Visão geral

Neste laboratório, você carrega um registro de servidor da Web em uma tabela do BigQuery. Após o carregamento dos dados, consulte-os usando a interface do usuário da Web e a CLI do BigQuery.

Com o BigQuery, é possível realizar análises interativas de bancos de dados com vários petabytes, além de análises quase em tempo real de grandes conjuntos de dados. A ferramenta oferece uma linguagem de consulta e funções SQL 2011 conhecidas.

Os dados armazenados no BigQuery têm alta durabilidade. Por padrão, o Google armazena os dados de forma replicada sem cobrar a mais pelas réplicas. Com o BigQuery, é possível pagar apenas pelos recursos que você usar. Armazenar dados no BigQuery custa pouco. O custo de cada consulta é baseado na quantidade de dados processados. Quando uma consulta é enviada, paga-se apenas pelos nós de computação usados durante aquela consulta. Não é preciso pagar para manter um cluster de computação em execução.

O uso do BigQuery envolve a interação com diversos recursos do Google Cloud, incluindo projetos (abordados em outra parte deste curso), conjuntos de dados, tabelas e jobs. Este laboratório apresenta alguns desses recursos, resumindo o papel deles na interação com o BigQuery.

Conjuntos de dados: um conjunto de dados é um mecanismo de agrupamento que tem zero ou mais tabelas. É a menor unidade de controle de acesso. Os conjuntos de dados pertencem aos projetos do GCP. Cada conjunto pode ser compartilhado com os usuários individualmente.

Tabelas: uma tabela é uma estrutura com linhas e colunas que contém dados reais. Cada tabela tem um esquema que descreve colunas com tipo de valores. Cada tabela pertence a um conjunto de dados.

Objetivos

Neste laboratório, você aprenderá a fazer o seguinte:

• Carregar dados do Cloud Storage no BigQuery.
• Realizar uma consulta de dados no BigQuery.

Tarefa 1: fazer login no console do Google Cloud.

Para cada laboratório, você recebe um novo projeto do Google Cloud e um conjunto de recursos por um determinado período e sem custos financeiros.

1. Faça login no Qwiklabs em uma janela anônima.

2. Confira o tempo de acesso do laboratório (por exemplo, 1:15:00) e finalize todas as atividades nesse prazo.
   Não é possível pausar o laboratório. Você pode reiniciar o desafio, mas vai precisar refazer todas as etapas.

3. Quando tudo estiver pronto, clique em Começar o laboratório.

4. Anote as credenciais (Nome de usuário e Senha). É com elas que você vai fazer login no Console do Google Cloud.

5. Clique em Abrir Console do Google.

6. Clique em Usar outra conta, depois copie e cole as credenciais deste laboratório nos locais indicados.
   Se você usar outras credenciais, vai receber mensagens de erro ou cobranças.

7. Aceite os termos e pule a página de recursos de recuperação.

Anote se a região atribuída a você é mais próxima dos Estados Unidos ou da Europa.

Tarefa 2: carregar dados do Cloud Storage no BigQuery

Nesta tarefa, você vai importar dados externos de um bucket público do Cloud Storage diretamente para o BigQuery. Para isso, crie um conjunto de dados (logdata) e uma tabela (accesslog) usando o formato de arquivo CSV e o recurso de detecção automática do BigQuery para a criação do esquema.

1. No console do Google Cloud, no Menu de navegação (), clique em BigQuery e em Concluído.

2. Crie um conjunto de dados no seu projeto clicando no ícone Ver ações ao lado do ID do projeto na seção "Explorador". Em seguida, selecione Criar conjunto de dados.

3. Na caixa de diálogo Criar conjunto de dados, em ID do conjunto de dados, digite logdata.

4. Em Tipo de local, selecione EUA (várias regiões nos Estados Unidos).

5. Clique em Criar conjunto de dados.

6. Abra o ID do projeto e clique no ícone Ver ações ao lado do conjunto de dados logdata.

7. Selecione Criar tabela.

8. Na página Criar tabela, especifique as informações a seguir e mantenha as outras configurações padrão:

   Propriedade	Valor
   Criar tabela de	Google Cloud Storage
   Selecionar arquivo do bucket do GCS	cloud-training/gcpfci/access_log.csv
   Formato do arquivo	CSV
   Nome do conjunto de dados de destino	logdata
   Nome da tabela de destino	accesslog
   Tipo da tabela de destino	Tabela nativa

9. Em Esquema, selecione Detectar automaticamente.

10. Deixe os demais valores como estão e clique em Criar tabela.

    O BigQuery gera um job de carregamento para criar a tabela e fazer upload dos dados nela. Isso pode levar alguns segundos.

11. (Opcional) Para acompanhar o progresso do job, clique em Histórico de jobs.

12. Quando o job de carregamento estiver concluído, clique em logdata > accesslog.

13. Na página de detalhes da tabela, clique em Detalhes para ver as propriedades dela. Depois, clique em Visualização para ver os dados.

    Cada linha na tabela registra um hit em um servidor da Web. O primeiro campo, string_field_0, é o endereço IP do cliente. Entre o quarto e nono campos são registrados o dia, o mês, o ano, a hora, o minuto e o segundo em que o hit ocorreu. Nesta atividade, você aprenderá sobre o padrão diário de carregamento neste servidor da Web.

Clique em Verificar meu progresso para conferir o objetivo. Carregar dados do Cloud Storage no BigQuery

Tarefa 3: realizar uma consulta nos dados usando a IU da web do BigQuery

Nesta tarefa, você vai usar a interface da web do BigQuery para consultar a tabela accesslog criada anteriormente.

1. Na consulta EDITOR digite (ou copie e cole) o conteúdo a seguir:

2. Como você configurou o BigQuery para detectar automaticamente o esquema após o carregamento dos dados, as informações sobre a hora do dia em que cada um dos hits da web chegou estão em um campo denominado int_field_6.

   select int64_field_6 as hour, count(*) as hitcount from logdata.accesslog group by hour order by hour

   O validador de consulta informa que a sintaxe é válida (marca de seleção verde) e indica o volume de dados que será processado pela consulta. Com o volume de dados processado, é possível usar a calculadora de preços do Google Cloud para saber o preço da consulta.

3. Clique em Executar e analise os resultados. A que hora do dia o site tem mais atividade? E quando tem menos atividade?

Tarefa 4: realizar uma consulta nos dados usando o comando bq

Nesta tarefa, você vai usar o comando bq no Cloud Shell para consultar a tabela accesslog criada anteriormente.

1. No console do Google Cloud, clique em Ativar o Cloud Shell () e em Continuar. Se for solicitado, clique em Autorizar.

2. No prompt do Cloud Shell, digite o seguinte comando:

   bq query "select string_field_10 as request, count(*) as requestcount from logdata.accesslog group by request order by requestcount desc"

   Na primeira vez que você usa o comando bq, ele armazena em cache suas credenciais do Google Cloud e solicita que você escolha um projeto padrão. Escolha o projeto que o Qwiklabs atribuiu a você. O nome dele será qwiklabs-gcp- seguido por um número hexadecimal.

   Em seguida, o comando bq executa a ação solicitada na linha de comando. Qual URL oferecido por esse servidor da Web foi mais usado? E qual foi menos usado?

Parabéns!

Neste laboratório, você carregou dados armazenados no Cloud Storage em uma tabela hospedada pelo Google BigQuery. Em seguida, você consultou os dados para descobrir padrões.

Finalize o laboratório

Clique em Terminar o laboratório após a conclusão. O Google Cloud Ensina remove os recursos usados e limpa a conta por você.

Você vai poder avaliar sua experiência no laboratório. Basta selecionar o número de estrelas, digitar um comentário e clicar em Enviar.

O número de estrelas indica o seguinte:

• 1 estrela = muito insatisfeito
• 2 estrelas = insatisfeito
• 3 estrelas = neutro
• 4 estrelas = satisfeito
• 5 estrelas = muito satisfeito

Feche a caixa de diálogo se não quiser enviar feedback.

Para enviar seu feedback, fazer sugestões ou correções, use a guia Suporte.

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de empresas e produtos podem ser marcas registradas das empresas a que estão associados.