Località BigQuery
Questa pagina spiega il concetto di località e le diverse regioni in cui i dati possono essere archiviati ed elaborati. Anche i prezzi per l'archiviazione e l'analisi sono definiti dalla località dei dati e delle prenotazioni. Per ulteriori informazioni sui prezzi per le località, consulta Prezzi di BigQuery. Per scoprire come impostare la posizione del set di dati, consulta Creare set di dati. Per per informazioni sulle località di prenotazione, consulta Gestire le prenotazioni in diversi regioni.
Per ulteriori informazioni su come BigQuery Data Transfer Service utilizza la posizione, consulta Posizione dei dati e trasferimenti.
Località e regioni
BigQuery offre due tipi di dati e posizioni di calcolo:
Una regione è un luogo geografico ben preciso, come Londra.
Per più regioni si intende una grande area geografica, come gli Stati Uniti, che contiene due o più regioni. Località multiregionali possono fornire quote superiori rispetto alle singole regioni.
Per entrambi i tipi di località, BigQuery archivia automaticamente copie dei tuoi dati in due diverse zone di Google Cloud all'interno di una singola regione nel località selezionata. Per ulteriori informazioni su disponibilità e durabilità dei dati, consulta Affidabilità: emergenza pianificazione.
Località supportate
I set di dati BigQuery possono essere archiviati nelle seguenti regioni e nelle regioni multiple. Per ulteriori informazioni su regioni e zone, consulta Area geografica e regioni.
Regioni
La tabella seguente elenca le regioni nelle Americhe in cui è disponibile BigQuery.Descrizione regione | Nome regione | Dettagli |
---|---|---|
Columbus, Ohio | us-east5 |
|
Dallas | us-south1 |
A basse emissioni di CO2 |
Iowa | us-central1 |
A basse emissioni di CO2 |
Las Vegas | us-west4 |
|
Los Angeles | us-west2 |
|
Montréal | northamerica-northeast1 |
A basse emissioni di CO2 |
Virginia del Nord | us-east4 |
|
Oregon | us-west1 |
A basse emissioni di CO2 |
Salt Lake City | us-west3 |
|
San Paolo | southamerica-east1 |
A basse emissioni di CO2 |
Santiago | southamerica-west1 |
A basse emissioni di CO2 |
Carolina del Sud | us-east1 |
|
Toronto | northamerica-northeast2 |
Bassi livelli di CO2 |
Descrizione regione | Nome regione | Dettagli |
---|---|---|
Delhi | asia-south2 |
|
Hong Kong | asia-east2 |
|
Giacarta | asia-southeast2 |
|
Melbourne | australia-southeast2 |
|
Mumbai | asia-south1 |
|
Osaka | asia-northeast2 |
|
Seul | asia-northeast3 |
|
Singapore | asia-southeast1 |
|
Sydney | australia-southeast1 |
|
Taiwan | asia-east1 |
|
Tokyo | asia-northeast1 |
Descrizione della regione | Nome regione | Dettagli |
---|---|---|
Belgio | europe-west1 |
A basse emissioni di CO2 |
Berlino | europe-west10 |
A basse emissioni di CO2 |
Finlandia | europe-north1 |
A basse emissioni di CO2 |
Francoforte | europe-west3 |
A basse emissioni di CO2 |
Londra | europe-west2 |
Bassi livelli di CO2 |
Madrid | europe-southwest1 |
A basse emissioni di CO2 |
Milano | europe-west8 |
|
Paesi Bassi | europe-west4 |
A basse emissioni di CO2 |
Parigi | europe-west9 |
A basse emissioni di CO2 |
Torino | europe-west12 |
|
Varsavia | europe-central2 |
|
Zurigo | europe-west6 |
A basse emissioni di CO2 |
Descrizione regione | Nome regione | Dettagli |
---|---|---|
Dammam | me-central2 |
|
Doha | me-central1 |
|
Tel Aviv | me-west1 |
Descrizione regione | Nome regione | Dettagli |
---|---|---|
Johannesburg | africa-south1 |
Più regioni
La tabella seguente elenca le regioni multiple in cui è disponibile BigQuery.Descrizione per più regioni | Nome di più regioni |
---|---|
I data center all'interno di stati membri dell'Unione Europea1 | EU |
Data center negli Stati Uniti2 | US |
1 I dati situati nell'area multiregionale EU
sono disponibili solo
memorizzato in una delle seguenti località: europe-west1
(Belgio) o europe-west4
(Paesi Bassi).
La posizione esatta in cui i dati vengono archiviati ed elaborati viene determinata automaticamente da BigQuery.
2 I dati situati nell'area multiregionale US
sono disponibili solo
archiviato in una delle seguenti posizioni: us-central1
(Iowa),
us-west1
(Oregon) o us-central2
(Oklahoma). La posizione esatta in cui i dati vengono archiviati ed elaborati viene determinata automaticamente da BigQuery.
Località di BigQuery Studio
BigQuery Studio ti consente di salvare, condividere e gestire le versioni degli asset di codice come notebook e query salvate.
La tabella seguente elenca le regioni in cui BigQuery Studio è disponibile:
Descrizione regione | Nome regione | Dettagli | |
---|---|---|---|
Africa | |||
Johannesburg | africa-south1 |
||
Americhe | |||
Columbus | us-east5 |
||
Dallas | us-south1 |
A basse emissioni di CO2 | |
Iowa | us-central1 |
A basse emissioni di CO2 | |
Los Angeles | us-west2 |
||
Las Vegas | us-west4 |
||
Montréal | northamerica-northeast1 |
A basse emissioni di CO2 | |
N. Virginia | us-east4 |
||
Oregon | us-west1 |
A basse emissioni di CO2 | |
San Paolo | southamerica-east1 |
A basse emissioni di CO2 | |
Carolina del Sud | us-east1 |
||
Asia Pacifico | |||
Hong Kong | asia-east2 |
||
Giacarta | asia-southeast2 |
||
Mumbai | asia-south1 |
||
Seul | asia-northeast3 |
||
Singapore | asia-southeast1 |
||
Sydney | australia-southeast1 |
||
Taiwan | asia-east1 |
||
Tokyo | asia-northeast1 |
||
Europa | |||
Belgio | europe-west1 |
Bassi livelli di CO2 | |
Francoforte | europe-west3 |
A basse emissioni di CO2 | |
Londra | europe-west2 |
A basse emissioni di CO2 | |
Madrid | europe-southwest1 |
A basse emissioni di CO2 | |
Paesi Bassi | europe-west4 |
Bassi livelli di CO2 | |
Torino | europe-west12 |
||
Zurigo | europe-west6 |
A basse emissioni di CO2 | |
Medio Oriente | |||
Doha | me-central1 |
||
Dammam | me-central2 |
Località BigQuery Omni
Processi BigQuery Omni nella stessa posizione del set di dati che contiene le tabelle che stai l'esecuzione di query. Dopo aver creato il set di dati, la posizione non può essere modificata. Il tuo i dati risiedono all'interno del tuo account AWS o Azure. Regioni di BigQuery Omni supportare le prenotazioni della versione Enterprise e il computing on demand (analisi) i prezzi. Per ulteriori informazioni sulle versioni, vedi Introduzione alle versioni di BigQuery.Descrizione regione | Nome regione | Regione BigQuery assegnata | |
---|---|---|---|
AWS | |||
AWS - Stati Uniti orientali (Virginia del Nord) | aws-us-east-1 |
us-east4 |
|
AWS - Stati Uniti occidentali (Oregon) | aws-us-west-2 |
us-west1 |
|
AWS - Asia Pacifico (Seul) | aws-ap-northeast-2 |
asia-northeast3 |
|
AWS - Asia Pacifico (Sydney) | aws-ap-southeast-2 |
australia-southeast1 |
|
AWS - Europa (Irlanda) | aws-eu-west-1 |
europe-west1 |
|
AWS - Europa (Francoforte) | aws-eu-central-1 |
europe-west3 |
|
Azure | |||
Azure - Stati Uniti orientali 2 | azure-eastus2 |
us-east4 |
Località di BigQuery ML
BigQuery ML elabora e memorizza i dati in fasi nella stessa località il set di dati che li contiene.
BigQuery ML archivia i tuoi dati nella località selezionata in conformità ai Termini specifici dei servizi.
Sono supportate la previsione del modello BigQuery ML e altre funzioni di ML in tutte le regioni BigQuery. Il supporto per l'addestramento del modello varia in base regione:
Addestramento per addestrati internamente e modelli importati è supportato in tutte le regioni BigQuery.
L'addestramento per autoencoder, albero potenziato, DNN e modelli Wide and Deep è disponibile nelle regioni multiple
US
eEU
e nella maggior parte delle singole regioni. Consulta le la seguente tabella per ulteriori informazioni.L'addestramento per AutoML è supportato nelle regioni multiple
US
eEU
e nella maggior parte delle singole regioni.
Località per i modelli non remoti
Località regionali
Descrizione regione | Nome regione | Imported models |
Addestramento del modello integrato |
Addestramento di DNN/Autoencoder/ albero potenziato/ modelli Wide and Deep |
Addestramento modello AutoML |
Ottimizzazione degli iperparametri |
Integrazione di Vertex AI Model Registry | ||
---|---|---|---|---|---|---|---|---|---|
Americhe | |||||||||
Columbus, Ohio | us-east5 |
● | ● | ||||||
Dallas | us-south1 |
● | ● | ||||||
Iowa | us-central1 |
● | ● | ● | ● | ● | ● | ||
Las Vegas | us-west4 |
● | ● | ● | ● | ||||
Los Angeles | us-west2 |
● | ● | ● | ● | ||||
Montréal | northamerica-northeast1 |
● | ● | ● | ● | ● | ● | ||
Virginia del Nord | us-east4 |
● | ● | ● | ● | ● | ● | ||
Oregon | us-west1 |
● | ● | ● | ● | ● | |||
Salt Lake City | us-west3 |
● | ● | ● | |||||
San Paolo | southamerica-east1 |
● | ● | ● | ● | ||||
Santiago | southamerica-west1 |
● | ● | ||||||
Carolina del Sud | us-east1 |
● | ● | ● | ● | ● | |||
Toronto | northamerica-northeast2 |
● | ● | ● | |||||
Europa | |||||||||
Belgio | europe-west1 |
● | ● | ● | ● | ● | ● | ||
Berlino | europe-west10 |
● | ● | ||||||
Finlandia | europe-north1 |
● | ● | ● | |||||
Francoforte | europe-west3 |
● | ● | ● | ● | ● | ● | ||
Londra | europe-west2 |
● | ● | ● | ● | ● | ● | ||
Madrid | europe-southwest1 |
● | ● | ||||||
Milano | europe-west8 |
● | ● | ||||||
Paesi Bassi | europe-west4 |
● | ● | ● | ● | ● | ● | ||
Parigi | europe-west9 |
● | ● | ||||||
Torino | europe-west12 |
● | |||||||
Varsavia | europe-central2 |
● | ● | ||||||
Zurigo | europe-west6 |
● | ● | ● | ● | ● | ● | ||
Asia Pacifico | |||||||||
Delhi | asia-south2 |
● | ● | ||||||
Hong Kong | asia-east2 |
● | ● | ● | ● | ● | ● | ||
Giacarta | asia-southeast2 |
● | ● | ● | |||||
Melbourne | australia-southeast2 |
● | ● | ||||||
Mumbai | asia-south1 |
● | ● | ● | ● | ● | |||
Osaka | asia-northeast2 |
● | ● | ● | |||||
Seul | asia-northeast3 |
● | ● | ● | ● | ● | ● | ||
Singapore | asia-southeast1 |
● | ● | ● | ● | ● | ● | ||
Sydney | australia-southeast1 |
● | ● | ● | ● | ● | ● | ||
Taiwan | asia-east1 |
● | ● | ● | ● | ● | ● | ||
Tokyo | asia-northeast1 |
● | ● | ● | ● | ● | ● | ||
Medio Oriente | |||||||||
Dammam | me-central2 |
● | |||||||
Doha | me-central1 |
● | |||||||
Tel Aviv | me-west1 |
● | ● | ||||||
Africa | |||||||||
Johannesburg | africa-south1 |
● | ● |
Località multiregionali
Descrizione regione | Nome regione | Imported models |
Addestramento del modello integrato |
Addestramento di modelli DNN/autoencoder/ Boosted Tree/ Wide and Deep |
Addestramento del modello AutoML |
Ottimizzazione degli iperparametri |
Integrazione di Vertex AI Model Registry |
---|---|---|---|---|---|---|---|
Data center all'interno degli stati membri dell'Unione Europea1 | EU |
● | ● | ● | ● | ● | ● |
Data center negli Stati Uniti | US |
● | ● | ● | ● | ● | ● |
1 I dati situati nell'area multiregionale EU
non sono
archiviata nei dati di europe-west2
(Londra) o europe-west6
(Zurigo)
center.
L'integrazione di Vertex AI Model Registry è supportata solo per le integrazioni di una singola regione. Se invii un modello BigQuery ML multiregione a Model Registry, questo viene convertito in un modello regionale in Vertex AI.
Un modello statunitense multiregionale di BigQuery ML viene sincronizzato con Vertex AI
us-central1
e un modello UE multiregionale di BigQuery ML viene sincronizzato con
Vertex AI europe-west4
. Per i modelli a regione singola, sono disponibili
nessuna modifica.
Località per i modelli remoti
Località regionali
La tabella seguente mostra le regioni supportate per i diversi tipi di modelli remoti. Il nome della colonna indica il tipo di modello remoto.Descrizione regione | Nome regione | Modelli di cui è stato eseguito il deployment da Vertex AI | LLM per la generazione di testo | LLM di incorporamento del testo | API Cloud Natural Language | API Cloud Translation | API Cloud Vision | API Document AI | API Speech-to-Text | |
---|---|---|---|---|---|---|---|---|---|---|
Americhe | ||||||||||
Columbus, Ohio | us-east5 |
|||||||||
Dallas | us-south1 |
● | ● | |||||||
Iowa | us-central1 |
● | ● | ● | ● | |||||
Las Vegas | us-west4 |
● | ● | ● | ||||||
Los Angeles | us-west2 |
● | ||||||||
Montréal | northamerica-northeast1 |
● | ● | ● | ||||||
Virginia del Nord | us-east4 |
● | ● | ● | ||||||
Oregon | us-west1 |
● | ● | ● | ● | |||||
Salt Lake City | us-west3 |
● | ||||||||
San Paolo | southamerica-east1 |
● | ● | |||||||
Santiago | southamerica-west1 |
|||||||||
Carolina del Sud | us-east1 |
● | ● | ● | ||||||
Toronto | northamerica-northeast2 |
● | ||||||||
Europa | ||||||||||
Belgio | europe-west1 |
● | ● | ● | ● | |||||
Finlandia | europe-north1 |
● | ||||||||
Francoforte | europe-west3 |
● | ● | ● | ● | |||||
Londra | europe-west2 |
● | ● | ● | ● | |||||
Madrid | europe-southwest1 |
|||||||||
Milano | europe-west8 |
● | ||||||||
Paesi Bassi | europe-west4 |
● | ● | ● | ● | |||||
Parigi | europe-west9 |
● | ● | ● | ||||||
Torino | europe-west12 |
|||||||||
Varsavia | europe-central2 |
● | ||||||||
Zurigo | europe-west6 |
● | ● | |||||||
Asia Pacifico | ||||||||||
Delhi | asia-south2 |
|||||||||
Hong Kong | asia-east2 |
● | ● | |||||||
Giacarta | asia-southeast2 |
● | ||||||||
Melbourne | australia-southeast2 |
|||||||||
Mumbai | asia-south1 |
● | ● | ● | ||||||
Osaka | asia-northeast2 |
|||||||||
Seul | asia-northeast3 |
● | ● | ● | ||||||
Singapore | asia-southeast1 |
● | ● | ● | ● | |||||
Sydney | australia-southeast1 |
● | ● | ● | ||||||
Taiwan | asia-east1 |
● | ● | |||||||
Tokyo | asia-northeast1 |
● | ● | ● | ● | |||||
Medio Oriente | ||||||||||
Dammam | me-central2 |
|||||||||
Doha | me-central1 |
|||||||||
Tel Aviv | me-west1 |
● | ● |
Località multiregionali
La tabella seguente mostra quali regioni multiple sono supportate per diversi tipi di modelli remoti. Il nome della colonna indica il tipo di modello remoto.Descrizione regione | Nome regione | Modelli di cui è stato eseguito il deployment da Vertex AI | LLM per la generazione di testo | LLM di incorporamento del testo | API Cloud Natural Language | API Cloud Translation | API Cloud Vision | API Document AI | API Speech-to-Text |
---|---|---|---|---|---|---|---|---|---|
Data center all'interno degli stati membri dell'Unione Europea1 | EU |
● | ● | ● | ● | ● | ● | ||
Data center negli Stati Uniti | US |
● | ● | ● | ● | ● | ● | ● |
Località del traduttore SQL BigQuery
Quando esegui la migrazione dei dati dal data warehouse legacy a BigQuery, puoi usare diversi traduttori SQL per tradurre le query SQL in o altri dialetti SQL supportati. Questi includono il traduttore SQL interattivo, l'API SQL Translation e il traduttore SQL batch.
I traduttori SQL BigQuery sono disponibili nei seguenti località di elaborazione:
Descrizione regione | Nome regione | Dettagli | |
---|---|---|---|
Asia Pacifico | |||
Tokyo | asia-northeast1 |
||
Mumbai | asia-south1 |
||
Singapore | asia-southeast1 |
||
Sydney | australia-southeast1 |
||
Europa | |||
Multiregionale UE | eu |
||
Varsavia | europe-central2 |
||
Finlandia | europe-north1 |
Bassi livelli di CO2 | |
Madrid | europe-southwest1 |
A basse emissioni di CO2 | |
Belgio | europe-west1 |
A basse emissioni di CO2 | |
Londra | europe-west2 |
A basse emissioni di CO2 | |
Francoforte | europe-west3 |
A basse emissioni di CO2 | |
Paesi Bassi | europe-west4 |
A basse emissioni di CO2 | |
Zurigo | europe-west6 |
A basse emissioni di CO2 | |
Parigi | europe-west9 |
A basse emissioni di CO2 | |
Torino | europe-west12 |
||
Americhe | |||
San Paolo | southamerica-east1 |
A basse emissioni di CO2 | |
Multiregione Stati Uniti | us |
||
Iowa | us-central1 |
A basse emissioni di CO2 | |
Carolina del Sud | us-east1 |
||
Virginia del Nord | us-east4 |
||
Columbus, Ohio | us-east5 |
||
Dallas | us-south1 |
A basse emissioni di CO2 | |
Oregon | us-west1 |
Bassi livelli di CO2 | |
Los Angeles | us-west2 |
||
Salt Lake City | us-west3 |
Motore per suggerimenti su partizione e cluster BigQuery
Il motore per suggerimenti di partizionamento e clustering di BigQuery genera una partizione o un cluster per ottimizzare le tabelle BigQuery.
Il motore per suggerimenti di partizionamento e clustering è disponibile nelle seguenti versioni località di elaborazione:
Descrizione regione | Nome regione | Dettagli | |
---|---|---|---|
Asia Pacifico | |||
Delhi | asia-south2 |
||
Hong Kong | asia-east2 |
||
Giacarta | asia-southeast2 |
||
Mumbai | asia-south1 |
||
Osaka | asia-northeast2 |
||
Seul | asia-northeast3 |
||
Singapore | asia-southeast1 |
||
Sydney | australia-southeast1 |
||
Taiwan | asia-east1 |
||
Tokyo | asia-northeast1 |
||
Europa | |||
Belgio | europe-west1 |
Bassi livelli di CO2 | |
Berlino | europe-west10 |
A basse emissioni di CO2 | |
Multiregionale UE | eu |
||
Francoforte | europe-west3 |
A basse emissioni di CO2 | |
Londra | europe-west2 |
A basse emissioni di CO2 | |
Paesi Bassi | europe-west4 |
Bassi livelli di CO2 | |
Zurigo | europe-west6 |
A basse emissioni di CO2 | |
Americhe | |||
Iowa | us-central1 |
A basse emissioni di CO2 | |
Las Vegas | us-west4 |
||
Los Angeles | us-west2 |
||
Montréal | northamerica-northeast1 |
A basse emissioni di CO2 | |
Virginia del Nord | us-east4 |
||
Oregon | us-west1 |
A basse emissioni di CO2 | |
Salt Lake City | us-west3 |
||
San Paolo | southamerica-east1 |
A basse emissioni di CO2 | |
Toronto | northamerica-northeast2 |
A basse emissioni di CO2 | |
Stati Uniti (più regioni) | us |
Specifica le località
Durante il caricamento dei dati, l'esecuzione di query o l'esportazione dei dati, BigQuery
determina la località in cui eseguire il job in base ai set di dati a cui viene fatto riferimento
la richiesta. Ad esempio, se una query fa riferimento a una tabella in un set di dati archiviato
nella regione asia-northeast1
, il job di query verrà eseguito in quella regione.
Se una query non fa riferimento a tabelle o altre risorse contenute all'interno
set di dati e non viene fornita alcuna tabella di destinazione, il job di query verrà eseguito
US
(più regioni). Per assicurarti che le query BigQuery siano archiviate in
una o più regioni specifiche, specifica la località con la richiesta di job da
indirizzare la query di conseguenza quando utilizzi il cluster BigQuery globale
endpoint. Se non specifichi la località, le query potrebbero essere memorizzate temporaneamente
nei log del router BigQuery quando la query viene utilizzata per determinare
il percorso di elaborazione in BigQuery.
Se il progetto ha un
basata sulla capacità in una regione diversa da US
e la query
non fare riferimento a tabelle o altre risorse contenute nei set di dati,
deve specificare esplicitamente la località della prenotazione basata sulla capacità quando
durante l'invio del job. Gli impegni basati sulla capacità sono legati a una località, ad esempio
US
o EU
. Se esegui un job al di fuori della località della tua capacità, i prezzi
per quel job passa automaticamente ai prezzi on demand.
Puoi specificare la località in cui eseguire un job in modo esplicito nei seguenti modi:
- Quando esegui query sui dati utilizzando la console Google Cloud nell'editor query, fai clic su Altro > Termine di ricerca impostazioni, espandi Opzioni avanzate e seleziona Dati posizione.
- Quando usi lo strumento a riga di comando bq, fornisci il valore
--location
flag globale e imposta il valore alla tua posizione. - Quando utilizzi l'API, specifica la tua regione nell'attributo
location
nella sezionejobReference
della risorsa job.
BigQuery restituisce un errore se la località specificata non corrisponde la posizione dei set di dati nella richiesta. La posizione di ogni set di dati coinvolte nella richiesta, incluse quelle lette e quelle scritte in corrispondono alla posizione del job dedotta o specificata.
Le località a singola regione non corrispondono a quelle a più regioni, anche se la località a singola regione è contenuta in quella a più regioni. Pertanto,
una query o un job avranno esito negativo se la località include sia una località a una singola regione
e una località multiregionale. Ad esempio, se la posizione di un lavoro è impostata su US
,
il job non riuscirà se fa riferimento a un set di dati in us-central1
. Analogamente, un job
che fa riferimento a un set di dati in US
e a un altro set di dati in us-central1
non andrà a buon fine. Questo vale anche per le istruzioni JOIN
con tabelle in una regione e in una
in più regioni.
Query dinamiche non vengono analizzati finché non vengono eseguiti, quindi non possono essere utilizzati per eseguire determinare la regione di una query.
Località, prenotazioni e offerte di lavoro
Gli impegni di capacità sono una risorsa di regione. Quando acquisti slot, questi sono limitati a una regione o a più regioni specifiche. Se la tua unica capacità
impegno è nel EU
, quindi non puoi creare una prenotazione nel US
. Quando
crei una prenotazione, specifichi una località (regione) e una serie di slot.
Questi slot vengono estratti dall'impegno di capacità in quella regione.
Analogamente, quando esegui un job in una regione, viene utilizzata una prenotazione solo se la località del job corrisponde a quella di una prenotazione. Ad esempio, se
Assegna una prenotazione a un progetto in EU
ed esegui una query nel progetto
su un set di dati che si trova nella sezione US
, la query non viene eseguita sul EU
prenotazione. In assenza di una prenotazione US
, il job viene eseguito come
on demand.
Considerazioni sulla località
Quando scegli una località per i tuoi dati, considera quanto segue:
Cloud Storage
Puoi interagire con i dati di Cloud Storage utilizzando BigQuery nella nei seguenti modi:
- Eseguire query sui dati di Cloud Storage utilizzando Tabelle esterne BigLake o non BigLake
- Carica i dati di Cloud Storage in BigQuery
- Esportare i dati da BigQuery in Cloud Storage
Esegui query sui dati di Cloud Storage
Quando esegui query sui dati in Cloud Storage utilizzando un BigLake o un tabella esterna non BigLake, i dati su cui esegui la query devono essere collocati con il set di dati BigQuery. Ad esempio:
Bucket a regione singola: se il set di dati BigQuery si trova nella regione di Varsavia (
europe-central2
), anche il bucket Cloud Storage corrispondente deve trovarsi nella regione di Varsavia o in qualsiasi regione a due regioni di Cloud Storage che includa Varsavia. Se il set di dati BigQuery si trova nella multiregioneUS
, il bucket Cloud Storage può trovarsi nella multiregioneUS
, nella regione singola Iowa (us-central1
) o in qualsiasi regione doppia che include l'Iowa. Le query da qualsiasi altra singola regione hanno esito negativo, anche se il bucket si trova in una località contenuta all'interno di più regioni del set di dati. Ad esempio, se le tabelle esterne si trovano nella zona multiregionaleUS
e Il bucket Cloud Storage si trova in Oregon (us-west1
), il job non riesce.Se il set di dati BigQuery si trova nella località multiregionale
EU
, il bucket Cloud Storage può trovarsi nella località multiregionaleEU
, la singola regione del Belgio (europe-west1
) o qualsiasi regione a due regioni che includa Belgio. Le query da qualsiasi altra singola regione hanno esito negativo, anche se il bucket si trova in una località contenuta all'interno di più regioni del set di dati. Ad esempio, se le tabelle esterne si trovano nella zona multiregionaleEU
e Il bucket Cloud Storage si trova a Varsavia (europe-central2
), il job non va a buon fine.Bucket a due regioni: se il tuo Il set di dati BigQuery si trova nella regione di Tokyo (
asia-northeast1
), il bucket Cloud Storage corrispondente deve trovarsi nella regione di Tokyo, oppure in una doppia regione che include Tokyo, comeASIA1
a due regioni.Se il bucket Cloud Storage si trova in
NAM4
a due regioni o in qualsiasi altra regione a due regioni che include la regione Iowa(us-central1
), le istanze BigQuery corrispondenti il set di dati può trovarsi in più regioniUS
o in Iowa(us-central1
).Se il bucket Cloud Storage si trova nella doppia regione
EUR4
o in qualsiasi altra regione a due regioni che include la regione Belgio(europe-west1
), la regione BigQuery corrispondente il set di dati può trovarsi nella località multiregionaleEU
o in Belgio(europe-west1
).Bucket multiregionale: utilizzo di più regioni di località dei set di dati con bucket Cloud Storage multiregionali non consigliato per le tabelle esterne perché le prestazioni delle query esterne dipende da una latenza minima e da una larghezza di banda di rete ottimale.
Se il set di dati BigQuery si trova nella località multiregionale
US
, il bucket Cloud Storage corrispondente deve trovarsi nella località multiregionaleUS
, in una doppia regione che include l'Iowa (us-central1
), comeNAM4
due regioni o in una doppia regione personalizzata che include l'Iowa (us-central1
).Se il set di dati BigQuery si trova nella località multiregionale
EU
, il bucket Cloud Storage corrispondente deve trovarsi nella località multiregionaleEU
, in una doppia regione che include il Belgio (europe-west1
), comeEUR4
due regioni o in una regione doppia personalizzata che include il Belgio.
Per ulteriori informazioni sulle località Cloud Storage supportate, consulta Località dei bucket nella documentazione di Cloud Storage.
Carica i dati da Cloud Storage
Quando carichi dati da Cloud Storage, questi devono essere collocati insieme al set di dati BigQuery.
Puoi caricare i dati da un bucket Cloud Storage in qualsiasi posizione se il set di dati BigQuery si trova nell'area geografica multipla
US
.- Bucket multiregionale: se
Il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in un bucket multiregionale,
Il set di dati BigQuery può trovarsi nello stesso bucket multiregionale o in una singola regione inclusa nello stesso bucket multiregionale.
Ad esempio, se il bucket Cloud Storage si trova nella regione
EU
, il tuo set di dati BigQuery può trovarsi nella regioneEU
più regioni o una singola regione nelEU
. Bucket a due regioni: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in un bucket a due regioni, il tuo set di dati BigQuery può trovarsi nelle regioni incluse nel bucket a due regioni o in un'area geografica multiregionale che include la doppia regione. Ad esempio, se il tuo Cloud Storage Il bucket si trova nella regione
EUR4
, il set di dati BigQuery può trovarsi in Finlandia (europe-north1
) regione singola, Paesi Bassi (europe-west4
) una singola regione oEU
.Bucket a regione singola: se il tuo Il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in una singola regione, Il set di dati BigQuery può trovarsi nella stessa regione o in più regioni include la regione singola. Ad esempio, se il bucket Cloud Storage si trova in Finlandia, (
europe-north1
), il set di dati BigQuery può trovarsi in Finlandia oEU
.Un'eccezione è che se il set di dati BigQuery si trova nella regione
asia-northeast1
, allora il bucket Cloud Storage può trovarsi nella località multiregionaleEU
.
Per ulteriori informazioni, vedi Caricamento in batch dei dati.
Esporta i dati in Cloud Storage
Assegna i bucket Cloud Storage per l'esportazione dei dati:- Se il set di dati BigQuery si trova nella località multiregionale
EU
, il bucket Cloud Storage contenenti i dati che esporti devono trovarsi nella stessa località multiregionale o in una località è contenuto all'interno di più regioni. Ad esempio, se il set di dati BigQuery è nella località multiregionaleEU
, il bucket Cloud Storage può trovarsi nella zonaeurope-west1
Regione del Belgio all'interno dell'UE.Se il set di dati si trova nella località multiregionale
US
, puoi esportare i dati in un bucket Cloud Storage in qualsiasi località. - Se il set di dati si trova in una regione, il bucket Cloud Storage deve trovarsi nella stessa regione. Ad esempio, se il set di dati si trova nella regione
asia-northeast1
di Tokyo, il bucket Cloud Storage non può trovarsi nella regione multiplaASIA
.
Per ulteriori informazioni, vedi Esportazione dei dati di una tabella.
Bigtable
Devi considerare la posizione quando esegui query sui dati Bigtable o esportazione di dati in Bigtable.
esegui una query sui dati Bigtable
Quando esegui una query sui dati in Bigtable tramite una tabella esterna di BigQuery, l'istanza Bigtable deve trovarsi nella stessa località Set di dati BigQuery:
- Singola regione: se il set di dati BigQuery si trova nella località regionale del Belgio
(
europe-west1
), l'istanza Bigtable corrispondente deve trovarsi nella regione del Belgio. - Più regioni: poiché le prestazioni delle query esterne dipendono da una latenza minima e una larghezza di banda di rete ottimale, l'utilizzo di località di set di dati multiregionali non consigliato per le tabelle esterne su Bigtable.
Per saperne di più sulle località Bigtable supportate, consulta Posizioni Bigtable.
Esportare i dati in Bigtable
- Se il set di dati BigQuery si trova in una località multiregionale,
Profilo app Bigtable
deve essere configurato per instradare i dati a un cluster Bigtable all'interno di quella località multiregionale.
Ad esempio, se il set di dati BigQuery si trova nell'area multiregionale
US
, il cluster Bigtable può essere localizzato nelus-west1
(Oregon), che si trova all'interno degli Stati Uniti. - Se il set di dati BigQuery si trova in una singola regione, il profilo dell'app Bigtable
deve essere configurato per instradare i dati a un cluster Bigtable
la stessa regione. Ad esempio, se il tuo set di dati BigQuery si trova nel campo
asia-northeast1
(Tokyo), anche il cluster Bigtable deve trovarsi Regioneasia-northeast1
(Tokyo).
Google Drive
Le considerazioni sulla posizione non si applicano a Google Drive e origini dati esterne.
Cloud SQL
Quando esegui una query sui dati in Cloud SQL tramite una query federata di BigQuery, l'istanza Cloud SQL deve trovarsi nella stessa località set di dati BigQuery.
- Regione singola: se il set di dati BigQuery si trova nella località regionale Belgio (
europe-west1
), l'istanza Cloud SQL corrispondente deve trovarsi nella regione Belgio. - Più regioni: se il set di dati BigQuery si trova in una località a più regioni
US
, l'istanza Cloud SQL corrispondente deve trovarsi in una singola regione nell'area geografica degli Stati Uniti.
Per saperne di più sulle località Cloud SQL supportate, consulta Località Cloud SQL.
Spanner
Quando esegui una query sui dati in Spanner tramite una query federata di BigQuery, l'istanza Spanner deve trovarsi nella stessa località set di dati BigQuery.
- Regione singola: se il set di dati BigQuery si trova in Belgio
Località regionale (
europe-west1
), lo Spanner corrispondente l'istanza deve trovarsi nella regione del Belgio. - Multi-regione: se il set di dati BigQuery si trova nella regione
US
multi-regione, l'istanza Spanner corrispondente deve trovarsi in una singola regione nell'area geografica degli Stati Uniti.
Per saperne di più sulle località Spanner supportate, consulta Località di Spanner.
Strumenti di analisi
Posiziona il set di dati BigQuery con i tuoi strumenti di analisi:- Dataproc: quando esegui query sui set di dati BigQuery utilizzando un connettore BigQuery, il set di dati BigQuery deve essere in co-locazione con il cluster Dataproc. Dataproc è supportato in tutti i servizi di Compute Engine.
- Vertex AI Workbench: quando esegui query set di dati BigQuery utilizzando Blocchi note Jupyter in Vertex AI Workbench, il tuo set di dati BigQuery deve essere assegnato alla tua istanza di Vertex AI Workbench. Visualizza i supporti Località di Vertex AI Workbench.
Piani di gestione dei dati
Sviluppare un piano di gestione dei dati:- Se scegli una risorsa di archiviazione regionale, ad esempio un set di dati BigQuery un bucket Cloud Storage, sviluppa un piano la gestione geografica dei tuoi dati.
Limita località
Puoi limitare le località in cui è possibile creare i tuoi set di dati utilizzando Servizio Criteri dell'organizzazione. Per ulteriori informazioni, consulta la sezione Limitazione delle risorse località e Località delle risorse supportate servizi di terze parti.
Sicurezza dei set di dati
Per controllare l'accesso ai set di dati in BigQuery, consulta Controllo dell'accesso ai set di dati. Per informazioni sulla crittografia dei dati, consulta Crittografia dei dati at-rest.
Passaggi successivi
- Scopri come creare set di dati.
- Scopri di più sul caricamento dei dati in BigQuery.
- Scopri di più sui prezzi di BigQuery.
- Visualizza tutti i servizi Google Cloud disponibili in località del mondo.
- Esplora altri concetti basati sulla località, ad esempio le zone, che si applicano ad altri servizi Google Cloud.