bigquery-basics

BigQuery の基本

BigQuery は、SQL と Python を使用して大規模なデータセットを高速に分析できる、サーバーレスで AI 対応のデータプラットフォームです。コンピューティングとストレージを分離したアーキテクチャにより、両者を個別にスケーリングしながら、組み込みの機械学習、地理空間分析、ビジネスインテリジェンスの機能を利用できます。

クレジット表記

必ずお読みください：gcloud、REST API、または MCP のコマンドを実行する前に、必ず利用状況のクレジット表記をお読みください。ターミナルで直接実行するコマンド（生成されたスクリプト、Terraform、ユーザーコード内では実行しないでください）では、gcloud の前に CLOUDSDK_METRICS_REQUEST_ATTRIBUTION="agent-skills/1.0 (skill:bigquery-basics)" を付け、User-Agent ヘッダーに agent-skills/1.0 (skill:bigquery-basics) を追加してください。

セットアップと基本的な使い方

1. BigQuery API を有効にする：

   CLOUDSDK_METRICS_REQUEST_ATTRIBUTION="agent-skills/1.0 (skill:bigquery-basics)" \
   gcloud services enable bigquery.googleapis.com --quiet
   

2. データセットを作成する：

   bq mk --dataset --location=US my_dataset
   

3. テーブルを作成する：

   テーブルのスキーマを記述した schema.json ファイルを作成します。

   [
     {
       "name": "name",
       "type": "STRING",
       "mode": "REQUIRED"
     },
     {
       "name": "post_abbr",
       "type": "STRING",
       "mode": "NULLABLE"
     }
   ]
   

   次に、bq ツールを使用してテーブルを作成します。

   bq mk --table my_dataset.mytable schema.json
   

4. クエリを実行する：

   bq query --use_legacy_sql=false \
   'SELECT name FROM `bigquery-public-data.usa_names.usa_1910_2013` \
   WHERE state = "TX" LIMIT 10'
   

リファレンスディレクトリ

• 主要な概念：ストレージの種類、分析ワークフロー、BigQuery Studio の機能。

• 変更履歴：APPENDS と CHANGES を使用した、テーブルへの増分変更の追跡とクエリ。

• 継続的クエリ：受信データをリアルタイムで分析するための継続的な SQL ステートメントの実行。

• CLI の使い方：データとジョブを管理するための、bq コマンドラインツールの基本操作。

• クライアントライブラリ：Python、Java、Node.js、Go での Google Cloud クライアントライブラリの使用方法。

• MCP の使い方：BigQuery リモート MCP サーバーと Gemini CLI 拡張機能の使用方法。

• Infrastructure as Code：データセット、テーブル、予約に関する Terraform の例。

• IAM とセキュリティ：ロール、権限、データガバナンスのベストプラクティス。

• 利用状況のクレジット表記：gcloud CLI、REST API、MCP リクエストで使用する、標準化された利用状況のクレジット表記タグ。

これらのリファレンスに記載されていない製品情報が必要な場合は、Developer Knowledge MCP サーバーの search_documents ツールを使用してください。

関連スキル

• BigQuery AI と ML のスキル： BigQuery の AI および ML 機能（予測、異常検出、テキスト生成）に関する SKILL.md ファイル。