Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Fundamentos do Mecanismo de Consulta | Fundamentos do Mecanismo de Consulta
Fundamentos do BigQuery

bookFundamentos do Mecanismo de Consulta

Deslize para mostrar o menu

Note
Prática Moderna

Nos exemplos em vídeo e no curso, você verá a função JSON_EXTRACT. Embora essa função seja totalmente suportada e funcione corretamente, ela é considerada uma sintaxe legada no BigQuery.

Para seus próprios projetos futuros, recomendamos o uso das funções padrão modernas:

  • JSON_VALUE: extrai valores escalares (como strings ou números) e remove aspas extras automaticamente;
  • JSON_QUERY: extrai objetos JSON complexos ou arrays.

Familiarize-se com a tabela utilizada ao longo da lição e descubra como o BigQuery executa consultas internamente. Foco no upload de dados CSV e na análise do comportamento das consultas utilizando gráficos de execução para melhor compreensão de desempenho e custo.

O processo inicia com o upload de um arquivo CSV pela interface web do BigQuery. O procedimento é simples: selecione Arquivo Local, ative o Autodetectar e conclua o upload. O BigQuery infere automaticamente o esquema e prepara os dados para consulta.

Sempre que uma consulta é executada, o BigQuery gera um gráfico de execução. Esse gráfico representa visualmente como os dados transitam por diferentes estágios de processamento, como filtragem, junções e agregações.

Os gráficos de execução facilitam a identificação dos pontos de maior consumo de tempo e custo da consulta. Consultas complexas são divididas em múltiplos nós e caminhos, mostrando como o BigQuery executa operações em paralelo para aumentar a eficiência. Essa visibilidade torna os gráficos de execução uma ferramenta poderosa para otimização de consultas.

Conheça a função JSON_EXTRACT para recuperar valores específicos de objetos JSON utilizando notação de caminho, como $.product.id. Isso é especialmente útil ao trabalhar com estruturas de dados aninhadas, comuns em dados de eventos ou conjuntos de dados de ecommerce.

A combinação da análise do gráfico de execução com funções como JSON_EXTRACT auxilia na elaboração de consultas mais eficientes e escaláveis, mantendo o controle sobre desempenho e custo.

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 1

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Seção 2. Capítulo 1
some-alt