Summary  
This chapter covers strategies for estimating and controlling costs in usage-based data query and storage services, detailing pricing models, storage tiers, partitioning techniques, and billing alerts.

General domain of usage  
Cloud data analytics

BigQuery-lagring er opdelt i to typer: **Aktiv lagring** og **Langtidslagring**. Denne model er designet til at balancere ydeevne og omkostninger uden behov for manuel flytning af data.

**Aktiv lagring** anvendes til data, der er blevet tilgået inden for de sidste 90 dage. Den understøtter hyppige forespørgsler og egner sig godt til realtids- og operationel analyse.

**Langtidslagring** anvendes automatisk på tabeller, der ikke er blevet forespurgt i mere end 90 dage. Data forbliver fuldt tilgængelige, men lagringsomkostningerne reduceres uden ændringer i forespørgsler eller tabelstruktur.

BigQuery optimerer lagring gennem indbyggede funktioner såsom **automatisk komprimering**, **geografisk redundans** og **fleksibel datalivscyklusstyring**. Der er ingen minimumsvarighed for lagring, hvilket gør det muligt for data at bevæge sig problemfrit mellem lagringsniveauer baseret på brug.

For at styre lagringsomkostninger anbefales følgende bedste praksis:

* Sletning af ubrugte tabeller;
* Indstilling af udløbsdatoer for tabeller;
* Partitionering af store tabeller for at begrænse mængden af scannede data;
* Regelmæssig overvågning af lagringsforbrug.

BigQuery tilbyder også flere **gratis lagringsrelaterede operationer**, herunder cachede forespørgselsresultater, indlæsning af data i tabeller, ændring af skemaer og oprettelse af tabeller ved hjælp af `SELECT`-forespørgsler. Disse funktioner hjælper med at reducere den operationelle byrde og holde lagringen effektiv.

Hvordan hjælper Langtidslagring med at reducere omkostninger?

Hvilken af følgende er en omkostningsbesparende metode i BigQuery?

Dyk ned i grundlæggende principper for BigQuery-platformen og forvandl måden, du håndterer cloud-data på. Opnå færdigheder til at navigere i konsollen, administrere projekter og optimere forespørgselsomkostninger. Få praktisk erfaring med BigQuery-specifikke funktioner som array-operationer, geografiske data og datofunktioner. Udforsk avancerede optimeringsteknikker og lær hemmelighederne bag at opbygge maskinlæringsmodeller direkte i lageret ved hjælp af BigQuery ML.

Opnå en solid forståelse af BigQuery-miljøet, som adskiller sig fra traditionelle databaser. Lær at navigere i konsollen, administrere projekter og datasæt samt analysere omkostninger effektivt. Opbyg tillid til opsætning af dit arbejdsområde for effektiv dataanalyse.

Undersøg det grundlæggende i Query Engine for effektiv datahentning. Behersk teknikker til dataselektion og lær at analysere specifikke produktmålinger. Opdag ydeevnefunktioner og metoder til test af forespørgsler for at sikre, at analysen er både hurtig og præcis.

Udvid din viden ved at mestre BigQuerys unikke datatyper. Lær at håndtere komplekse array-operationer og manipulere dato- og tidsfunktioner. Udforsk geografiske funktioner for at løse lokalitetsbaserede udfordringer såsom beregning af afstande mellem byer.

Optimer arbejdsgangen ved at håndtere store tabeller og forbedre forespørgselsydelsen. Lær hemmelighederne bag effektiv fejlhåndtering for hurtig problemløsning. Opnå færdigheder til at vedligeholde et højtydende database-miljø.

Anvend din viden i virkelige scenarier. Lær at opbygge omfattende rapporter og integrere BigQuery med eksterne værktøjer. Omform rådata til handlingsorienterede forretningsindsigter gennem praktisk anvendelse og rapporteringsstrategier.

Dyk ned i grundlæggende BigQuery ML. Lær, hvordan man opretter og kører maskinlæringsmodeller ved hjælp af standard SQL uden at flytte data. Få praktisk erfaring med modelgennemgange til at forudsige resultater direkte på platformen.

Forståelse af BigQuery-omkostninger

1. Hvad definerer Aktiv lagring i BigQuery?

2. Hvordan hjælper Langtidslagring med at reducere omkostninger?

3. Hvilken af følgende er en omkostningsbesparende metode i BigQuery?

4. Hvad er en gratis operation i BigQuery?