。查詢運行時，查詢文本區被禁用，查詢計時器運行，就在“Query running”（查詢運行）標簽的旁邊。
BigQuery不允許“SELECT *”式樣的查詢；你而是必須指定所有的列名。雖然你可能會查詢龐大數據集，但是希望確保結果集很小。為此，就要充分利用聚合查詢（使用聚合函數和GROUP BY）以及/或者查詢末尾處的LIMIT n語句，如這里所示（即“LIMIT 200”出現在查詢末尾）。
表格使用datasetname.tablename語法來加以確認。如果你引用來自示例數據集的任何表格，就需要在“samples”數據集名稱前使用“publicdata:”這個前綴。
#p#
iPad上的BigQuery
BigQuery并非僅僅適用于大型臺式機和筆記本電腦。比如說，它在iPad上也可以很順暢地運行，如圖所示。BigQuery對平板電腦的使用也很熟悉：將你的iPad從橫向模式旋轉成縱向模式，頁面顯示就會相應調整，為你多顯示幾行數據。
創建表格
當然，你還可以創建自己的表格。只要將鼠標移到數據集上方，點擊出現在名稱數據集右邊的“+”符號，就可以調出“Create Table”（創建表格）表單，如上圖所示。在表單中，你只需要提供表格的編號（名稱）、模式（以一系列列名稱和數據類型來表示），并指向含有數據的源文件。然后點擊OK。
如果該文件的大小不超過10MB，你可以直接從自己電腦的硬盤中選擇。如果文件超過了10MB，就要先把它上傳到谷歌云存儲（Google Cloud Storage），然后提供文件的鏈接，在URI（統一資源標識符）的開始部分使用“gs://”，如圖所示。
BigQuery假設要從CSV（逗號分隔的值）文本文件導入，沒有初始行含有列名稱。要是你的文件使用非逗號分隔符，或者頭一行含有列名稱而不是數據，你可以告訴BigQuery你的文件使用什么分隔符以及略過頭一行（或頭幾行）的內容。
這個特定的CSV文件含有美國六個州歷史上的嬰兒名稱數據。該數據來自美國社會保障局的namesbystate.zip數據集合文件，該文件含有全部五十個州的數據，每個州都使用一個單獨的文件。不過我用僅僅六個州的數據創建而成的一個文件就有100多萬行。
監控任務
你在創建表格時，還可以監控數據裝入任務的進度，只要點擊屏幕左上方的“Job History”（任務歷史）鏈接。這會調出“Recent Jobs”（近期任務）屏幕，如圖所示。盡管鏈接中提到了“歷史”，但是你也可以查看運行中任務。點擊一個任務，你就能獲得詳細信息，如圖所示。
本地打開數據
當然，如果你擁有采用CSV格式的數據，沒有什么阻止得了你用Excel來打開數據。之后，你可以用Excel自己的文件格式來保存數據，然后開始處理數字。
PowerPivot也能進行“大”查詢
谷歌描述BigQuery是一種列存儲數據庫（column store database），很適合處理OLAP（聯機分析處理）查詢。微軟PowerPivot是Excel 2010的一款免費插件，它同樣很符合這個描述，可以從CSV文件同樣順暢地導入。下面是一旦數據進入到PowerPivot后呈現出來的樣子。把龐大數據集存儲到PowerPivot可以為你帶來遠高于把同樣數據直接存儲到電子表格的性能。
PowerPivot一個功能非常強大的方面在于它使用了數據壓縮技術。含有六個州嬰兒名稱的CSV文件其大小超過20MB，而含有PowerPiovt模型以及同樣這些數據的Excel工作簿其大小卻不到1MB。
不僅僅查詢，還直觀顯示
一旦你的數據在PowerPivot中，就很容易使用PivotTable（數據透視表）、圖表或者兩者同時使用，在Excel中重新顯示數據。我們在此看到的圖表對應于PowerPivot模型及嬰兒名稱數據，它在圖表的上面和左邊有幾個“切片器”（slicer）。
切片器讓你可以對數據進行過濾，并自動查看圖表更新。我們在此對查詢進行了過濾，只顯示1995年到2005年在亞利桑那州、加利福尼亞州、科羅拉多州和紐約州的Abigail和Allison這兩個姓名的數據。頂部的切片器只含有女孩的姓名，因為我們在左上方的“Gender”（性別）切片器中選擇了“F”（女性）。
回到云
這里是BigQuery中的同一結果。沒有直觀地顯示數據；不是只需點擊切片器，而是必須認真編寫查詢中的WHERE語句，才能獲得同樣的結果。查詢次數與PowerPivot的相當。
走PowerPivot這條路帶來了諸多優點，可能對許多用戶來說更有意義。但是BigQuery基于云，可以從任何聯網的計算機或設備來加以訪問。
原文鏈接：
