Google Cloud BigQuery Bewertungen & Produktdetails

Best thing about Bigquery is its scalability and managed service provided by GCP(Google cloud platform), it can connect seamlessly with almost all services available in the market whether it is on premises or cloud based. It is one of the largest Data warehouse which also comes up with Data Lakehouse feasibility. I also like about its security features like policy tags and authorized view. Bewertung gesammelt von und auf G2.com gehostet.

I don't think there is anything I don't like, maybe they need to work on estimated cost feature while running any query, sometime it doesn't show the memory associated with that and as its analytical warehouse, so real time update is not possible like transactional database, maybe in future they can add those features as well Bewertung gesammelt von und auf G2.com gehostet.

Als Datenmanagement-Spezialist, der regelmäßig BigQuery für die Handhabung großer Datensätze, Berichterstattung und Datenverarbeitung verwendet, gefällt mir am meisten die Geschwindigkeit und Skalierbarkeit, selbst bei sehr großen Datensätzen laufen Abfragen im Vergleich zu traditionellen Datenbanken sehr schnell. Es ist vollständig verwaltet, sodass wir uns keine Sorgen um Infrastruktur, Server oder Wartung machen müssen, was es einfach macht, sich auf die Datenarbeit statt auf den Betrieb zu konzentrieren. Die SQL-Schnittstelle ist einfach und vertraut, was es Teams leicht macht, schnell damit zu beginnen. Ein weiterer Vorteil ist die nahtlose Integration mit Google Cloud-Diensten, die beim Aufbau von End-to-End-Datenpipelines hilft. Es ist vollständig verwaltet, sodass es nicht notwendig ist, Server oder Infrastruktur zu handhaben, was es sehr einfach zu verwenden und zu warten macht. Es macht die Datenverarbeitung schneller, einfacher und effizienter für das Datenmanagement im großen Maßstab. Bewertung gesammelt von und auf G2.com gehostet.

das größte Problem ist das Kostenmanagement, da die Preisgestaltung auf gescannten Daten basiert. Wenn Abfragen nicht optimiert sind, kann es teuer werden. Auch Echtzeit-Updates sind nicht so stark wie bei einigen traditionellen Datenbanken, daher ist es nicht ideal für transaktionale Anwendungsfälle. Manchmal kann die Verwaltung von Berechtigungen und Zugriffskontrollen für große Teams etwas komplex sein. Bewertung gesammelt von und auf G2.com gehostet.

UI / UX:

Die Benutzeroberfläche ist sauber und intuitiv, besonders beim Schreiben und Testen von Abfragen. Funktionen wie Abfrageverlauf, gespeicherte Abfragen und Inline-Validierung erleichtern es, schnell zu iterieren. Selbst bei komplexen Abfragen fühlt sich der Editor flüssig und reaktionsschnell an, was dazu beiträgt, die gesamte Entwicklungszeit zu verkürzen.

Integrationen:

BigQuery integriert sich nahtlos mit Tools wie Looker, Data Transfer Service und anderen Google Cloud-Produkten. Dies erleichtert den Aufbau von End-to-End-Datenpipelines, ohne stark auf benutzerdefinierte Integrationen angewiesen zu sein. Ein zentrales Data Warehouse zu haben, das sich mühelos mit Reporting-Tools verbindet, hat auch die Datenkonsistenz erheblich verbessert.

Leistung:

Die Leistung ist eine der größten Stärken von BigQuery. Ich kann Abfragen auf sehr großen Datensätzen ausführen und erhalte dennoch Ergebnisse in Sekunden. Dies hat die Bearbeitungszeit für Analysen und Berichte drastisch reduziert, was schnellere Entscheidungsfindung unterstützt.

Preisgestaltung / ROI:

Das Pay-as-you-go-Preismodell bietet ein gutes Preis-Leistungs-Verhältnis, insbesondere da ich nur für die Abfragen bezahle, die ich ausführe. In Kombination mit der Zeitersparnis durch das Nicht-Verwalten von Infrastruktur und der Fähigkeit, schneller Einblicke zu gewinnen, liefert es einen starken ROI.

Support / Onboarding:

Der Einstieg in BigQuery ist relativ unkompliziert, insbesondere für Benutzer, die bereits mit SQL vertraut sind. Die Dokumentation ist solide, und das breitere Ökosystem erleichtert das Onboarding im Vergleich zu traditionellen Data Warehouses.

KI / Intelligenz:

Eingebaute Funktionen wie BigQuery ML, zusammen mit Integrationen mit KI-Tools, bieten zusätzlichen Wert, indem sie prädiktive Analysen direkt innerhalb der Plattform ermöglichen. Dies reduziert die Notwendigkeit, Daten in externe Systeme zu verschieben, und unterstützt fortgeschrittenere Anwendungsfälle innerhalb derselben Umgebung.

Die Ressourcen und die Dokumentation sind ebenfalls unkompliziert und leicht verständlich. Bewertung gesammelt von und auf G2.com gehostet.

Eine fortlaufende Herausforderung ist die Kostenübersicht und -kontrolle. Da die Preisgestaltung auf der Menge der pro Abfrage verarbeiteten Daten basiert, können die Kosten unerwartet steigen, wenn Abfragen nicht optimiert sind. Das bedeutet, dass Benutzer der Abfragegestaltung besondere Aufmerksamkeit schenken und die Nutzung sorgfältig überwachen müssen.

Die Benutzeroberfläche kann sich auch für fortgeschrittenere Arbeitsabläufe etwas eingeschränkt anfühlen. Sie funktioniert gut zum Schreiben von Abfragen, aber das Verwalten komplexer Pipelines oder das Debuggen von Problemen kann erfordern, zwischen mehreren Tools zu wechseln oder auf externe Lösungen zurückzugreifen.

Ein weiterer Nachteil ist die begrenzte Flexibilität bei der Fehlersuche. Wenn Jobs fehlschlagen oder Datenübertragungen auf Probleme stoßen, sind die Fehlermeldungen nicht immer sehr aussagekräftig, was das Debuggen zeitaufwändiger machen kann, als es sein müsste.

Schließlich, obwohl das Onboarding im Allgemeinen reibungslos verläuft, kann es dennoch Zeit in Anspruch nehmen, um Best Practices wie Partitionierung, Clustering und Kostenoptimierung zu erlernen – insbesondere für neue Benutzer. Bewertung gesammelt von und auf G2.com gehostet.

Ich nutze Google Cloud BigQuery, um Konzepte von Big Data zu lernen und Chatbots zu implementieren. Ich mag, dass alle Dienste und Produkte an einem Ort sind, was es einfach macht, BigQuery für verschiedene Anwendungsfälle zu nutzen. Ich schätze den einfachen Zugang und die Integration mit verschiedenen Tools. Nicht nur BigQuery, sondern die gesamte Google Cloud-Umgebung ist sehr anfängerfreundlich und bietet eine kostengünstige Sandbox zum Lernen. Tools wie Google CloudSQL, BigQuery, APIs und Vertex AI sind sehr wertvoll für das Erlernen der Chatbot-Implementierung. Die anfängliche Einrichtung von Google Cloud BigQuery war sehr einfach. Bewertung gesammelt von und auf G2.com gehostet.

Die Rechnungsdetails könnten klarer und leichter zu überwachen sein. Die Option, Zahlungen zu pausieren und fortzusetzen, könnte für eine einfachere Benutzererfahrung gestaltet werden. Es wäre wirklich hilfreich, die Möglichkeit zu haben, Zahlungen an Wochenenden zu pausieren oder eine Aufforderung zu erhalten, zu pausieren, wenn sie länger als 6 Stunden nicht genutzt werden. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag, dass Google Cloud BigQuery kostenlos ist, wenn man nicht in großem Maßstab arbeitet, was großartig ist, weil wir es nutzen, ohne dafür zu bezahlen. Ich würde auch sagen, dass die Benutzererfahrung ziemlich anständig ist. Außerdem denke ich, dass die anfängliche Einrichtung ziemlich schnell war. Im Vergleich zu anderen Diensten war es wahrscheinlich die schnellste. Bewertung gesammelt von und auf G2.com gehostet.

Die KI-Funktionen sind nicht sehr gut, daher nutze ich externe KI-Dienste, um Abfragen zu schreiben. Es gibt auch mehrere Möglichkeiten, dieselben Dinge zu tun, und es ist nicht ganz klar, welche die beste ist. Manchmal denke ich, dass die Benutzererfahrung etwas klarer sein könnte, was die besten Bedienungsmethoden wären. Die Tatsache, dass man eine Zertifizierung oder einen Kurs machen muss, um zu lernen, wie man das Produkt benutzt, zeigt, dass das Produkt nicht so intuitiv ist, wie es sein könnte. Bewertung gesammelt von und auf G2.com gehostet.

Die serverlose Architektur von BigQuery und die blitzschnelle SQL-Abfrageleistung bei riesigen Datensätzen sind außergewöhnlich. Die nahtlose Integration mit den Tools der Google Cloud Platform und das automatische Skalieren machen Datenanalysen mühelos, ohne dass eine Infrastruktur verwaltet werden muss. Eingebaute maschinelle Lernfähigkeiten und Echtzeitanalysen haben unsere Daten-Workflows erheblich verändert. Bewertung gesammelt von und auf G2.com gehostet.

Das Preismodell kann ohne ordnungsgemäße Optimierung und Kostenüberwachung bei groß angelegten Abfragen teuer werden. Die Lernkurve für erweiterte Funktionen und Abfrageoptimierungstechniken erfordert einen Zeitaufwand. Die begrenzte Unterstützung für bestimmte Datentypen und die gelegentliche Komplexität beim Debuggen verschachtelter Abfragen könnten für ein besseres Entwicklererlebnis verbessert werden. Bewertung gesammelt von und auf G2.com gehostet.

Was mir an BigQuery am besten gefällt, ist seine Fähigkeit, riesige Datensätze mit unglaublicher Geschwindigkeit zu verarbeiten, ohne sich um die Infrastruktur kümmern zu müssen. Seine serverlose, vollständig verwaltete Architektur ermöglicht es mir, mich auf die Analyse und das Ableiten von Erkenntnissen zu konzentrieren, und seine Integration mit anderen Google Cloud-Tools macht das Erstellen von Dashboards und Pipelines nahtlos. Bewertung gesammelt von und auf G2.com gehostet.

BigQuery ist leistungsstark, aber die Abfragekosten können steigen, wenn die Datensätze sehr groß sind und die Abfragen nicht optimiert sind. Ich umgehe dies normalerweise, indem ich partitionierte Tabellen verwende und Ergebnisse zwischenspeichere. Außerdem, obwohl es großartig für Analysen ist, benötigen sehr komplexe Datenumwandlungen oft zusätzliche ETL-Tools – aber das ist mit dem richtigen Ansatz handhabbar. Bewertung gesammelt von und auf G2.com gehostet.

Daten speichernEhrlich gesagt, der absolut beste Teil ist, wie es meine AppSheet-Apps sofort beschleunigt.

Als ich einen massiven Upload von 200.000 Zeilen bewältigen musste, hat BigQuery das mühelos gehandhabt.

Ich liebe es auch, meine umständliche Apps Script-Logik in sichere BigQuery Stored Procedures zu verlagern.

Es hält die schwere Datenmanipulation genau dort, wo sie hingehört, nämlich auf der Datenbankseite.

Außerdem haben mich die integrierten Wiederherstellungstools vor einem totalen Panikanfall gerettet, als ich eine Tabelle gelöscht habe!

Es nimmt einfach den ganzen Stress aus der Verwaltung riesiger Datensätze und sorgt dafür, dass alles schnell läuft. Bewertung gesammelt von und auf G2.com gehostet.

Wenn ich wählen müsste, was mich frustriert, dann ist es definitiv das strikte Schema-Management. Änderungen an einfachen Dingen wie Datentypen von Spalten oder der Reihenfolge von Spalten sind nicht immer so unkompliziert, wie sie sein sollten. Der Versuch, den Dauer-Typ von AppSheet perfekt mit BigQuery abzugleichen, bereitete mir anfangs echte Kopfschmerzen. Ich habe auch viel zu viel Zeit damit verbracht, diese nervigen Datums- und Zeitformatierungsfehler zu beheben! Es ist unglaublich leistungsstark, aber manchmal möchte man einfach schnelle Datenanpassungen vornehmen, ohne durch Reifen springen zu müssen. Bewertung gesammelt von und auf G2.com gehostet.

Ich mag die Richtlinien-Tags auf Spaltenebene und die Struktur von Google Cloud BigQuery. Datensätze mit Tabellen und Ansichten darin bieten eine bessere Struktur zur Verwaltung meiner Daten. Diese Einrichtung macht Daten einfach zu verwenden und hilft, zwischen verschiedenen Datentypen zu unterscheiden, während alles organisiert bleibt. Richtlinien-Tags sind großartig, weil sie die korrekte Datenverteilung an die richtigen Personen ermöglichen, ohne separate Tabellen erstellen zu müssen. Die Integration von Dataform ist mit diesem strukturierten Ansatz ebenfalls einfacher. Bewertung gesammelt von und auf G2.com gehostet.

Ich finde, dass die Zeilenfilterung verbessert werden könnte, um die Verwendung von strukturierten Spalten aus einer Referenztabelle zur Anwendung der Zeilenfilterung zu ermöglichen, was derzeit nicht möglich ist und uns dazu gezwungen hat, teure Workarounds zu erstellen. Es gibt hier und da einige Leistungsprobleme, und die GCP BigQuery-Benutzeroberfläche kann manchmal überwältigend sein, da zu viele Dinge auf dem Bildschirm erscheinen. Die Verwendung von BigQuery-Bibliotheken, insbesondere der BigQuery-API für Java, war anfangs etwas schwer zu verstehen, daher könnte eine bessere Dokumentation helfen, insbesondere im Bereich der Autorisierung. Auch die anfängliche Einrichtung war ohne Vorkenntnisse schwer zu verstehen. Bewertung gesammelt von und auf G2.com gehostet.

Sehr einfach zu verwenden und zu implementieren dank seiner serverlosen Architektur. Es bietet viele integrierte Funktionen für groß angelegte Analysen, integriert sich gut mit anderen Diensten in der Google Cloud und ist zuverlässig für häufige Datenanalyse-Workloads. Bewertung gesammelt von und auf G2.com gehostet.

Abfragekosten können bei häufiger Nutzung schwer vorherzusagen sein, und einige fortgeschrittene Integrationen oder Optimierungen erfordern zusätzliche Dienste innerhalb von Google Cloud. Kundensupport und Fehlerbehebung können ebenfalls von der gewählten Supportstufe abhängen. Bewertung gesammelt von und auf G2.com gehostet.