کتاب Google BigQuery

توضیحات

کتاب Google BigQuery (Google BigQuery: راهنمای قطعی: انبار داده، تجزیه و تحلیل و یادگیری ماشینی در مقیاس) در 10 فصل به آموزش ابزار Google BigQuery پرداخته و به طور کاربردی آن را آموزش می‌دهد.

در ادامه مقدمه‌ای از کتاب Google BigQuery را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Google BigQuery:

شرکت‌ها به طور فزاینده‌ای در حال تبدیل شدن به داده‌ها هستند و یکی از اجزای کلیدی استراتژی داده هر سازمانی، انبار داده است – مخزن مرکزی داده‌های یکپارچه از سراسر شرکت. به طور سنتی، انبار داده توسط تحلیلگران داده برای ایجاد گزارش‌های تحلیلی استفاده می‌شد.

اما اکنون به طور فزاینده‌ای برای پر کردن داشبوردهای بیدرنگ، ایجاد پرس و جوهای موقت و ارائه راهنمایی‌های تصمیم‌گیری از طریق تجزیه و تحلیل پیش‌بینی‌کننده استفاده می‌شود. به دلیل این الزامات تجاری برای تجزیه و تحلیل پیشرفته و گرایش به سمت کنترل هزینه، چابکی و دسترسی به داده‌های سلف سرویس، بسیاری از سازمان‌ها به سمت انبارهای داده مبتنی بر ابر مانند Google BigQuery حرکت می‌کنند.

در کتاب Google BigQuery، ما یک تور کامل از BigQuery، یک انبار داده سازمانی بدون سرور، بسیار مقیاس پذیر و کم هزینه که در Google Cloud در دسترس است، ارائه می‌دهیم. از آنجایی که زیرساختی برای مدیریت وجود ندارد، شرکت‌ها می‌توانند روی تجزیه و تحلیل داده‌ها تمرکز کنند تا با استفاده از SQL آشنا، بینش‌های معنی‌داری پیدا کنند.

هدف ما از BigQuery ایجاد یک پلتفرم داده است که قابلیت‌های پیشرو را ارائه می‌دهد، از بسیاری از فناوری‌های عالی که اکنون در محیط‌های ابری در دسترس هستند، استفاده می‌کند و از فناوری‌های داده‌ای آزمایش‌شده و واقعی که امروز هم مرتبط هستند، پشتیبانی می‌کند. به عنوان مثال، BigQuery گوگل یک معماری محاسباتی بدون سرور است که محاسبات و ذخیره‌سازی را جدا می‌کند.

این لایه‌های مختلف معماری را قادر می‌سازد تا به طور مستقل اجرا و مقیاس شوند، و به توسعه‌دهندگان داده قابلیت انعطاف‌پذیری در طراحی و استقرار می‌دهد. تا حدودی منحصر به فرد، BigQuery از یادگیری ماشین بومی و تجزیه و تحلیل جغرافیایی پشتیبانی می‌کند.

با Cloud Pub/Sub، Cloud Dataflow، Cloud Bigtable، Cloud AI Platform و بسیاری از ادغام‌های شخص ثالث، BigQuery با هر دو سیستم سنتی و مدرن، در طیف وسیعی از توان عملیاتی و تأخیر دلخواه تعامل دارد. و در جبهه آزمایش شده و واقعی، BigQuery از SQL استاندارد ANSI، بهینه‌سازی ستونی، و پرس و جوهای فدرال پشتیبانی می‌کند، که کلیدی برای کاوش داده‌های موقتی سلف سرویس است که بسیاری از کاربران درخواست می‌کنند.

کتاب Google BigQuery برای چه افرادی است؟

این کتاب برای تحلیلگران داده، مهندسان داده و دانشمندان داده است که می‌خواهند از BigQuery برای استخراج بینش از مجموعه داده‌های بزرگ استفاده کنند. تحلیلگران داده می‌توانند از طریق SQL و از طریق ابزارهای داشبورد مانند Looker، Data Studio و Tableau با BigQuery تعامل داشته باشند.

مهندسان داده می‌توانند BigQuery را با خطوط لوله داده نوشته شده در پایتون یا جاوا و با استفاده از چارچوب‌هایی مانند Apache Spark و Apache Beam ادغام کنند. دانشمندان داده می‌توانند مدل‌های یادگیری ماشینی را در BigQuery بسازند، مدل‌های TensorFlow را روی داده‌ها در BigQuery اجرا کنند، و عملیات توزیع‌شده و در مقیاس بزرگ را از داخل یک نوت‌بوک Jupyter به BigQuery بسپارند.

سرفصل‌های کتاب Google BigQuery:

• Copyright
• Table of Contents
• Preface
• Chapter 1. What Is Google BigQuery?
• Chapter 2. Query Essentials
• Chapter 3. Data Types, Functions, and Operators
• Chapter 4. Loading Data into BigQuery
• Chapter 5. Developing with BigQuery
• Chapter 6. Architecture of BigQuery
• Chapter 7. Optimizing Performance and Cost
• Chapter 8. Advanced Queries
• Chapter 9. Machine Learning in BigQuery
• Chapter 10. Administering and Securing BigQuery
• Index
• About the Authors
• Colophon

جهت دانلود کتاب Google BigQuery می‌توانید پس از پرداخت، دریافت کنید.