●前言 . 1
第1 章 Google BigQuery 是什麼 . 7
數據處理架構 7
關繫數據庫管理繫統 9
MapReduce 框架 .10
BigQuery: 一個Serverless、分布式 SQL 引擎 11
使用BigQuery 13
從數據集中獲得洞察 .13
ETL、EL 和ELT .15
強大的分析能力 17
易於管理 .19
BigQuery 起源 20
是什麼使BigQuery 成為可能？ 23
計算和存儲分離 23
存儲和網絡基礎設施 .24
存儲托管 .26
與Google Cloud Platform 集成 27
安全與合規.28
小結 .29
第2 章 基礎查詢語法 . 31
簡單查詢 32
使用SELECT 檢索行 33
使用AS 給列設置別名 .35
使用WHERE 進行過濾 .36
SELECT *、EXCEPT 和REPLACE 38
帶WITH 的子查詢 .39
使用ORDER BY 進行排序 40
聚合 .40
使用GROUP BY 計算聚合 40
使用COUNT 統計記錄數 42
使用HAVING 過濾分組項 .42
使用DISTINCT 查找唯一值 .43
數組與結構體簡介 45
使用ARRAY_AGG 創建數組 46
結構體數組.49使用數組 .50
UNNEST 數組 51
Join 表 52
Join 釋疑 .53
內連接 56
交叉連接 .57
外連接 59
保存和分享 60
查詢歷史記錄和緩存 .60
已保存的查詢 62
視圖與分享查詢 63
小結 .63
第3 章 數據類型、函數和運算符 65
數值類型和函數 66
數學函數 67
標準兼容的浮點除法 .68
SAFE 函數 68
比較 69
使用NUMERIC 進行準確的十進制計算 70
使用BOOL 72
邏輯運算符.72
條件表達式.74
使用COALESCE 進行更簡潔的NULL 處理 74
顯式類型轉換和隱式類型轉換 76
使用COUNTIF 避免對Boolean 值進行顯式類型轉換 78
字符串函數.79
國際化 80
打印和解析.82
字符串操作函數 83
轉換函數 .83
正則表達式.84
字符串函數總結 85
使用TIMESTAMP 86
解析和格式化時間戳 .87
提取日歷信息的各部分 88
時間戳運算.89
Date、Time 和DateTime 90
使用GIS 函數.91
小結 .92
第4 章 將數據加載到BigQuery . 95
基礎知識 96
從本地數據源加載 .96
指定Schema 104
復制到新表107
數據管理（DDL 和DML） 108
高效加載數據 . 110
聯邦查詢和外部數據源 113
如何使用聯邦查詢 113
何時使用聯邦查詢和外部數據源 . 118
Google Sheets 數據的交互式探索與查詢 .126
對Cloud Bigtable 數據進行SQL 查詢 136
傳輸和導出 142
數據傳輸服務 .142
導出Stackdriver 日志 .148
使用Cloud Dataflow 讀/ 寫BigQuery 150
遷移自有數據 155
小結 158
第5 章 使用BigQuery 進行開發 161
以編程的方式進行開發 161
通過REST 接口使用BigQuery .161
Google Cloud 客戶端庫 .170
通過數據科學工具訪問BigQuery .189
Google Cloud Platform 上使用Notebook .190
使用BigQuery、pandas 和Jupyter .195
通過R 使用BigQuery 200
Cloud Dataflow 202
JDBC/ODBC 驅動 205
將BigQuery 數據導入Google Slides（G 套件）.206
通過Bash 腳本使用BigQuery .208
創建數據集和表 209
執行查詢 212
BigQuery 對像 214
小結 216
第6 章 BigQuery 架構 219
高層架構 219
查詢請求的生命周期 220
BigQuery 升級 225
查詢引擎 Dremel 225
Dremel 架構 227
查詢執行 233
存儲 249
數據存儲 249小結 266
第7 章 性能與成本優化 . 267
需要遵循的原則 .267
影響性能的主要因素 268
控制成本 268
度量和故障排除 .270
使用 REST API 衡量查詢速度 271
使用BigQuery Workload Tester 測量查詢速度 .273
使用Stackdriver 排除任務故障 .275
讀取查詢計劃信息 277
提高查詢速度 .282
最小化I/O 284
緩存歷史查詢結果 .289
執行有效連接 .293
避免壓垮worker303
使用近似聚合函數 307
HLL 函數 .309
優化數據的存儲和訪問方式 . 311
最小化網絡開銷 311
選擇有效的存儲格式 315
通過表分區減少掃描量 .325
基於高基數鍵的聚簇表 .329
時間不敏感的用戶場景 333
批處理查詢334
文件加載 335
小結 336
第8 章 高級查詢 339
可復用查詢 339
參數化查詢340
用戶自定義SQL 函數 346
復用部分查詢 .351
高級SQL 355
使用數組 356
窗口函數 366
數據定義語言和數據操作語言 376
擴展SQL 383
JavaScript UDF 383
編寫腳本 385
高級函數 393
BigQuery 地理信息繫統 393
常用的統計函數 401
哈希算法 403
小結 407
第9 章 BigQuery 中的機器學習 409
什麼是機器學習 .409
設計機器學習問題 410
機器學習的種類 412
構建回歸模型 415
選擇標簽 415
探索數據集以尋找特征 .416
租車點的影響 .417
創建訓練數據集 420
訓練和評估模型 421
用模型預測423
檢查模型權重 .426
更復雜的回歸模型 428
構建分類模型 433
訓練 .434
預測 .437
選擇閾值 437
自定義BigQuery ML 439
控制數據分割 .439
平衡類別 441
正則化 442
k-Means 聚類 443
什麼在被聚集？ 443
聚類自行車租賃點 444
進行聚類 446
理解聚類 446
數據驅動決策 .449
推薦繫統 449
MovieLens 數據集 450
矩陣分解 451
進行推薦 453
整合用戶和電影信息 456
在GCP 上自定義機器學習模型 .463
超參數調整463
AutoML .468
Tensorflow 支持 469
小結 474
第10 章 BigQuery 安全管理 477
安全基礎設施 477
IAM 479
身份驗證 479
角色 .480
資源 .483
管理BigQuery .484
作業管理 484
授權用戶 485
恢復已刪除的記錄和表 .485
持續集成/ 持續部署 486
成本、賬單報表 489
儀表板、監控和審計日志 492
可用性、故障恢復和加密 .493
Zone、區域（Region）和多區域 .494
BigQuery 故障處理 .494
持久化、備份和故障恢復 498
隱私和加密499
監管與合規 500
數據本地化500
對數據子集的訪問 .501
刪除與單個個人相關的所有交易 .505
數據丟失預防 .510
CMEK 510
數據滲漏保護 .513
小結 514
作者介紹 515
封面介紹 515

本書的主要內容有：深入探討BigQuery的內部工作方式，包括其整體架構。學習BigQuery支持的數據類型、函數和運算符。優化查詢語句和schema，從而提高性能或降低成本。使用標準SQL中高級功能，如GIS、歷史快照、DDL/DML、用戶定義函數和腳本。使用BigQuery ML解決各類機器學習問題。學習如何保護數據、監控作業，以及授權用戶。