本书的主要内容有：深入探讨BigQuery的内部工作方式，包括其整体架构。学习BigQuery支持的数据类型、函数和运算符。优化查询语句和schema，从而提高性能或降低成本。使用标准SQL中高级功能，如GIS、历史快照、DDL/DML、用户定义函数和脚本。使用BigQuery ML解决各类机器学习问题。学习如何保护数据、监控作业，以及授权用户。

前言 . 1
第1 章 Google BigQuery 是什么 . 7
数据处理架构 7
关系数据库管理系统 9
MapReduce 框架 .10
BigQuery: 一个Serverless、分布式 SQL 引擎 11
使用BigQuery 13
从数据集中获得洞察 .13
ETL、EL 和ELT .15
强大的分析能力 17
易于管理 .19
BigQuery 起源 20
是什么使BigQuery 成为可能？ 23
计算和存储分离 23
存储和网络基础设施 .24
存储托管 .26
与Google Cloud Platform 集成 27
安全与合规.28
小结 .29
第2 章 基础查询语法 . 31
简单查询 32
使用SELECT 检索行 33
使用AS 给列设置别名 .35
使用WHERE 进行过滤 .36
SELECT *、EXCEPT 和REPLACE 38
带WITH 的子查询 .39
使用ORDER BY 进行排序 40
聚合 .40
使用GROUP BY 计算聚合 40
使用COUNT 统计记录数 42
使用HAVING 过滤分组项 .42
使用DISTINCT 查找唯一值 .43
数组与结构体简介 45
使用ARRAY_AGG 创建数组 46
结构体数组.49
元组 50
使用数组 .50
UNNEST 数组 51
Join 表 52
Join 释疑 .53
内连接 56
交叉连接 .57
外连接 59
保存和分享 60
查询历史记录和缓存 .60
已保存的查询 62
视图与分享查询 63
小结 .63
第3 章 数据类型、函数和运算符 65
数值类型和函数 66
数学函数 67
标准兼容的浮点除法 .68
SAFE 函数 68
比较 69
使用NUMERIC 进行准确的十进制计算 70
使用BOOL 72
逻辑运算符.72
条件表达式.74
使用COALESCE 进行更简洁的NULL 处理 74
显式类型转换和隐式类型转换 76
使用COUNTIF 避免对Boolean 值进行显式类型转换 78
字符串函数.79
国际化 80
打印和解析.82
字符串操作函数 83
转换函数 .83
正则表达式.84
字符串函数总结 85
使用TIMESTAMP 86
解析和格式化时间戳 .87
提取日历信息的各部分 88
时间戳运算.89
Date、Time 和DateTime 90
使用GIS 函数.91
小结 .92
第4 章 将数据加载到BigQuery . 95
基础知识 96
从本地数据源加载 .96
指定Schema 104
复制到新表107
数据管理（DDL 和DML） 108
高效加载数据 . 110
联邦查询和外部数据源 113
如何使用联邦查询 113
何时使用联邦查询和外部数据源 . 118
Google Sheets 数据的交互式探索与查询 .126
对Cloud Bigtable 数据进行SQL 查询 136
传输和导出 142
数据传输服务 .142
导出Stackdriver 日志 .148
使用Cloud Dataflow 读/ 写BigQuery 150
迁移自有数据 155
小结 158
第5 章 使用BigQuery 进行开发 161
以编程的方式进行开发 161
通过REST 接口使用BigQuery .161
Google Cloud 客户端库 .170
通过数据科学工具访问BigQuery .189
Google Cloud Platform 上使用Notebook .190
使用BigQuery、pandas 和Jupyter .195
通过R 使用BigQuery 200
Cloud Dataflow 202
JDBC/ODBC 驱动 205
将BigQuery 数据导入Google Slides（G 套件）.206
通过Bash 脚本使用BigQuery .208
创建数据集和表 209
执行查询 212
BigQuery 对象 214
小结 216
第6 章 BigQuery 架构 219
高层架构 219
查询请求的生命周期 220
BigQuery 升级 225
查询引擎 Dremel 225
Dremel 架构 227
查询执行 233
存储 249
数据存储 249
元数据 256
小结 266
第7 章 性能与成本优化 . 267
需要遵循的原则 .267
影响性能的主要因素 268
控制成本 268
度量和故障排除 .270
使用 REST API 衡量查询速度 271
使用BigQuery Workload Tester 测量查询速度 .273
使用Stackdriver 排除任务故障 .275
读取查询计划信息 277
提高查询速度 .282
最小化I/O 284
缓存历史查询结果 .289
执行有效连接 .293
避免压垮worker303
使用近似聚合函数 307
HLL 函数 .309
优化数据的存储和访问方式 . 311
最小化网络开销 311
选择有效的存储格式 315
通过表分区减少扫描量 .325
基于高基数键的聚簇表 .329
时间不敏感的用户场景 333
批处理查询334
文件加载 335
小结 336
第8 章 高级查询 339
可复用查询 339
参数化查询340
用户自定义SQL 函数 346
复用部分查询 .351
高级SQL 355
使用数组 356
窗口函数 366
表元数据 373
数据定义语言和数据操作语言 376
扩展SQL 383
JavaScript UDF 383
编写脚本 385
高级函数 393
BigQuery 地理信息系统 393
常用的统计函数 401
哈希算法 403
小结 407
第9 章 BigQuery 中的机器学习 409
什么是机器学习 .409
设计机器学习问题 410
机器学习的种类 412
构建回归模型 415
选择标签 415
探索数据集以寻找特征 .416
租车点的影响 .417
创建训练数据集 420
训练和评估模型 421
用模型预测423
检查模型权重 .426
更复杂的回归模型 428
构建分类模型 433
训练 .434
预测 .437
选择阈值 437
自定义BigQuery ML 439
控制数据分割 .439
平衡类别 441
正则化 442
k-Means 聚类 443
什么在被聚集？ 443
聚类自行车租赁点 444
进行聚类 446
理解聚类 446
数据驱动决策 .449
推荐系统 449
MovieLens 数据集 450
矩阵分解 451
进行推荐 453
整合用户和电影信息 456
在GCP 上自定义机器学习模型 .463
超参数调整463
AutoML .468
Tensorflow 支持 469
小结 474
第10 章 BigQuery 安全管理 477
安全基础设施 477
IAM 479
身份验证 479
角色 .480
资源 .483
管理BigQuery .484
作业管理 484
授权用户 485
恢复已删除的记录和表 .485
持续集成/ 持续部署 486
成本、账单报表 489
仪表板、监控和审计日志 492
可用性、故障恢复和加密 .493
Zone、区域（Region）和多区域 .494
BigQuery 故障处理 .494
持久化、备份和故障恢复 498
隐私和加密499
监管与合规 500
数据本地化500
对数据子集的访问 .501
删除与单个个人相关的所有交易 .505
数据丢失预防 .510
CMEK 510
数据渗漏保护 .513
小结 514
作者介绍 515
封面介绍 515