作者將在本文中介紹一些BigQuery的基本情況，并結(jié)合Paras Doshi最近撰寫的關(guān)于BigQuery的一些使用體會(huì)，對(duì)BigQuery來一個(gè)深入了解。

什么是BigQuery ？

BigQuery是真正為大數(shù)據(jù)而生的企業(yè)級(jí)云計(jì)算產(chǎn)品，其核心是云平臺(tái)的一項(xiàng)基礎(chǔ)服務(wù)(PaaS)，用于對(duì)TB級(jí)別的大數(shù)據(jù)進(jìn)行實(shí)時(shí)的分析處理。

單純從技術(shù)上來看，BigQuery就是一個(gè)在云端的SQL服務(wù)（類SQL），提供對(duì)海量數(shù)據(jù)的實(shí)時(shí)分析；據(jù)Google工程師所說，其處理5個(gè)TB數(shù)據(jù)，15秒即可返回結(jié)果。

另外，BigQuery是一項(xiàng)付費(fèi)服務(wù)，旨在企業(yè)需要大規(guī)模數(shù)據(jù)分析，又無需承擔(dān)硬件設(shè)備的投資的情況下開展大數(shù)據(jù)業(yè)務(wù)。每月每1GB數(shù)據(jù)的存儲(chǔ)費(fèi)用是12美分；實(shí)時(shí)分析服務(wù)每月每處理1GB數(shù)據(jù)收費(fèi)3.5美分，每月前100GB的實(shí)時(shí)數(shù)據(jù)分析免費(fèi)。

Google BigQuery價(jià)格表

詳細(xì)價(jià)格表請(qǐng)參考：https://developers.google.com/bigquery/docs/pricing

BigQuery初體驗(yàn)——快！

Paras Doshi在博客中寫到他對(duì)BigQuery做了一個(gè)簡單的測試，在一個(gè)具有115000000行數(shù)據(jù)的實(shí)例中分別使用max、mean、avg等進(jìn)行查詢（或計(jì)算），BigQuery都會(huì)在幾秒內(nèi)返回結(jié)果；并且其中一些包含相對(duì)比較復(fù)雜的查詢，比如where、joins或group by。

事實(shí)上，查詢所返回結(jié)果的效率還取決于查詢的類型和SQL語句的效率，但無論如何，結(jié)果總是以超乎想象的速度返回。

關(guān)于數(shù)據(jù)源支持——悲催！

BigQuery很快，但還有一個(gè)問題，如何將TB級(jí)的大數(shù)據(jù)上傳到Google云存儲(chǔ)上面。當(dāng)然，不只是Google，這也是每個(gè)基于大數(shù)據(jù)的云存儲(chǔ)服務(wù)所面臨的問題。

更現(xiàn)實(shí)的問題是，如果已經(jīng)有數(shù)據(jù)在Amazon S3或微軟的云存儲(chǔ)上，這些數(shù)據(jù)是否可以供BigQuery調(diào)用來進(jìn)行分析？

答案是，呃，還不行（這點(diǎn)Google做的沒微軟好，微軟Azure上的Hadoop允許Amazon S3上的數(shù)據(jù)作為數(shù)據(jù)源）。甚至，如果你有數(shù)據(jù)在GAE上，你也需要單獨(dú)的將數(shù)據(jù)上傳到BigQuery，至少目前是這樣。

另外一個(gè)悲催的地方在于，BigQuery也無法支持Hadoop高級(jí)安裝（比如Hadoop on Azure或Amazon elastic MapReduce）。

還有就是，BigQuery只支持CSV格式。當(dāng)我們談?wù)摯髷?shù)據(jù)時(shí)，我們總是把Variability（數(shù)據(jù)多樣化）當(dāng)成最重要的一點(diǎn)來討論，很顯然，BigQuery所支持的數(shù)據(jù)類型還不夠多樣，或者說，非常單一。

總結(jié)

從篇幅上看，貌似BigQuery的缺點(diǎn)多于優(yōu)點(diǎn)。但從大數(shù)據(jù)的處理能力上來看，其TB級(jí)數(shù)據(jù)查詢結(jié)果秒出的效率還是讓人驚嘆的。

另外，更重要的一點(diǎn)是，低門檻和低成本。使用類SQL語言進(jìn)行數(shù)據(jù)分析，花上幾美元就得到Google服務(wù)器集群的性能，這些都大大降低了大數(shù)據(jù)業(yè)務(wù)的成本。至少你有一種廉價(jià)的方案來回答《關(guān)于大數(shù)據(jù) CEO們需要了解的五個(gè)問題》一文中老板們關(guān)于大數(shù)據(jù)成本的擔(dān)憂。

還有一點(diǎn)是關(guān)于數(shù)據(jù)上傳這個(gè)老大難問題。Paras Doshi在測試中使用了350GB的CSV數(shù)據(jù)文件（分成10GB每個(gè)）上傳到BigQuery，用時(shí)幾個(gè)小時(shí)（感嘆米國的大水管），這說明從本地集群到Google云進(jìn)行數(shù)據(jù)的遷移也不需要多少耐心，我們已經(jīng)習(xí)慣在下班時(shí)間上傳大數(shù)據(jù)，不是嘛？

原文鏈接：http://inbigdata.com/google-bigquery-first-look-and-try/