これでBigQueryをドヤ顔で語れる！BigQueryの基本
•
58 likes•47,236 views
社内勉強会で発表するのに使った資料です。 google big queryが基本的な使い方が全て分かるようにまとめたもの ただし、続きはWebで（公式ドキュメントで）
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to これでBigQueryをドヤ顔で語れる！BigQueryの基本
Similar to これでBigQueryをドヤ顔で語れる！BigQueryの基本 (20)
これでBigQueryをドヤ顔で語れる！BigQueryの基本
- 2. 目次 2 ‣ BigQuery概要 ‣ BigQueryをちょっと試してみる ‣ BigQueryの基本 & Tips ‣ BigQueryの課金を減らす ‣ BigQueryまとめ
- 3. BigQuery概要 3 ‣ Googleが出しているデータベースストレージ ‣ フルマネージドサービス(複数地域に透過的なレプリケーション) ‣ デカイデータも処理可能(ペタバイト級もらくらく) ‣ 従量課金制 (怖い) ‣ 列指向 (Indexは無い ってか要らない) ‣ WriteとReadのみ。Updateは出来ない(と思っておいたほうがよい)
- 4. BigQuery概要 4 ‣ 分析に使う想定で、どんな軸でデータを見たいかを 事前にIndex設計とかしきれないよね。 ‣ データとして取れている、いろいろ全部の項目を 分析に使いたいよね。 ‣ 全部にIndex張るとか出来ないの？
- 9. トライアル 9
- 10. トライアル 10
- 11. トライアル 11
- 12. トライアル 12
- 13. トライアル 13 ‣ 画面のCreate New Tableからテーブル作成出来る ‣ CSVファイルなども手軽にimport ‣ Google Cloud Storageにあるデータも簡単にload ‣ 転送量無料 (バルク処理のみ、ストリームは有料)
- 14. トライアル 14
- 15. トライアル 15
- 17. BigQueryの基本&Tips 17 ‣ BigQueryは時に処理を数千台で行われる ‣ 指定されたテーブルの全てのデータを スキャンして処理を行う ‣ データサイズは数PBでも問題がない ‣ データサイズにもよるがクエリは数秒∼数分で返ってくる ‣ クエリでスキャンしたデータ量に対して課金
- 18. BigQueryの基本&Tips 18 ‣ データのインポート 無料 ‣ データのエクスポート 無料 ‣ ストレージ 1GBあたり$0.020/月 (参考: AWSの東京S3は$0.019 /GB + In/Outの転送量) ‣ クエリ でスキャンしたデータ量1TBあたり$5 (月ごとに1TBの無料利用枠あり) ‣ Streaming Insert 200MBあたり$0.01 (以前は10万行につき$0.01)
- 19. BigQueryの基本&Tips 19 ‣ プロジェクト > データセット > テーブル の階層構造 ‣ 列指向データベース ‣ 全てのデータは登録した時の時間を持つ ‣ Google Cloud Storage と相性が良い ‣ Streamingでデータ投入可能（課金されます）
- 20. BigQueryの基本&Tips 20 ‣ 基本はスキーマ定義する ‣ JSONを使うとスキーマレスで運用できる （SQLが難しくなるので、ご利用は計画的に） ‣ Streamingでの登録は fluent-plugin-bigqueryもある ‣ ローカルなど他の場所にあるデータは GCS(Google Cloud Storage)に入れてから BigQueryにインポートすると早い (bq loadコマンド)
- 21. BigQueryの基本&Tips 21 ‣ bq コマンド ‣ ls : プロジェクトやデータセットの一覧を表示 ‣ load : ファイルなどをロード ‣ mk : テーブル作成 ‣ cp : テーブルなどのコピー ‣ query : クエリの実行 もっと知りたい人はこちら https://cloud.google.com/bigquery/bq-command-line-tool
- 22. BigQueryの基本&Tips 22 ‣ BigQueryのSyntax ‣ SELECT ‣ JOIN ‣ FROM ‣ WHERE ‣ ORDER BY もっと知りたい人はこちら https://cloud.google.com/bigquery/query-reference . ‣ GROUP BY ‣ HAVING ‣ LIMIT ‣ ROLLUP ‣ OMIT…IF
- 24. BigQueryの基本&Tips 24 ‣ Tips: BigQueryのCOUNT function ‣ COUNT(DISTINCT(field_name))は概算値を返す ‣ fieldの値はnon-nullな値をCount ‣ 正確な数値が欲しい場合は EXACT_COUNT_DISTINCTもしくは GROUP EACH BYしてCOUNT(*) の値を取得する ‣ BigQueryのCOUNTは第２引数があり、COUNTの概 算値を出す時の精度を指定する。(デフォルト:1000)
- 25. BigQueryの基本&Tips 25 ‣ BigQueryのJSONで使えるSyntax ‣ JSON_EXTRACT : JSONのパスからvalueを取り出す ‣ FLATTEN : 配列を１行のデータへ置き換える ‣ WITHIN : JSONのNodeからデータを取り出す ‣ WITHIN RECODE: JSONのレコードからデータを取り出す もっと知りたい人はこちら https://cloud.google.com/bigquery/query-reference
- 26. BigQueryの基本&Tips 26 ‣ Table wildcard functions ‣ TABLE_DATE_RANGE ‣ TABLE_DATE_RANGE_STRICT ‣ TABLE_QUERY もっと知りたい人はこちら https://cloud.google.com/bigquery/query-reference ※具体的な使い方は後述
- 27. BigQueryの基本&Tips 27 ‣ Table Decorators ‣ 登録された時間に対してクエリ範囲を指定する (範囲をmillisecondsで指定する) ‣ 指定できるのは過去７日以内のデータのみ もっと知りたい人はこちら https://cloud.google.com/bigquery/table-decorators (例) 今から1ms前∼60秒前までのデータを検索 SELECT COUNT(*) FROM [dataset.access_log@-60000‒1];
- 28. BigQueryの基本&Tips 28 ‣ もっと難しい変換とか計算したいんだけど！ という方に。 ‣ 大丈夫です。 UDF(User-Defined Functions) 使えます。 ‣ 言語はJavaScript もっと知りたい人はこちら https://cloud.google.com/bigquery/user-defined-functions
- 33. 大変なことになった例 33 ‣ 既存データからSELECTしたデータで新テーブルを作ろうとした http://qiita.com/itkr/items/745d54c781badc148bb9 --allow_large_results をつけないと、 データ量が多い場合に "Error: Response too large to return in big query というエラーになります。
- 34. BigQueryの課金を減らす 34 ‣ クエリでスキャンしたデータ量に対して課金 ‣ 指定されたテーブルの全てのデータを スキャンして処理を行う ‣ = 指定したテーブルサイズで課金額が決まる ‣ = WHERE句は課金額に関係ない （検索結果が絞りこまれ数件でも課金額には関係がない）
- 37. BigQueryの課金を減らす 37 ‣ 列型指向データベース ‣ カラムごとにデータを保持している ‣ 不用意なSELECT * FROM … のクエリをやめ、 必要なカラムのみをSELECTで指定する C1 C2 C3 C4 C5 C6 C7 C8 C9 R1 R2 R3 R4 SELECT * の時にスキャンするデータ C1 C2 C3 C4 C5 C6 C7 C8 C9 R1 R2 R3 R4 SELECT C1,C2,C5,C8 の時に スキャンするデータ
- 39. BigQueryの課金を減らす 39 ‣ スキャンの最小単位がテーブルなため テーブルを分割するのが定石 ‣ 巨大なデータで多いケースとして ログデータを扱うケースが多いため、まずは日付で 分割するのが定石 ‣ ログデータのため最近のデータほど価値が高い （利用頻度が多い）ケースが多い
- 40. BigQueryの課金を減らす 40 ‣ テーブル分割 : 期間で分割したテーブルを利用する mydata.people20140325 mydata.people20140326 mydata.people20140327
- 41. BigQueryの課金を減らす 41 ‣ テーブル分割 : 期間で分割したテーブルを利用する ‣ BigQueryで用意されている分割想定された関数を利用する ‣ TABLE_DATE_RANGE と TABLE_DATE_RANGE_STRICTの違いは シーケンスのなかで欠けている日次テーブルがあるときにエラーを返し ます。 ‣ 日別ではなく、月別で処理したいなどの時はYYYYMM01などの１日目 のデータのみを作るなどをすると楽です。
- 42. BigQueryの課金を減らす 42 ‣ テーブル分割 : 自由なルールで分割する ‣ TABLE_QUERYを利用するとテーブル名に対して条件Queryを指定し て、合致したTableを検索対象のテーブルとして処理できます。 ‣ 例）テーブル名に oo が含まれて居て、テーブル名の長さが4以上のもの
- 43. BigQueryの課金を減らす 43 ‣ テーブル分割 : 自由なルールで分割する ‣ 例）名前の先頭が "boo" で、 その後ろに 3 個から 5 個の数字の連続が含まれているテーブルにマッチする
- 44. BigQueryの課金を減らす 44 ‣ テーブル分割 : 自由なルールで分割する ‣ テーブルを個別に指定する ‣ BigQueryのFROM句のカンマ区切りはJoinではなく、 Unionになっている
- 46. BigQueryの課金を減らす 46 ‣ WHERE句での絞り込みは課金には関係ない 関連するデータ全てをスキャンする (絞り込み後ではなく絞り込むために読むデータに対して課金される) ‣ SELECT句で指定するカラムできるだけ絞り込む （列指向なので油断してSelect * FROM … などにしない） ‣ テーブルは分割する（通常は期間で分割） TABLE_DATE_RANGEを使う前提で作ると便利 ‣ 全期間で複数回のクエリを実行して分析したいときは BigQueryを諦めて別の仕組みを利用することを考える （RedShift、Hadoop系のSparkやHive等、ElasticSearch）
- 47. 最新Update情報 47 ‣ 米国時間12/15 Updateほやほや ‣ 監視ログ機能の追加(Beta) https://cloud.google.com/logging/docs/audit/ ‣ クォータをユーザが設定可能に！(使いすぎ防止) ‣ Query Explainグラフィカルツール ‣ などなど
- 49. まとめ 49 ‣ 更新は出来ない！分析用途で利用！ ‣ デカイデータに対して少ないクエリ回数で 利用出来る時に使える（データ量に対して激安！） （クエリ回数が多い時はまずRedShiftを検討） ‣ フルスキャンに気をつけろ！（トロケる） ‣ Index無し。あらゆる項目を軸に分析出来る！ ‣ どれだけデカくなっても早い！！！ ‣ Google的、富豪的解決方法！