À propos de cet atelier de programmation
1. Présentation
BigQuery correspond à l'entrepôt de données d'analyse de Google, entièrement géré à l'échelle du pétaoctet et à faible coût. BigQuery est une solution NoOps : vous n'avez aucune infrastructure à gérer et vous n'avez pas besoin d'un administrateur de base de données. Vous pouvez donc vous concentrer sur l'analyse des données pour dégager des insights pertinents, utiliser le langage SQL qui vous est familier et profiter de notre modèle de paiement à l'usage.
Dans cet atelier de programmation, vous allez interroger des ensembles de données publics BigQuery avec C# à l'aide des bibliothèques clientes Google Cloud pour .NET.
Points abordés
- Utiliser Cloud Shell
- Activer l'API BigQuery
- Authentifier les requêtes API
- Installer la bibliothèque cliente Google Cloud pour C#
- Interroger les œuvres de Shakespeare
- Interroger l'ensemble de données GitHub
- Ajuster les statistiques de mise en cache et d'affichage
Prérequis
Enquête
Comment allez-vous utiliser ce tutoriel ?
Comment évalueriez-vous votre expérience avec C#?
Quel est votre niveau d'expérience avec les services Google Cloud Platform ?
2. Préparation
Configuration de l'environnement au rythme de chacun
- Connectez-vous à la console Google Cloud, puis créez un projet ou réutilisez un projet existant. (Si vous ne possédez pas encore de compte Gmail ou Google Workspace, vous devez en créer un.)
- Le nom du projet est le nom à afficher pour les participants au projet. Il s'agit d'une chaîne de caractères non utilisée par les API Google. Vous pourrez toujours le modifier.
- L'ID du projet est unique parmi tous les projets Google Cloud et non modifiable une fois défini. La console Cloud génère automatiquement une chaîne unique (en général, vous n'y accordez d'importance particulière). Dans la plupart des ateliers de programmation, vous devrez indiquer l'ID de votre projet (généralement identifié par
PROJECT_ID
). Si l'ID généré ne vous convient pas, vous pouvez en générer un autre de manière aléatoire. Vous pouvez également en spécifier un et voir s'il est disponible. Après cette étape, l'ID n'est plus modifiable et restera donc le même pour toute la durée du projet. - Pour information, il existe une troisième valeur (le numéro de projet) que certaines API utilisent. Pour en savoir plus sur ces trois valeurs, consultez la documentation.
- Vous devez ensuite activer la facturation dans la console Cloud pour utiliser les ressources/API Cloud. L'exécution de cet atelier de programmation est très peu coûteuse, voire sans frais. Pour désactiver les ressources et éviter ainsi que des frais ne vous soient facturés après ce tutoriel, vous pouvez supprimer le projet ou les ressources que vous avez créées. Les nouveaux utilisateurs de Google Cloud peuvent participer au programme d'essai sans frais pour bénéficier d'un crédit de 300 $.
Démarrer Cloud Shell
Bien que Google Cloud puisse être utilisé à distance depuis votre ordinateur portable, nous allons nous servir de Google Cloud Shell pour cet atelier de programmation, un environnement de ligne de commande exécuté dans le cloud.
Activer Cloud Shell
- Dans Cloud Console, cliquez sur Activer Cloud Shell
.
Si vous démarrez Cloud Shell pour la première fois, un écran intermédiaire vous explique de quoi il s'agit. Si un écran intermédiaire s'est affiché, cliquez sur Continuer.
Le provisionnement et la connexion à Cloud Shell ne devraient pas prendre plus de quelques minutes.
Cette machine virtuelle contient tous les outils de développement nécessaires. Elle comprend un répertoire d'accueil persistant de 5 Go et s'exécute dans Google Cloud, ce qui améliore considérablement les performances du réseau et l'authentification. Une grande partie, voire la totalité, de votre travail dans cet atelier de programmation peut être effectué dans un navigateur.
Une fois connecté à Cloud Shell, vous êtes authentifié et le projet est défini sur votre ID de projet.
- Exécutez la commande suivante dans Cloud Shell pour vérifier que vous êtes authentifié :
gcloud auth list
Résultat de la commande
Credentialed Accounts ACTIVE ACCOUNT * <my_account>@<my_domain.com> To set the active account, run: $ gcloud config set account `ACCOUNT`
- Exécutez la commande suivante dans Cloud Shell pour vérifier que la commande gcloud connaît votre projet:
gcloud config list project
Résultat de la commande
[core] project = <PROJECT_ID>
Si vous obtenez un résultat différent, exécutez cette commande :
gcloud config set project <PROJECT_ID>
Résultat de la commande
Updated property [core/project].
3. Activer l'API BigQuery
L'API BigQuery doit être activée par défaut dans tous les projets Google Cloud. Pour vérifier si c'est le cas, exécutez la commande suivante dans Cloud Shell: BigQuery devrait apparaître:
gcloud services list
Vous devriez voir BigQuery dans la liste:
NAME TITLE
bigquery-json.googleapis.com BigQuery API
...
Si l'API BigQuery n'est pas activée, vous pouvez utiliser la commande suivante dans Cloud Shell pour l'activer:
gcloud services enable bigquery-json.googleapis.com
4. Installer la bibliothèque cliente BigQuery pour C#
Commencez par créer une application de console C# simple que vous utiliserez pour exécuter des exemples d'API BigQuery.
dotnet new console -n BigQueryDemo
L'application créée et les dépendances doivent être résolues:
The template "Console Application" was created successfully.
Processing post-creation actions...
...
Restore succeeded.
Accédez ensuite au dossier BigQueryDemo
:
cd BigQueryDemo
Ajoutez le package NuGet Google.Cloud.BigQuery.V2
au projet:
dotnet add package Google.Cloud.BigQuery.V2
info : Adding PackageReference for package 'Google.Cloud.BigQuery.V2' into project '/home/atameldev/BigQueryDemo/BigQueryDemo.csproj'.
log : Restoring packages for /home/atameldev/BigQueryDemo/BigQueryDemo.csproj...
...
info : PackageReference for package 'Google.Cloud.BigQuery.V2' version '1.2.0' added to file '/home/atameldev/BigQueryDemo/BigQueryDemo.csproj'.
Vous êtes maintenant prêt à utiliser l'API BigQuery.
5. Interroger les œuvres de Shakespeare
Un ensemble de données public est un ensemble de données stocké dans BigQuery et mis à la disposition du grand public. Il existe de nombreux autres ensembles de données publics que vous pouvez interroger. Certains sont hébergés par Google, mais beaucoup d'autres sont hébergés par des tiers. Pour en savoir plus, consultez la page Ensembles de données publics.
En plus des ensembles de données publics, BigQuery propose un nombre limité d'exemples de tables que vous pouvez interroger. Ces tables sont contenues dans bigquery-public-data:samples dataset
. L'une de ces tables s'appelle shakespeare.
. Elle contient un index de mots des œuvres de Shakespeare, qui indique le nombre de fois où chaque mot apparaît dans chaque corpus.
Dans cette étape, vous allez interroger le tableau Shakespeare.
Commencez par ouvrir l'éditeur de code en haut à droite de Cloud Shell:
Accédez au fichier Program.cs
dans le dossier BigQueryDemo
et remplacez le code par ce qui suit. Veillez à remplacer projectId
par l'ID de votre projet:
using System;
using Google.Cloud.BigQuery.V2;
namespace BigQueryDemo
{
class Program
{
static void Main(string[] args)
{
var client = BigQueryClient.Create("projectId");
var table = client.GetTable("bigquery-public-data", "samples", "shakespeare");
var sql = $"SELECT corpus AS title, COUNT(word) AS unique_words FROM {table} GROUP BY title ORDER BY unique_words DESC LIMIT 10";
var results = client.ExecuteQuery(sql, parameters: null);
foreach (var row in results)
{
Console.WriteLine($"{row["title"]}: {row["unique_words"]}");
}
}
}
}
Prenez une minute ou deux pour étudier le code et observer comment la table est interrogée.
Retournez dans Cloud Shell, puis exécutez l'application:
dotnet run
La liste des mots et leur occurrence doit s'afficher:
hamlet: 5318
kinghenryv: 5104
cymbeline: 4875
troilusandcressida: 4795
kinglear: 4784
kingrichardiii: 4713
2kinghenryvi: 4683
...
6. Interroger l'ensemble de données GitHub
Pour vous familiariser avec BigQuery, vous allez maintenant lancer une requête sur l'ensemble de données public GitHub. Vous trouverez les messages de commit les plus courants sur GitHub. Vous utiliserez également la console Web de BigQuery pour prévisualiser et exécuter des requêtes ad hoc.
Pour voir à quoi ressemblent les données, ouvrez l'ensemble de données GitHub dans l'UI Web de BigQuery:
Pour obtenir un aperçu rapide des données, utilisez le bouton "Aperçu" :
Accédez au fichier Program.cs
dans le dossier BigQueryDemo
et remplacez le code par ce qui suit. Veillez à remplacer projectId
par l'ID de votre projet:
using System;
using Google.Cloud.BigQuery.V2;
namespace BigQueryDemo
{
class Program
{
static void Main(string[] args)
{
var client = BigQueryClient.Create("projectId");
var table = client.GetTable("bigquery-public-data", "github_repos", "commits");
var sql = $"SELECT subject AS subject, COUNT(*) AS num_duplicates FROM {table} GROUP BY subject ORDER BY num_duplicates DESC LIMIT 10";
var results = client.ExecuteQuery(sql, parameters: null);
foreach (var row in results)
{
Console.WriteLine($"{row["subject"]}: {row["num_duplicates"]}");
}
}
}
}
Prenez une minute ou deux pour étudier le code et voir comment la table est interrogée pour les messages de commit les plus courants.
Retournez dans Cloud Shell, puis exécutez l'application:
dotnet run
Vous devriez voir la liste des messages de commit et leurs occurrences:
Update README.md: 2509242
: 1971725
Initial commit: 1942149
Mirroring from Micro.blog.: 838586
update: 575188
Update data.json: 548651
Update data.js: 548339
Add files via upload: 379941
*** empty log message ***: 358528
Can't you see I'm updating the time?: 286863
7. Mise en cache et statistiques
Après la requête initiale, BigQuery met les résultats en cache. Par conséquent, les requêtes suivantes prennent beaucoup moins de temps. Il est possible de désactiver la mise en cache à l'aide des options de requête. BigQuery garde également une trace de certaines statistiques sur les requêtes, telles que l'heure de création, l'heure de fin et le nombre total d'octets traités.
Au cours de cette étape, vous allez désactiver la mise en cache et afficher des statistiques sur les requêtes.
Accédez au fichier Program.cs
dans le dossier BigQueryDemo
et remplacez le code par ce qui suit. Veillez à remplacer projectId
par l'ID de votre projet:
using System;
using Google.Cloud.BigQuery.V2;
namespace BigQueryDemo
{
class Program
{
static void Main(string[] args)
{
var client = BigQueryClient.Create("projectId");
var table = client.GetTable("bigquery-public-data", "github_repos", "commits");
var sql = $"SELECT subject AS subject, COUNT(*) AS num_duplicates FROM {table} GROUP BY subject ORDER BY num_duplicates DESC LIMIT 10";
var queryOptions = new QueryOptions {
UseQueryCache = false
};
var results = client.ExecuteQuery(sql, parameters: null, queryOptions: queryOptions);
foreach (var row in results)
{
Console.WriteLine($"{row["subject"]}: {row["num_duplicates"]}");
}
var job = client.GetJob(results.JobReference);
var stats = job.Statistics;
Console.WriteLine("----------");
Console.WriteLine($"Creation time: {stats.CreationTime}");
Console.WriteLine($"End time: {stats.EndTime}");
Console.WriteLine($"Total bytes processed: {stats.TotalBytesProcessed}");
}
}
}
Quelques points à noter concernant le code. Tout d'abord, la mise en cache est désactivée en introduisant des options de requête et en définissant UseQueryCache
sur "false". Ensuite, vous avez accédé aux statistiques concernant la requête à partir de l'objet Tâche.
Retournez dans Cloud Shell, puis exécutez l'application:
dotnet run
Comme précédemment, vous devriez voir la liste des messages de commit et leurs occurrences. En outre, vous devriez également voir quelques statistiques sur la requête à la fin
Update README.md: 2509242
: 1971725
Initial commit: 1942149
Mirroring from Micro.blog.: 838586
update: 575188
Update data.json: 548651
Update data.js: 548339
Add files via upload: 379941
*** empty log message ***: 358528
Can't you see I'm updating the time?: 286863
----------
Creation time: 1533052057398
End time: 1533052066961
Total bytes processed: 9944197093
8. Charger des données dans BigQuery
Si vous souhaitez interroger vos propres données, vous devez d'abord les charger dans BigQuery. BigQuery permet de charger des données à partir de nombreuses sources, telles que Google Cloud Storage ou d'autres services Google, ainsi qu'une source lisible. Vous pouvez même diffuser vos données en flux continu à l'aide des insertions en flux continu. Pour en savoir plus, consultez la page Charger des données dans BigQuery.
Au cours de cette étape, vous allez charger un fichier JSON stocké sur Google Cloud Storage dans une table BigQuery. Le fichier JSON se trouve à l'emplacement gs://cloud-samples-data/bigquery/us-states/us-states.json
.
Si vous souhaitez connaître le contenu du fichier JSON, vous pouvez utiliser l'outil de ligne de commande gsutil
pour le télécharger dans Cloud Shell:
gsutil cp gs://cloud-samples-data/bigquery/us-states/us-states.json .
Copying gs://cloud-samples-data/bigquery/us-states/us-states.json...
/ [1 files][ 2.0 KiB/ 2.0 KiB]
Operation completed over 1 objects/2.0 KiB.
Vous pouvez voir qu'il contient la liste des États américains et que chaque État est un document JSON sur une ligne distincte:
less us-states.json
{"name": "Alabama", "post_abbr": "AL"}
{"name": "Alaska", "post_abbr": "AK"}
...
Pour charger ce fichier JSON dans BigQuery, accédez au fichier Program.cs
dans le dossier BigQueryDemo
et remplacez le code par ce qui suit. Veillez à remplacer projectId
par l'ID de votre projet:
using System;
using Google.Cloud.BigQuery.V2;
namespace BigQueryDemo
{
class Program
{
static void Main(string[] args)
{
var gcsUri = "gs://cloud-samples-data/bigquery/us-states/us-states.json";
var client = BigQueryClient.Create("projectId");
var dataset = client.GetOrCreateDataset("us_states_dataset");
var schema = new TableSchemaBuilder
{
{ "name", BigQueryDbType.String },
{ "post_abbr", BigQueryDbType.String }
}.Build();
var jobOptions = new CreateLoadJobOptions
{
SourceFormat = FileFormat.NewlineDelimitedJson
};
var table = dataset.GetTableReference("us_states_table");
var loadJob = client.CreateLoadJob(gcsUri, table, schema, jobOptions);
loadJob.PollUntilCompleted();
loadJob.ThrowOnAnyError();
Console.WriteLine("Json file loaded to BigQuery");
}
}
}
Prenez une minute sur deux pour étudier comment le code charge le fichier JSON et crée une table avec un schéma sous un ensemble de données.
Retournez dans Cloud Shell, puis exécutez l'application:
dotnet run
Un ensemble de données et une table sont créés dans BigQuery
Json file loaded to BigQuery
Pour vérifier que l'ensemble de données a bien été créé, vous pouvez accéder à la console BigQuery. Vous devriez voir un nouvel ensemble de données et une table créée. Si vous passez à l'onglet "Aperçu" du tableau, vous pouvez voir les données réelles:
9. Félicitations !
Vous avez appris à utiliser BigQuery avec C#.
Effectuer un nettoyage
Afin d'éviter que des frais ne soient facturés sur votre compte Google Cloud Platform pour les ressources utilisées dans ce démarrage rapide, procédez comme suit :
- Accédez à la console Cloud Platform.
- Sélectionnez le projet que vous souhaitez arrêter, puis cliquez sur "Supprimer". en haut: la suppression du projet est programmée.
En savoir plus
- Google BigQuery: https://cloud.google.com/bigquery/docs/
- C#/.NET sur Google Cloud Platform: https://cloud.google.com/dotnet/
- Client .NET Google Cloud: https://googlecloudplatform.github.io/google-cloud-dotnet/
Licence
Ce document est publié sous une licence Creative Commons Attribution 2.0 Generic.