CommencerCommencer gratuitement

Page d’accueil
Cours
Introduction à BigQuery

Types de date et d’heure dans BigQuery

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cet exercice fait partie du cours

Introduction à BigQuery

IntermédiaireNiveau de compétence

4.8+

Commencer le cours gratuitement

Dans ce chapitre, vous découvrirez les spécificités de BigQuery, la manière dont il exécute des requêtes analytiques volumineuses et ses différences avec d’autres entrepôts de données et bases de données.

Exercise 1: Introduction à BigQuery Exercise 2: Premiers pas avec l’e-commerce Exercise 3: Caractéristiques uniques de BigQuery Exercise 4: BigQuery comparé à une base de données SQL traditionnelle Exercise 5: Architecture de BigQuery Exercise 6: Classer les composants de BigQuery Exercise 7: Ordonner l’architecture de BigQuery Exercise 8: Organisation des données dans BigQuery Exercise 9: Structure d’une table Exercise 10: Règles de données BigQuery Exercise 11: Des tables dans la nature

Ce chapitre couvre les bases de l’écriture de requêtes dans BigQuery tout en proposant un rappel des concepts SQL. Vous verrez aussi comment ingérer des données en masse dans BigQuery et les différents types de données disponibles.

Exercise 1: Rédiger des requêtes dans BigQuery Exercise 2: Explorer les données du cours avec SQL Exercise 3: Trouver le montant total de la commande Exercise 4: Utiliser des jointures Exercise 5: Ingestion de données dans BigQuery Exercise 6: Charger des données locales dans BigQuery Exercise 7: Formats de données acceptés Exercise 8: Structurer une instruction LOAD DATA Exercise 9: Types de date et d’heure dans BigQuery

Exercice en cours

Exercise 10: Mise en forme des dates pour les rapports Exercise 11: Mise en forme des horodatages et des dates Exercise 12: Rechercher des données dans certaines plages Exercise 13: Utiliser CURRENT_TIMESTAMP Exercise 14: Données non structurées Exercise 15: Créer un tableau (array) dans une requête Exercise 16: Utiliser SEARCH avec des données non structurées Exercise 17: Désimbriquer des données avec UNNEST

Apprenez à interroger des données à l’aide des expressions de table communes, des agrégations et des fonctions de fenêtre.

Exercise 1: Common table expressions Exercise 2: Filtrer des données avec des CTE Exercise 3: Optimiser avec des CTE Exercise 4: Utiliser plusieurs CTE Exercise 5: Agrégations Exercise 6: Classifier les fonctions d’agrégation Exercise 7: Utiliser COUNTIF Exercise 8: Filtrer avec HAVING Exercise 9: ANY_VALUE Exercise 10: Agrégations spéciales dans BigQuery Exercise 11: Agrégats logiques Exercise 12: Utiliser STRING_AGG et ARRAY_CONCAT_AGG Exercise 13: Fonctions statistiques approximatives Exercise 14: Fonctions WINDOW Exercise 15: Écrire une requête avec fonction de fenêtre Exercise 16: RANK et LEAD/LAG Exercise 17: Utiliser des fonctions WINDOW basées sur les lignes Exercise 18: Filtrer avec QUALIFY

Comprenez tous les types de jointures dans BigQuery, gérez les données avec les instructions de manipulation des données et optimisez vos requêtes.

Exercise 1: Les jointures dans BigQuery Exercise 2: Trouver le bon type de jointure Exercise 3: Jointures RIGHT, LEFT et OUTER Exercise 4: UNNEST avec des CROSS JOIN Exercise 5: Jointures avec agrégations Exercise 6: Instructions du langage de manipulation des données (DML)Exercise 7: Types de manipulation des données Exercise 8: Utiliser des conditions dans les instructions DML Exercise 9: Points d’attention lors de l’utilisation des instructions DML Exercise 10: Stratégies d’optimisation des requêtes Exercise 11: Limiter la quantité de données Exercise 12: Trouver les commandes des 90 derniers jours Exercise 13: Optimiser des requêtes dans BigQuery Exercise 14: Félicitations !