概览

在本实验中，您将学习如何使用 BigQuery 分析结算数据。

目标

在本实验中，您将学习如何执行以下任务：

• 从 Cloud 控制台登录 BigQuery
• 创建数据集
• 创建表
• 从存储在存储桶中的结算文件导入数据
• 对较大的数据集运行复杂的查询

设置和要求

对于每个实验，您都会免费获得一个新的 Google Cloud 项目及一组资源，它们都有固定的使用时限。

1. 点击开始实验按钮。如果该实验需要付费，系统会打开一个弹出式窗口供您选择付款方式。左侧是实验详细信息面板，其中包含以下各项：

   • 打开 Google Cloud 控制台按钮
   • 剩余时间
   • 进行该实验时必须使用的临时凭据
   • 帮助您逐步完成本实验所需的其他信息（如果需要）

2. 点击打开 Google Cloud 控制台（如果您使用的是 Chrome 浏览器，请右键点击并选择在无痕式窗口中打开链接）。

   该实验会启动资源并打开另一个标签页，显示登录页面。

   提示：将这些标签页安排在不同的窗口中，并排显示。

   注意：如果您看见选择账号对话框，请点击使用其他账号。

3. 如有必要，请复制下方的用户名，然后将其粘贴到登录对话框中。

   {{{user_0.username | "<用户名>"}}}

   您也可以在实验详细信息面板中找到用户名。

4. 点击下一步。

5. 复制下面的密码，然后将其粘贴到欢迎对话框中。

   {{{user_0.password | "<密码>"}}}

   您也可以在实验详细信息面板中找到密码。

6. 点击下一步。

   重要提示：您必须使用实验提供的凭据。请勿使用您的 Google Cloud 账号凭据。 注意：在本实验中使用您自己的 Google Cloud 账号可能会产生额外费用。

7. 继续在后续页面中点击以完成相应操作：

   • 接受条款及条件。
   • 由于这是临时账号，请勿添加账号恢复选项或双重验证。
   • 请勿注册免费试用。

片刻之后，系统会在此标签页中打开 Google Cloud 控制台。

注意：如需查看列有 Google Cloud 产品和服务的菜单，请点击左上角的导航菜单，或在搜索字段中输入服务或产品的名称。

任务 1：使用 BigQuery 导入数据

登录 BigQuery 并创建一个数据集

在此任务中，您将使用 BigQuery 创建一个数据集。然后，您需要创建一个表，最后从 Cloud Storage 导入结算数据。

1. 在 Google Cloud 控制台中，点击导航菜单 () 下的 BigQuery。
2. 在看到提示时，请点击完成。
3. 点击项目 ID（以 qwiklabs-gcp 开头）旁边的查看操作图标，然后点击创建数据集。

注意：您可以按照将 Cloud Billing 数据导出到 BigQuery 中的说明将结算数据直接导出到 BigQuery。但是，为了方便完成本实验，我们已经为您准备了一个示例结算文件。该文件位于 Cloud Storage 存储桶中，您可以使用学生账号访问。您需要将这些结算信息导入 BigQuery 表并对其进行检查。

4. 指定以下内容：

属性	值（按照说明输入值或选择选项）
数据集 ID：	billing_dataset
数据位置：	美国
默认表过期时间（选中“启用表过期时间”）：	1 天（默认表存在时间上限）

5. 点击创建数据集。您应该会在左侧窗格中看到 billing_dataset。

创建表并导入数据

1. 点击 billing_dataset 数据集旁边的查看操作图标，再点击打开，然后点击创建表以创建一个新表。
2. 对于来源，请指定以下内容，将其他设置保留为默认值：

属性	值（按照说明输入值或选择选项）
基于以下数据源创建表：	Google Cloud Storage
从 GCS 存储桶中选择文件	cloud-training/archinfra/BillingExport-2020-09-18.avro
文件格式	Avro

3. 对于目标，请指定以下内容，将其他设置保留为默认值：

属性	值（按照说明输入值或选择选项）
表名称	sampleinfotable
表类型	原生表

4. 点击创建表。作业完成后，该表将显示在左侧窗格中的数据集下方。

点击检查我的进度以验证是否完成了以下目标： 使用 BigQuery 导入数据

任务 2：检查表

在此任务中，您将检查已导入的数据。

1. 点击 sampleinfotable。

注意：系统会显示 BigQuery 根据在导入的文件中找到的数据而自动创建的架构。请注意其中有字符串、整数、时间戳和浮点值。

2. 点击详细信息。 如行数中所示

3. 点击预览标签页。

任务 3. 编写简单的查询

在此任务中，您将编写并运行一个简单的查询来过滤结算数据。

在查询中引用表时，必须同时指定数据集 ID 和表 ID；项目 ID 是可选的。

注意：如果未指定项目 ID，则 BigQuery 将默认为当前项目。

BigQuery 界面中提供了您需要的所有信息。在左侧的列中，您会看到数据集 ID (billing_dataset) 和表 ID (sampleinfotable)。

回想一下，如果点击表名称，则系统会显示包含所有字段名称的架构。

现在，您可以基于 Cost 字段构建一个简单的查询。

1. 点击 + SQL 查询。
2. 在查询编辑器中粘贴以下内容：

SELECT * FROM `billing_dataset.sampleinfotable` WHERE Cost > 0

3. 点击运行。

点击检查我的进度以验证是否完成了以下目标： 编写简单的查询

任务 4：使用 SQL 分析大型结算数据集

在此任务中，您将使用 BigQuery 分析包含 415,602 行结算数据的示例数据集。

1. 对于“新查询”，请在查询编辑器中粘贴以下内容：

SELECT billing_account_id, project.id, project.name, service.description, currency, currency_conversion_rate, cost, usage.amount, usage.pricing_unit FROM `billing_dataset.sampleinfotable`

2. 点击运行。 核实结果表有 415,602 行结算数据。

3. 如需查找最近 100 条费用大于 0 的记录，请编写新查询，并在查询编辑器中粘贴以下内容：

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

4. 点击运行。
5. 如需查找所有超过 10 美元的费用，请点击“编写新查询”，并在查询编辑器中粘贴以下内容：

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

6. 点击运行。

7. 如需查找结算数据中记录最多的产品，对于“新查询”，请在查询编辑器中粘贴以下内容：

SELECT service.description, COUNT(*) AS billing_records FROM `billing_dataset.sampleinfotable` GROUP BY service.description ORDER BY billing_records DESC

8. 点击运行。

9. 如需查找费用超过 1 美元的最常用产品，对于“新查询”，请在查询编辑器中粘贴以下内容：

SELECT service.description, COUNT(*) AS billing_records FROM `billing_dataset.sampleinfotable` WHERE cost > 1 GROUP BY service.description ORDER BY billing_records DESC

10. 点击运行。

11. 如需查找最常用的收费计量单位，对于“编写新查询”，请在查询编辑器中粘贴以下内容：

SELECT usage.unit, COUNT(*) AS billing_records FROM `billing_dataset.sampleinfotable` WHERE cost > 0 GROUP BY usage.unit ORDER BY billing_records DESC

12. 点击运行。

13. 如需查找总费用最高的产品，对于“新查询”，请在查询编辑器中粘贴以下内容：

SELECT service.description, ROUND(SUM(cost),2) AS total_cost FROM `billing_dataset.sampleinfotable` GROUP BY service.description ORDER BY total_cost DESC

14. 点击运行。

点击检查我的进度以验证是否完成了以下目标： 使用 SQL 分析大型结算数据集

任务 5. 回顾

在本实验中，您将已生成的结算数据 Avro 文件导入到了 BigQuery 中。您对该文件运行了一个简单的查询。随后，您访问了一个共享数据集，其中包含超过 22,000 条结算信息记录。您对这些数据运行了各种查询，以探索如何使用 BigQuery 运行查询来提出问题并解答问题。

结束实验

完成实验后，请点击结束实验。Google Cloud Skills Boost 会移除您使用过的资源并为您清理帐号。

系统会提示您为实验体验评分。请选择相应的星级数，输入评论，然后点击提交。

星级数的含义如下：

• 1 颗星 = 非常不满意
• 2 颗星 = 不满意
• 3 颗星 = 一般
• 4 颗星 = 满意
• 5 颗星 = 非常满意

如果您不想提供反馈，可以关闭该对话框。

如果要留言反馈、提出建议或做出更正，请使用支持标签页。

版权所有 2026 Google LLC 保留所有权利。Google 和 Google 徽标是 Google LLC 的商标。其他所有公司名称和产品名称可能是其各自相关公司的商标。