Wird geladen…
Keine Ergebnisse gefunden.

Ihre Kompetenzen in der Google Cloud Console anwenden

Anleitung und Anforderungen für Lab-Einrichtung
Schützen Sie Ihr Konto und Ihren Fortschritt. Verwenden Sie immer den privaten Modus und Lab-Anmeldedaten, um dieses Lab auszuführen.

Abrechnungsdaten mit BigQuery überprüfen

Lab 30 Minuten universal_currency_alt 5 Guthabenpunkte show_chart Einsteiger
info Dieses Lab kann KI-Tools enthalten, die den Lernprozess unterstützen.
Dieser Inhalt ist noch nicht für Mobilgeräte optimiert.
Die Lernumgebung funktioniert am besten, wenn Sie auf einem Computer über einen per E‑Mail gesendeten Link darauf zugreifen.

Übersicht

In diesem Lab lernen Sie, wie Sie Abrechnungsdaten mit BigQuery analysieren.

Ziele

Aufgaben in diesem Lab:

  • Über die Google Cloud Console in BigQuery anmelden
  • Dataset erstellen
  • Tabelle erstellen
  • Daten aus einer in einem Bucket gespeicherten Abrechnungsdatei importieren
  • Komplexe Abfragen in großen Datasets ausführen

Einrichtung und Anforderungen

Für jedes Lab werden Ihnen ein neues Google Cloud-Projekt und die entsprechenden Ressourcen für eine bestimmte Zeit kostenlos zur Verfügung gestellt.

  1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Pop-up-Fenster geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich Details zum Lab mit diesen Informationen:

    • Schaltfläche Google Cloud Console öffnen
    • Restzeit
    • Temporäre Anmeldedaten für das Lab
    • Ggf. weitere Informationen für dieses Lab

  2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

    Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite Anmelden geöffnet.

    Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

    Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

  3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

    {{{user_0.username | "Username"}}}

    Sie finden den Nutzernamen auch im Bereich Details zum Lab.

  4. Klicken Sie auf Weiter.

  5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

    {{{user_0.password | "Password"}}}

    Sie finden das Passwort auch im Bereich Details zum Lab.

  6. Klicken Sie auf Weiter.

    Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

  7. Klicken Sie sich durch die nachfolgenden Seiten:

    • Akzeptieren Sie die Nutzungsbedingungen.
    • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
    • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie eine Liste der Google Cloud-Produkte und ‑Dienste aufrufen möchten, klicken Sie oben links auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein. Symbol für Navigationsmenü

Aufgabe 1: Daten mit BigQuery importieren

Bei BigQuery anmelden und ein Dataset erstellen

Im Rahmen dieser Aufgabe erstellen Sie zuerst mithilfe von BigQuery ein Dataset und anschließend eine Tabelle. Danach können Sie Abrechnungsdaten aus Cloud Storage importieren.

  1. Klicken Sie in der Google Cloud Console im Navigationsmenü (Symbol für Navigationsmenü) auf BigQuery.
  2. Falls Sie dazu aufgefordert werden, klicken Sie auf Fertig.
  3. Klicken Sie neben Ihrer Projekt-ID (beginnt mit qwiklabs-gcp) auf das Symbol Aktionen ansehen und dann auf Dataset erstellen.
Hinweis: Abrechnungsdaten können direkt nach BigQuery exportiert werden. Eine Anleitung dazu finden Sie im Leitfaden zum Exportieren von Cloud Billing-Daten nach BigQuery. Für dieses Lab wird Ihnen jedoch eine Abrechnungsdatei mit Beispieldaten zur Verfügung gestellt. Sie finden sie in einem Cloud Storage-Bucket, auf den Sie mit Ihrem Teilnehmerkonto zugreifen können. Im Laufe des Labs importieren Sie diese Abrechnungsdaten in eine BigQuery-Tabelle, um sie anschließend zu analysieren.
  1. Geben Sie Folgendes an:
Attribut Wert (Wert eingeben bzw. Option auswählen)
Dataset-ID: billing_dataset
Speicherort der Daten: USA
Standard-Tabellenablauf („Tabellenablauf aktivieren“): 1 Tag (Standardmäßiges Höchstalter für Tabellen)
  1. Klicken Sie auf Dataset erstellen. Jetzt sollte im linken Bereich billing_dataset angezeigt werden.

Tabelle erstellen und Daten importieren

  1. Klicken Sie neben dem Dataset billing_dataset auf das Symbol Aktionen ansehen, dann auf Öffnen und anschließend auf Tabelle erstellen, um eine neue Tabelle zu erstellen.
  2. Legen Sie für Quelle Folgendes fest und behalten Sie für die übrigen Einstellungen die Standardwerte bei:
Attribut Wert (Wert eingeben bzw. Option auswählen)
Tabelle erstellen aus: Google Cloud Storage
Datei aus GCS-Bucket auswählen cloud-training/archinfra/BillingExport-2020-09-18.avro
Dateiformat Avro
  1. Legen Sie für Ziel Folgendes fest und behalten Sie für die übrigen Einstellungen die Standardwerte bei:
Attribut Wert (Wert eingeben bzw. Option auswählen)
Tabellenname sampleinfotable
Tabellentyp Native Tabelle
  1. Klicken Sie auf Tabelle erstellen. Sobald der Job abgeschlossen ist, wird die Tabelle unter dem Dataset im linken Bereich angezeigt.

Klicken Sie auf Fortschritt prüfen. Daten mit BigQuery importieren

Aufgabe 2: Tabelle analysieren

In dieser Aufgabe untersuchen Sie die importierten Daten.

  1. Klicken Sie auf sampleinfotable.
Hinweis: Damit rufen Sie das Schema auf, das von BigQuery basierend auf den Daten in der importierten Datei automatisch erstellt wurde. Darin sind Strings, Ganzzahlen, Zeitstempel und Gleitkommawerte enthalten.
  1. Klicken Sie auf Details. Wie Sie anhand der Zeilenanzahl sehen können,

  1. Klicken Sie auf den Tab Vorschau.

Aufgabe 3: Einfache Abfrage erstellen

In dieser Aufgabe erstellen Sie eine einfache Abfrage zur Filterung von Abrechnungsdaten und führen sie anschließend aus.

Wenn Sie in einer Abfrage auf eine Tabelle verweisen, müssen Sie sowohl die Dataset-ID als auch die Tabellen-ID angeben. Die Projekt-ID ist dagegen optional.

Hinweis: Wenn keine Projekt-ID angegeben ist, verwendet BigQuery standardmäßig das aktuelle Projekt.

Alle benötigten Informationen stehen in der BigQuery-Oberfläche zur Verfügung. In der Spalte links sehen Sie die Dataset-ID (billing_dataset) und die Tabellen-ID (sampleinfotable).

Wie zuvor beschrieben, wird das Schema mit sämtlichen Feldnamen aufgerufen, wenn Sie auf den Tabellennamen klicken.

Erstellen Sie nun basierend auf dem Feld Kosten eine einfache Abfrage.

  1. Klicken Sie auf + SQL-Abfrage.
  2. Fügen Sie im Abfrageeditor Folgendes ein:
SELECT * FROM `billing_dataset.sampleinfotable` WHERE Cost > 0
  1. Klicken Sie auf Ausführen.

Klicken Sie auf Fortschritt prüfen. Eine einfache Abfrage erstellen

Aufgabe 4: Großes Abrechnungs-Dataset mit SQL analysieren

In dieser Aufgabe analysieren Sie mit BigQuery ein Beispiel-Dataset, das 415.602 Zeilen mit Abrechnungsdaten beinhaltet.

  1. Fügen Sie im Abfrageeditor unter „Neue Abfrage“ Folgendes ein:
SELECT billing_account_id, project.id, project.name, service.description, currency, currency_conversion_rate, cost, usage.amount, usage.pricing_unit FROM `billing_dataset.sampleinfotable`

  1. Klicken Sie auf Ausführen. Überprüfen Sie, dass die ausgegebene Tabelle 415.602 Zeilen mit Abrechnungsdaten enthält.

  2. Fügen Sie im Abfrageeditor unter „Neue Abfrage“ Folgendes ein, um die letzten 100 Einträge mit Kosten über 0 zu finden:

SELECT service.description, sku.description, location.country, cost, project.id, project.name, currency, currency_conversion_rate, usage.amount, usage.unit FROM `billing_dataset.sampleinfotable` WHERE Cost > 0 ORDER BY usage_end_time DESC LIMIT 100
  1. Klicken Sie auf Ausführen.
  2. Fügen Sie im Abfrageeditor unter „Neue Abfrage erstellen“ Folgendes ein, um alle Abrechnungen zu finden, die über 10 Dollar lagen:
SELECT service.description, sku.description, location.country, cost, project.id, project.name, currency, currency_conversion_rate, usage.amount, usage.unit FROM `billing_dataset.sampleinfotable` WHERE cost > 10

  1. Klicken Sie auf Ausführen.

  2. Fügen Sie im Abfrageeditor unter „Neue Abfrage“ Folgendes ein, um das Produkt mit den meisten Einträgen zu finden:

SELECT service.description, COUNT(*) AS billing_records FROM `billing_dataset.sampleinfotable` GROUP BY service.description ORDER BY billing_records DESC
  1. Klicken Sie auf Ausführen.

  1. Fügen Sie im Abfrageeditor unter „Neue Abfrage“ Folgendes ein, um das am häufigsten genutzte Produkt zu finden, das mehr als 1 Dollar kostet:
SELECT service.description, COUNT(*) AS billing_records FROM `billing_dataset.sampleinfotable` WHERE cost > 1 GROUP BY service.description ORDER BY billing_records DESC
  1. Klicken Sie auf Ausführen.

  1. Fügen Sie im Abfrageeditor unter „Neue Abfrage erstellen“ Folgendes ein, um die am häufigsten abgerechnete Maßeinheit zu finden:
SELECT usage.unit, COUNT(*) AS billing_records FROM `billing_dataset.sampleinfotable` WHERE cost > 0 GROUP BY usage.unit ORDER BY billing_records DESC
  1. Klicken Sie auf Ausführen.

  1. Fügen Sie im Abfrageeditor unter „Neue Abfrage“ Folgendes ein, um das Produkt mit den höchsten Gesamtkosten zu finden:
SELECT service.description, ROUND(SUM(cost),2) AS total_cost FROM `billing_dataset.sampleinfotable` GROUP BY service.description ORDER BY total_cost DESC
  1. Klicken Sie auf Ausführen.

Klicken Sie auf Fortschritt prüfen. Großes Abrechnungs-Dataset mit SQL analysieren

Aufgabe 5: Überprüfen

In diesem Lab haben Sie in einer Avro-Datei erstellte Abrechnungsdaten nach BigQuery importiert. Danach haben Sie eine einfache Abfrage der Datei ausgeführt. Anschließend haben Sie auf ein Dataset zugegriffen, das mehr als 22.000 Einträge mit Abrechnungsinformationen enthält. Sie haben verschiedene Abfragen dieser Daten ausgeführt, um herauszufinden, wie Sie mit BigQuery Fragen stellen und beantworten können.

Lab beenden

Wenn Sie das Lab abgeschlossen haben, klicken Sie auf Lab beenden. Google Cloud Skills Boost entfernt daraufhin die von Ihnen genutzten Ressourcen und bereinigt das Konto.

Anschließend erhalten Sie die Möglichkeit, das Lab zu bewerten. Wählen Sie die entsprechende Anzahl von Sternen aus, schreiben Sie einen Kommentar und klicken Sie anschließend auf Senden.

Die Anzahl der Sterne hat folgende Bedeutung:

  • 1 Stern = Sehr unzufrieden
  • 2 Sterne = Unzufrieden
  • 3 Sterne = Neutral
  • 4 Sterne = Zufrieden
  • 5 Sterne = Sehr zufrieden

Wenn Sie kein Feedback geben möchten, können Sie das Dialogfeld einfach schließen.

Verwenden Sie für Feedback, Vorschläge oder Korrekturen den Tab Support.

© 2026 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.

Vorbereitung

  1. Labs erstellen ein Google Cloud-Projekt und Ressourcen für einen bestimmten Zeitraum
  2. Labs haben ein Zeitlimit und keine Pausenfunktion. Wenn Sie das Lab beenden, müssen Sie von vorne beginnen.
  3. Klicken Sie links oben auf dem Bildschirm auf Lab starten, um zu beginnen

Privates Surfen verwenden

  1. Kopieren Sie den bereitgestellten Nutzernamen und das Passwort für das Lab
  2. Klicken Sie im privaten Modus auf Konsole öffnen

In der Konsole anmelden

  1. Melden Sie sich mit Ihren Lab-Anmeldedaten an. Wenn Sie andere Anmeldedaten verwenden, kann dies zu Fehlern führen oder es fallen Kosten an.
  2. Akzeptieren Sie die Nutzungsbedingungen und überspringen Sie die Seite zur Wiederherstellung der Ressourcen
  3. Klicken Sie erst auf Lab beenden, wenn Sie das Lab abgeschlossen haben oder es neu starten möchten. Andernfalls werden Ihre bisherige Arbeit und das Projekt gelöscht.

Diese Inhalte sind derzeit nicht verfügbar

Bei Verfügbarkeit des Labs benachrichtigen wir Sie per E-Mail

Sehr gut!

Bei Verfügbarkeit kontaktieren wir Sie per E-Mail

Es ist immer nur ein Lab möglich

Bestätigen Sie, dass Sie alle vorhandenen Labs beenden und dieses Lab starten möchten

Privates Surfen für das Lab verwenden

Am besten führen Sie dieses Lab in einem Inkognito- oder privaten Browserfenster aus. So vermeiden Sie Konflikte zwischen Ihrem privaten Konto und dem Teilnehmerkonto, die zusätzliche Kosten für Ihr privates Konto verursachen könnten.