Google BigQuery
W pełni zarządzana, serverlessowa hurtownia danych i platforma analityczna Google Cloud z funkcjami AI/ML (BigQuery ML, wyszukiwanie wektorowe, Gemini).
Dostępność regionalna
- US (multi-region)
- EU (multi-region)
- us-central1 (Iowa)
- us-east1 (South Carolina)
- europe-west1 (Belgium)
- europe-west3 (Frankfurt)
- asia-northeast1 (Tokyo)
- asia-south1 (Mumbai)
- australia-southeast1 (Sydney)
Opis
Google BigQuery to w pełni zarządzana, serverlessowa hurtownia danych i platforma analityczna w chmurze Google Cloud. Powstała z wewnętrznej technologii Google Dremel; zapowiedziana w 2010 r. i ogólnie dostępna od listopada 2011 r. Umożliwia analizę dużych zbiorów danych za pomocą standardowego SQL bez zarządzania infrastrukturą.
Platforma integruje funkcje AI/ML: BigQuery ML pozwala tworzyć, trenować i uruchamiać modele uczenia maszynowego bezpośrednio w SQL; BigQuery DataFrames udostępnia API w Pythonie (bigframes); Gemini in BigQuery wnosi funkcje generatywnej AI, a integracja z Vertex AI umożliwia wywoływanie modeli zdalnych. BigQuery oferuje natywne wyszukiwanie wektorowe (VECTOR_SEARCH, CREATE VECTOR INDEX) i generowanie embeddingów (ML.GENERATE_EMBEDDING), wspierając scenariusze RAG.
BigQuery udostępnia też publiczne zbiory danych, w tym prognozy pogody WeatherNext od Google DeepMind. Rozliczenie odbywa się w modelu on-demand (opłata za przeskanowane dane) lub pojemnościowym (sloty/edycje: Standard, Enterprise, Enterprise Plus).
Dane i wiedzaZarządzanie danymi i wiedząKonektory danych, integracja z bazami wektorowymi, native vector search i mechanizmy zarządzania danymi (PII, provenance, dane syntetyczne).
ZastosowaniaZastosowania AIDziedziny i scenariusze zastosowania, do których platforma jest najlepiej dopasowana – od RAG i fine-tuningu po zastosowania naukowe.
BezpieczeństwoBezpieczeństwo EnterpriseZestaw certyfikacji, kontroli dostępu oraz funkcji ochrony danych, kluczowych dla wdrożeń korporacyjnych i zachowania prywatności w chmurze.
Ekosystem deweloperskiEkosystem DeweloperskiZasoby wspierające programistów: dostępne biblioteki SDK, wspierane języki programowania oraz funkcje infrastrukturalne i metody wdrażania modeli.
Cennik i model biznesowyCennik i model biznesowyModele rozliczeń (usage-based, provisioned throughput), limity zasobów oraz parametry SLA (uptime, poziomy wsparcia).
Modele cenowe
Limity zasobów