前言
現(xiàn)如今，越來越多的企業(yè)都是數(shù)據(jù)驅(qū)動的，而數(shù)據(jù)倉庫則是任何數(shù)據(jù)戰(zhàn)略的關鍵組成之一，它是整個公司數(shù)據(jù)的中央存儲庫。數(shù)據(jù)倉庫通常被數(shù)據(jù)分析人員用來創(chuàng)建分析報告，但現(xiàn)在它也越來越多地被用于生成實時儀表盤、執(zhí)行即席查詢，以及通過預測分析提供決策指導。由于存在這些高級分析需求，以及逐漸向成本可控、敏捷和自助數(shù)據(jù)訪問轉(zhuǎn)變的趨勢，許多組織正轉(zhuǎn)向基于云的數(shù)據(jù)倉庫，如Google BigQuery。
在本書中，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)倉庫，可在Google Cloud 上使用。由于不需要管理基礎設施，企業(yè)可以專注于數(shù)據(jù)分析，通過使用熟悉的SQL 找到有意義的洞察。
BigQuery 設計的初衷就是為了提供一個數(shù)據(jù)平臺，該平臺不僅能夠提供前沿的技術能力，能充分利用云環(huán)境中現(xiàn)有的優(yōu)秀技術，還支持至今仍可靠適用的各種數(shù)據(jù)技術。例如，Google 的BigQuery 是一種serverless 的計算架構，它實現(xiàn)了計算和存儲分離。這使得架構中的不同層能夠獨立地運行和擴展，讓數(shù)據(jù)開發(fā)人員在設計和部署方面具備了靈活性。BigQuery 有一些獨特的功能，它支持本地機器學習和地理空間分析。通過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，并滿足各類吞吐量和延遲需求。此外，BigQuery 還支持ANSI 標準的SQL、列優(yōu)化和聯(lián)邦查詢，這些特性是實現(xiàn)用戶自助式、即席數(shù)據(jù)分析的關鍵。
讀者對象
本書面向數(shù)據(jù)分析師、數(shù)據(jù)工程師和數(shù)據(jù)科學家，幫助他們使用BigQuery 從大數(shù)據(jù)集中獲得見解。數(shù)據(jù)分析師可以通過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 編寫數(shù)據(jù)pipeline，并將其與BigQuery集成。數(shù)據(jù)科學家可以在BigQuery 中構建機器學習模型，對BigQuery 中的數(shù)據(jù)運行TensorFlow 模型，并在Jupyter notebook 譯注1 中委托BigQuery 執(zhí)行分布式大規(guī)模運算。
排版約定
在本書中，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、數(shù)據(jù)類型、環(huán)境變量、語句、關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）
表示需要用戶輸入的命令或其他文本。
等寬斜體（Constant width italic）
需要替換成用戶自定義的值或根據(jù)上下文決定的值。
使用示例代碼
本書的目的是幫助你完成工作。本書中使用的示例代碼可以從GitHub（https://github.com/GoogleCloudPlatform/bigquery-oreilly-book）中找到。
總的來說，你可以在自己的程序或文檔中使用本書所提供的示例代碼。如果不是對這些代碼進行大規(guī)模的分發(fā)，就不需要聯(lián)系我們獲取授權。比如，編寫一個程序，使用了本書中幾段示例代碼是不需要授權的。出售或分發(fā)包含OReilly圖書完整示例代碼的CD-ROM 則需要授權。引用書中的部分內(nèi)容或示例代碼來回答問題不需要授權。在你的產(chǎn)品文檔中包含本書中大量的示例代碼則需要授權。
我們不強制要求署名，但如果你這么做，我們深表感激。署名一般包括書名、作者、出版社和書號（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.。
如果你覺得對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中使用的腳本都可以從GitHub 獲取。你可以復制這些代碼倉庫，按照不同的章節(jié)和內(nèi)容，直接使用這些代碼。
OReilly 在線學習平臺（OReilly Online Learning）
近40 年來，OReilly Media 致力于提供技術和商業(yè)培訓、知識和卓越見解，來幫助眾多公司取得成功。
我們有一群獨家專家和創(chuàng)新者，他們通過圖書、文章、會議和在線學習平臺分享知識和技術。OReilly 的在線學習平臺提供按需訪問的直播培訓課程、詳細的學習路徑、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籍和視頻。詳情請訪問http://oreilly.com。
聯(lián)系我們
任何有關本書的意見或疑問，請按照以下地址聯(lián)系出版社。
美國：
OReilly Media, Inc.
1005 Gravenstein Highway North
Sebastopol, CA 95472
中國：
北京市西城區(qū)西直門南大街2 號成銘大廈C 座807 室（100035）
奧萊利技術咨詢（北京）有限公司
我們?yōu)楸緯�提供了一個網(wǎng)頁，上面有勘誤表、示例和其他相關的信息，請訪問：https://oreil.ly/google_bigquery_tdg。
有關本書的建議或者技術問題，請發(fā)郵件到 bookquestions@oreilly.com。
有關其他圖書、講座、會議、新聞的信息，請訪問我們的網(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，感謝Elliott Brossard、Evan Jones、Graham Polley、Rebecca Ward 和Tegan Tigani 審核了本書的每一章，并提出了大量改進建議。Elliott 確保了SQL 語句簡潔干凈。Evan 在Google Finance 中使用BigQuery 的經(jīng)驗讓我們受益。Graham 在許多涉及成本和區(qū)域化的討論中，為我們帶來了有價值的客戶視角。Rebecca 讓我們實事求是，Tegan 確保我們的語言簡單明了。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）在他們的專業(yè)領域也審核了部分手稿。當然，任何遺留的錯誤都是我們造成的。
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質(zhì)量得到了很大的提升。感謝Saptarshi Mukherjee，本書是你的創(chuàng)意，正是你促使我們兩人合作編寫了這本BigQuery 新書。后，感謝BigQuery 的用戶（和競爭對手），是你們推動著我們優(yōu)化BigQuery，同時也感謝BigQuery 工程團隊奇跡般地將其實現(xiàn)。我們將這本書100% 的版稅捐贈給我倆共同參與的金縣（King County）聯(lián)合慈善機構。我們強烈建議你參與當?shù)卮壬茩C構的捐贈、志愿者活動，采取行動幫助解決社區(qū)面臨的嚴峻挑戰(zhàn)。