企業は、多くのトランザクションを完了するネットワークアプリケーションから大量のデータを絶えず受け取り、何百万人もの人々と増え続ける接続デバイスにサービスを提供しています。 競争力を維持するための最も重要な条件は、このデータの変化に迅速に対応する能力です。 同時に、企業は、このペースの仕事に単純に対応できないシステムを使用して、大量の情報（時には1日に数百ギガバイト）の収集、保存、分析に従事しています。
BigQueryは、企業が洗練された高価な機器に投資することなくこの問題に対処できるように作成されました。 タスクを簡素化できる2つの新機能の紹介。
リアルタイムストリーミング
これで、単純なAPI呼び出し
tabledata().insertAll()使用して、レコード
tabledata().insertAll()データレコードを転送できます。 これにより、キャッシングと後続のデータ転送を連続して行うためのシステムを作成および維持するのではなく、到着時にそれらをダウンロードできます。 そして最も重要なことは、データが
すぐに分析に利用できるよう
になることです。
BigQueryでのデータのストリーミングは簡単です。 これはPythonの例です：
body = {"rows":[ {"json": {"column_name":7.7,}} ]} response = bigquery.tabledata().insertAll( projectId=PROJECT_ID, datasetId=DATASET_ID, tableId=TABLE_ID, body=body).execute()
データをストリーミングする機能は、2014年1月1日までの試用期間中は無料で提供されます。 その後、サービスの提供には、1万エントリあたり1セントの料金が課金されます。 既存のバッチデータ入力システムは無料のままです。
テーブルサブセット分析
@ SQL . , , 24 , . , , 30 .
, BigQuery , SUM(), COUNT(), AVG(), MIN(), MAX(), FIRST_VALUE LAST_VALUE() , COVAR_POP(), COVAR_SAMP(), STDDEV_POP(), STDDEV_SAMP(), VAR_POP() VAR_SAMP() .
BigQuery , , , — , , .
.
BigQuery — , , . , Google+, # BigQuery .単純な新しい修飾子
@ SQL . , , 24 , . , , 30 .
, BigQuery , SUM(), COUNT(), AVG(), MIN(), MAX(), FIRST_VALUE LAST_VALUE() , COVAR_POP(), COVAR_SAMP(), STDDEV_POP(), STDDEV_SAMP(), VAR_POP() VAR_SAMP() .
BigQuery , , , — , , .
.
BigQuery — , , . , Google+, # BigQuery .を使用して、テーブルの特定のサブセットを選択的に分析することが可能になりました
@ SQL . , , 24 , . , , 30 .
, BigQuery , SUM(), COUNT(), AVG(), MIN(), MAX(), FIRST_VALUE LAST_VALUE() , COVAR_POP(), COVAR_SAMP(), STDDEV_POP(), STDDEV_SAMP(), VAR_POP() VAR_SAMP() .
BigQuery , , , — , , .
.
BigQuery — , , . , Google+, # BigQuery .@ SQL . , , 24 , . , , 30 .
, BigQuery , SUM(), COUNT(), AVG(), MIN(), MAX(), FIRST_VALUE LAST_VALUE() , COVAR_POP(), COVAR_SAMP(), STDDEV_POP(), STDDEV_SAMP(), VAR_POP() VAR_SAMP() .
BigQuery , , , — , , .
.
BigQuery — , , . , Google+, # BigQuery .