Overview

Google, IBM & Meta Certificates — All 10,000+ Courses at 40% Off

One annual plan covers every course and certificate on Coursera. 40% off for a limited time.

Ce cours aborde les principes de base de BigQuery pour les professionnels qui connaissent les entrepôts de données cloud basés sur SQL dans Redshift et qui souhaitent commencer à travailler dans BigQuery. Grâce à des contenus de cours interactifs et des ateliers pratiques, vous apprendrez à provisionner des ressources, à créer et à partager des assets de données, à ingérer des données et à optimiser les performances des requêtes dans BigQuery. En vous appuyant sur vos connaissances de Redshift, vous découvrirez également les similitudes et les différences entre Redshift et BigQuery pour faciliter votre prise en main des entrepôts de données dans BigQuery.

Syllabus

Architecture et provisionnement des ressources BigQuery

Ce module d'introduction résume les points clés de l'architecture et du provisionnement des ressources BigQuery, y compris la façon dont BigQuery utilise les emplacements pour exécuter les requêtes SQL et la gestion des charges de travail dans BigQuery. En s'appuyant sur vos connaissances de Redshift, ce module offre également une vue d'ensemble des similitudes et des différences entre l'architecture et le provisionnement des ressources de Redshift et de BigQuery pour faciliter votre prise en main de BigQuery.

Modèle de définition des données BigQuery

Ce module résume les points clés de la hiérarchie des ressources et du modèle de définition des données de BigQuery, y compris la création d'ensembles de données et de tables dans BigQuery. En s'appuyant sur vos connaissances de Redshift, ce module offre également une vue d'ensemble des similitudes et des différences entre les hiérarchies de ressources et les principaux types de données de Redshift et de BigQuery pour faciliter votre prise en main des données dans BigQuery.

BigQuery et Google Cloud IAM

Ce module résume les points clés du modèle IAM (Identity and Access Management) de Google Cloud, y compris la façon dont les rôles et les autorisations sont appliqués aux ensembles de données et aux tables dans BigQuery. En s'appuyant sur vos connaissances de Redshift, ce module offre également une vue d'ensemble des similitudes et des différences entre les rôles et les autorisations dans Redshift et BigQuery. Vous pourrez ainsi commencer à sécuriser et à partager vos données dans BigQuery.

Ingestion de données dans BigQuery

Ce module résume les principales options et les bonnes pratiques pour ingérer des données dans BigQuery, y compris le chargement de données par lot, l'ingestion en flux continu et les requêtes adressées à des sources de données externes. En s'appuyant sur vos connaissances de Redshift, ce module offre également une vue d'ensemble des similitudes et des différences entre les options d'ingestion de données de Redshift et de BigQuery. Vous pourrez ainsi commencer à lire et à charger vos données dans BigQuery.

Conception et optimisation de schémas BigQuery

Ce module résume les modèles courants et les bonnes pratiques pour concevoir et optimiser les schémas de tables dans BigQuery, y compris l'utilisation de champs imbriqués et répétés, le partitionnement et le clustering. En s'appuyant sur vos connaissances de Redshift, ce module offre également une vue d'ensemble des similitudes et des différences entre Redshift et BigQuery dans l'utilisation et la conception de schémas. Vous pourrez ainsi commencer à structurer et à optimiser vos données dans BigQuery.

SQL dans BigQuery

Ce module résume les principales fonctionnalités et opérations du dialecte SQL standard Google utilisé dans BigQuery, ainsi que les bonnes pratiques pour optimiser les performances des requêtes et contrôler les coûts dans BigQuery. En s'appuyant sur vos connaissances de Redshift, ce module offre également une vue d'ensemble des similitudes et des différences entre les dialectes et les fonctionnalités SQL de Redshift et de BigQuery. Vous pourrez ainsi commencer à exécuter et à optimiser des requêtes dans BigQuery.