GSP281

Ringkasan

SQL (Structured Query Language) adalah bahasa standar untuk operasi data yang memungkinkan Anda mengajukan pertanyaan dan mendapatkan insight dari set data terstruktur. Bahasa ini biasanya digunakan dalam pengelolaan database dan memungkinkan Anda melakukan berbagai tugas, seperti menulis catatan transaksi ke dalam database relasional dan menganalisis data berskala petabyte.

Lab ini dibagi menjadi dua bagian: di bagian pertama, Anda akan mempelajari kata kunci kueri SQL dasar. Anda akan menjalankan kata kunci ini di BigQuery dengan set data publik yang berisi informasi tentang bikeshare (fasilitas berbagi sepeda) di London.

Di bagian kedua, Anda akan mempelajari cara mengekspor subset dari set data bikeshare London ke file CSV. Kemudian, Anda akan menguploadnya ke Cloud SQL. Setelah itu, Anda akan mempelajari cara menggunakan Cloud SQL untuk membuat serta mengelola database dan tabel. Di bagian akhir, Anda akan berlatih langsung menggunakan kata kunci SQL tambahan untuk memanipulasi dan mengedit data.

Yang akan Anda pelajari

Di lab ini, Anda akan mempelajari cara:

• Membaca data di BigQuery.
• Menjalankan kueri sederhana di BigQuery untuk mengeksplorasi data.
• Mengekspor subset data ke file CSV dan menyimpan file tersebut dalam bucket Cloud Storage baru.
• Membuat instance Cloud SQL baru dan memuat file CSV yang diekspor sebagai tabel baru.

Prasyarat

Sangat penting: Sebelum memulai lab ini, logout dari akun Gmail pribadi atau perusahaan Anda.

Ini adalah lab tingkat pemula. Anda dianggap tidak memiliki atau hanya memiliki sedikit pengalaman dengan SQL. Pemahaman terkait Cloud Storage dan Cloud Shell direkomendasikan, tetapi tidak diwajibkan. Lab ini akan mengajarkan dasar-dasar membaca dan menulis kueri di SQL, lalu Anda akan menerapkannya menggunakan BigQuery dan Cloud SQL.

Sebelum mengikuti lab ini, pertimbangkan kemahiran Anda dalam SQL. Berikut ini adalah lab dengan level lebih tinggi yang memungkinkan Anda menerapkan pengetahuan pada kasus penggunaan yang lebih kompleks:

• Data Cuaca di BigQuery
• Menganalisis Data Kelahiran Menggunakan Agent Platform dan BigQuery

Setelah Anda siap, scroll ke bawah dan ikuti langkah berikut ini untuk menyiapkan lingkungan lab Anda.

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Konsol Google Cloud

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kanan terdapat panel Lab setup and access yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Kredensial sementara (nama pengguna dan sandi) yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

   Perhatikan bahwa timer lab terletak di dekat bagian atas halaman, yang menampilkan waktu yang tersisa.

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab setup and access.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab setup and access.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Penggunaan akun Google Cloud sendiri untuk lab ini mungkin dikenai biaya tambahan.

7. Klik untuk melanjutkan ke halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan daftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Mempelajari dasar-dasar SQL

Database dan tabel

Seperti yang telah disebutkan sebelumnya, SQL memungkinkan Anda mendapatkan informasi dari "set data terstruktur". Set data terstruktur memiliki aturan dan pemformatan yang jelas, serta sering kali disusun dalam tabel, atau data yang diformat dalam baris dan kolom.

Contoh data tidak terstruktur adalah file gambar. Data tidak terstruktur tidak dapat dioperasikan dengan SQL dan tidak dapat disimpan dalam set data atau tabel BigQuery (setidaknya secara native). Misalnya, agar dapat memanfaatkan data gambar, Anda akan menggunakan layanan seperti Cloud Vision, mungkin melalui API-nya secara langsung.

Berikut ini adalah contoh set data terstruktur, yaitu tabel sederhana:

User	Price	Shipped
Sean	$35	Yes
Rocky	$50	No

Jika Anda pernah menggunakan Google Spreadsheet sebelumnya, contoh di atas seharusnya tidak terlihat asing. Tabel ini memiliki kolom untuk User, Price, Shipped, serta dua baris yang terdiri atas nilai kolom yang sudah terisi.

Pada dasarnya, database adalah kumpulan dari satu atau beberapa tabel. SQL adalah fitur pengelolaan database terstruktur, tetapi sering kali (dan di lab ini) Anda akan menjalankan kueri pada satu atau beberapa tabel yang digabungkan, bukan pada keseluruhan database.

SELECT dan FROM

SQL pada dasarnya bersifat fonetik dan sebelum menjalankan kueri, sebaiknya ketahui pertanyaan yang ingin Anda tanyakan ke data (kecuali jika Anda hanya ingin bereksplorasi untuk mencoba-coba.)

SQL memiliki kata kunci standar yang Anda gunakan untuk menerjemahkan pertanyaan Anda ke dalam sintaksis SQL dalam bahasa pseudo-Inggris sehingga Anda bisa menginstruksikan mesin database untuk memberi jawaban yang Anda inginkan.

Kata kunci terpenting adalah SELECT dan FROM:

• Gunakan SELECT untuk menentukan kolom yang ingin diambil dari set data Anda.
• Gunakan FROM untuk menentukan tabel yang ingin Anda ambil datanya.

Anda mungkin akan lebih paham jika menggunakan contoh. Anggaplah Anda memiliki tabel example_table berikut, yang memiliki kolom USER, PRICE, dan SHIPPED:

Dan misalnya, Anda hanya ingin mengambil data yang ditemukan di kolom USER. Anda dapat melakukannya dengan menjalankan kueri berikut yang menggunakan SELECT dan FROM:

SELECT USER FROM example_table

Jika Anda telah menjalankan perintah di atas, pilih semua nama dari kolom USER yang ditemukan dalam example_table.

Anda juga dapat memilih beberapa kolom dengan kata kunci SELECT di SQL. Misalnya, Anda ingin mengambil data yang ditemukan di kolom USER dan SHIPPED. Untuk melakukannya, ubah kueri sebelumnya dengan menambahkan nilai kolom lain ke kueri SELECT (pastikan nilai kolom dipisahkan oleh koma):

SELECT USER, SHIPPED FROM example_table

Menjalankan kueri di atas akan mengambil data USER dan SHIPPED dari memori:

Seperti itulah pembahasan dua kata kunci SQL dasar. Pembahasan selanjutnya akan lebih menarik.

WHERE

Kata kunci WHERE adalah perintah SQL lain yang memfilter tabel untuk nilai kolom spesifik. Misalnya, Anda ingin mengambil nama dari example_table yang paketnya telah dikirim. Anda dapat melengkapi kueri dengan WHERE, seperti berikut ini:

SELECT USER FROM example_table WHERE SHIPPED='YES'

Menjalankan kueri di atas akan menampilkan semua USER yang paketnya berstatus SHIPPED dari memori:

Setelah Anda mendapatkan pemahaman dasar tentang kata kunci inti SQL, terapkan hal yang telah Anda pelajari dengan menjalankan jenis kueri ini di konsol BigQuery.

Uji pemahaman Anda

Berikut ini beberapa pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep yang telah dibahas sejauh ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 2. Mengeksplorasi konsol BigQuery

Paradigma BigQuery

BigQuery adalah data warehouse berskala petabyte terkelola sepenuhnya yang berjalan di Google Cloud. Analis data dan data scientist dapat dengan cepat membuat kueri dan memfilter set data besar, menggabungkan hasil, dan melakukan operasi kompleks tanpa harus khawatir tentang penyiapan dan pengelolaan server. BigQuery hadir dalam bentuk alat command line (sudah terinstal dalam Cloud Shell) atau konsol web. Keduanya siap digunakan untuk mengelola dan membuat kueri data yang disimpan dalam project Google Cloud.

Dalam lab ini, Anda akan menggunakan konsol web untuk menjalankan kueri SQL.

Membuka konsol BigQuery

1. Di Konsol Google Cloud, pilih Navigation menu > BigQuery.

Kotak pesan Welcome to BigQuery in the Cloud Console akan terbuka. Kotak pesan ini menyediakan link ke panduan memulai dan catatan rilis.

2. Klik Done.

Konsol BigQuery terbuka.

Luangkan waktu sejenak untuk mencatat beberapa fitur UI yang penting. "Editor" kueri berada di sisi kanan konsol. Di sini Anda akan menulis dan menjalankan perintah SQL seperti pada contoh yang dibahas sebelumnya. Di bawahnya adalah "Query history", yang merupakan daftar kueri yang Anda jalankan sebelumnya.

Panel konsol di sebelah kiri adalah Navigation menu. Selain histori kueri, kueri tersimpan, dan histori tugas yang mudah dipahami, ada tab Explorer.

Tingkat resource paling tinggi di tab Explorer berisi project Google Cloud, sama dengan project Google Cloud yang Anda masuki ketika login dan gunakan dalam tiap lab Google Skills. Seperti yang Anda lihat di konsol dan screenshot terakhir, Anda hanya memiliki project di tab Explorer. Jika Anda mencoba mengklik panah di samping nama project, tidak ada yang akan ditampilkan.

Ini karena project Anda tidak berisi set data atau tabel, sehingga Anda tidak memiliki apa pun yang dapat dikueri. Sebelumnya Anda telah mempelajari bahwa set data berisi tabel. Saat Anda menambahkan data ke project, perhatikan bahwa di BigQuery, project berisi set data, dan set data berisi tabel. Sekarang, setelah lebih memahami paradigma project > set data > tabel dan seluk-beluk konsol, Anda dapat memuat beberapa data yang dapat dikueri.

Mengupload data yang dapat dikueri

Di bagian ini, Anda akan mengambil beberapa data publik ke project, sehingga Anda dapat berlatih menjalankan perintah SQL di BigQuery.

1. Di BigQuery, klik ikon Explorer (ikon pertama di panel menu teratas untuk BigQuery), lalu klik + Add data.

2. Klik Star a project by name.

3. Ketik nama project: bigquery-public-data

4. Klik Star.

5. Klik panah kembali di samping Add data untuk kembali ke panel Explorer.

Penting untuk diperhatikan bahwa Anda masih bekerja di luar project lab Anda di tab baru ini. Yang Anda lakukan hanyalah mengambil project dengan akses publik yang berisi set data dan tabel ke BigQuery untuk dianalisis. Anda tidak beralih ke project tersebut. Semua pekerjaan dan layanan Anda masih terikat ke akun Google Skills Anda.

6. Di panel Explorer, klik nama project bigquery-public-data.

7. Klik Datasets.

Anda memiliki akses ke banyak set data di project bigquery-public-data, termasuk london_bicycles.

8. Di kanan bawah panel Datasets, klik panah maju untuk menavigasi nama set data, lalu klik set data bernama london_bicycles.

Ada dua tabel dalam set data london_bicycles:

• cycle_hire
• cycle_stations

9. Klik tabel cycle_hire, lalu klik tab Preview untuk melihat pratinjau kolom dan nilai data.

Halaman Anda akan terlihat seperti berikut:

Periksa kolom dan nilai yang diisikan ke dalam baris. Anda telah siap menjalankan beberapa kueri SQL pada tabel cycle_hire.

Menggunakan SELECT, FROM, dan WHERE di BigQuery

Anda kini memiliki pemahaman dasar terkait kata kunci kueri SQL dan paradigma data BigQuery serta beberapa data untuk dikerjakan. Jalankan beberapa perintah SQL menggunakan layanan ini.

Di sudut kanan bawah konsol, Anda akan melihat ada 83.434.866 baris data, yaitu perjalanan sepeda bikeshare perorangan yang dilakukan di London antara tahun 2015 hingga tahun 2017 (cukup jelas bahwa angka ini tidaklah kecil!)

Sekarang perhatikan kunci kolom ketujuh: end_station_name, yang menunjukkan tujuan akhir dari perjalanan sepeda bikeshare. Sebelum berlanjut ke tahap berikutnya, jalankan kueri sederhana untuk mengisolasi kolom end_station_name.

1. Di tab Untitled query, salin dan tempel kueri berikut:

SELECT end_station_name FROM `bigquery-public-data.london_bicycles.cycle_hire`;

2. Selanjutnya, klik Run.

Setelah ~20 detik, Anda akan memperoleh 83.434.866 baris berisi satu-satunya kolom yang Anda kueri, yaitu end_station_name.

Sekarang, cari tahu jumlah perjalanan sepeda yang berdurasi 20 menit atau lebih.

3. Hapus kueri dari editor, lalu jalankan kueri berikut ini yang menggunakan kata kunci WHERE:

SELECT * FROM `bigquery-public-data.london_bicycles.cycle_hire` WHERE duration>=1200;

Proses kueri ini mungkin memerlukan waktu beberapa menit.

SELECT * menampilkan semua nilai kolom dari tabel. Durasi diukur dalam detik, itulah sebabnya Anda menggunakan nilai 1.200 (60*20).

Di sudut kanan bawah, Anda akan mengetahui bahwa 26.441.016 baris telah ditampilkan. Jika dibandingkan dengan nilai total (26.441.016/83.434.866), berarti ~30% perjalanan sepeda bikeshare London berlangsung selama 20 menit atau lebih (banyak juga yang bersepeda lumayan lama!)

Uji pemahaman Anda

Berikut ini beberapa pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep yang telah kita bahas sejauh ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 3. Menggunakan Kata Kunci SQL tambahan: GROUP BY, COUNT, AS, dan ORDER BY

GROUP BY

Kata kunci GROUP BY akan mengagregasi baris set hasil yang memiliki kriteria umum yang sama (misalnya nilai kolom) dan akan menampilkan semua entri unik yang ditemukan untuk kriteria tersebut.

Ini adalah kata kunci yang berguna untuk mencari tahu informasi kategori pada tabel.

1. Untuk mendapatkan gambaran yang lebih baik tentang fungsi kata kunci ini, hapus kueri dari editor, lalu salin dan tempel perintah berikut:

SELECT start_station_name FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

2. Klik Run.

Hasilnya adalah daftar nilai kolom yang unik (tidak memiliki duplikat).

Tanpa GROUP BY, kueri akan menampilkan semua baris, berjumlah 83.434.866. GROUP BY akan menampilkan nilai kolom unik yang ditemukan dalam tabel. Anda dapat memeriksanya sendiri dengan melihat di sudut kanan bawah. Anda akan melihat 954 baris, yang berarti ada 954 titik awal bikeshare London.

COUNT

Fungsi COUNT() akan menampilkan jumlah baris yang memiliki kriteria sama (misalnya nilai kolom). Fungsi ini bisa sangat berguna jika dipakai bersama dengan GROUP BY.

Tambahkan fungsi COUNT ke kueri sebelumnya untuk mengetahui jumlah perjalanan yang dimulai di setiap titik awal.

• Hapus kueri dari editor, salin dan tempel perintah berikut, lalu klik Run:

SELECT start_station_name, COUNT(*) FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

Output Anda menunjukkan jumlah perjalanan bikeshare yang dimulai di setiap lokasi awal.

AS

SQL juga memiliki kata kunci AS yang membuat alias dari tabel atau kolom. Alias adalah nama baru yang diberikan pada kolom atau tabel yang ditampilkan, sesuai yang ditentukan pada perintah AS.

1. Tambahkan kata kunci AS ke kueri terakhir yang Anda jalankan untuk melihat cara kerjanya. Hapus kueri dari editor, lalu salin dan tempel perintah berikut:

SELECT start_station_name, COUNT(*) AS num_starts FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

2. Klik Run.

Untuk Results, nama kolom sebelah kanan berubah dari COUNT(*) menjadi num_starts.

Seperti yang Anda lihat, kolom COUNT(*) pada tabel yang ditampilkan kini diberi nama alias num_starts. Kata kunci ini berguna terutama jika Anda menangani set data yang besar. Perlu diingat bahwa nama tabel atau kolom yang ambigu lebih sering terjadi daripada yang Anda kira.

ORDER BY

Kata kunci ORDER BY mengurutkan data yang dihasilkan dari kueri dalam urutan naik atau turun berdasarkan kriteria atau nilai kolom yang ditentukan. Tambahkan kata kunci ini ke kueri sebelumnya untuk melakukan hal berikut:

• Menampilkan tabel berisi jumlah perjalanan bikeshare yang dimulai di tiap stasiun awal, yang disusun secara alfabetis berdasarkan stasiun awal.
• Menampilkan tabel berisi jumlah perjalanan bikeshare yang dimulai di setiap stasiun awal, yang disusun secara numerik dari terendah ke tertinggi.
• Menampilkan tabel berisi jumlah perjalanan bikeshare yang dimulai di setiap stasiun awal, yang disusun secara numerik dari tertinggi ke terendah.

Setiap perintah di bawah ini adalah kueri terpisah. Untuk setiap perintah:

1. Kosongkan Editor kueri.
2. Salin dan tempel perintah ke Editor kueri.
3. Klik Run. Periksa hasilnya.

SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY start_station_name; SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num; SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num DESC;

Hasil kueri terakhir menampilkan lokasi awal berdasarkan jumlah perjalanan yang dimulai dari lokasi tersebut (jumlah start).

Anda akan melihat bahwa "Hyde Park Corner, Hyde Park" merupakan lokasi awal dengan jumlah start tertinggi. Namun, jika dibandingkan dengan nilai total (234.458/83.434.866), Anda akan mendapatkan hasil bahwa <1% perjalanan sepeda dimulai dari stasiun ini.

Uji pemahaman Anda

Berikut ini beberapa pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep yang telah dibahas sejauh ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 4. Mengekspor data BigQuery ke file CSV

Mengekspor kueri sebagai file CSV

Cloud SQL adalah layanan database terkelola sepenuhnya yang memudahkan penyiapan, pemeliharaan, pengelolaan, dan pengaturan database PostgreSQL dan MySQL relasional di cloud. Ada dua format data yang diterima oleh Cloud SQL: file dump (.sql) atau file CSV (.csv). Anda akan mempelajari cara mengekspor subset tabel cycle_hire ke file CSV, lalu menguploadnya ke Cloud Storage sebagai lokasi perantara.

Kembali ke BigQuery Console, seharusnya ini adalah perintah terakhir yang Anda jalankan:

SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num DESC;

1. Di bagian Query Results, klik Save results > Local download > CSV. Simpan file sebagai start_station_name.csv.

Tindakan ini akan memulai download, yang akan menyimpan kueri sebagai file CSV. Catat lokasi dan nama file yang didownload, karena Anda akan membutuhkannya nanti.

2. Kosongkan editor kueri, lalu salin dan jalankan perintah berikut di editor kueri:

SELECT end_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY end_station_name ORDER BY num DESC;

Kueri tersebut akan menampilkan tabel berisi jumlah perjalanan bikeshare yang berakhir di tiap stasiun akhir, yang disusun secara numerik dari jumlah perjalanan tertinggi ke terendah.

3. Di bagian Query Results, klik Save results > Local download > CSV. Simpan file sebagai end_station_name.csv.

Tindakan ini akan memulai download, yang akan menyimpan kueri sebagai file CSV. Catat lokasi dan nama file yang didownload, karena Anda akan membutuhkannya di bagian selanjutnya.

Membuat bucket Cloud Storage

1. Buka Konsol Cloud. Di sini, Anda akan membuat bucket penyimpanan yang akan menjadi lokasi upload file yang baru dibuat.

2. Pilih Navigation menu > Cloud Storage > Buckets, lalu klik Create Bucket.

Catatan: Jika diminta, klik LEAVE untuk pekerjaan yang belum tersimpan.

3. Masukkan nama unik untuk bucket Anda (seperti project ID Anda ), biarkan setelan lainnya dalam mode default, lalu klik Create.

4. Jika diminta, klik Confirm untuk dialog Public access will be prevented.

Menguji tugas yang sudah selesai

Klik Check my progress di bawah untuk memeriksa progres lab Anda. Jika berhasil membuat bucket, Anda akan melihat skor penilaian.

Membuat bucket Cloud Storage.

Mengupload file CSV ke Cloud Storage

Sekarang, buka Konsol Cloud, dan Bucket Cloud Storage yang baru dibuat akan ditampilkan.

1. Klik Upload > Upload files, lalu pilih CSV yang berisi data start_station_name.

2. Selanjutnya, klik Open.

3. Ulangi untuk data end_station_name.

Setelah itu, Anda seharusnya dapat melihat start_station_data.csv dan end_station_data.csv dalam daftar Objects di halaman Bucket details.

Anda mungkin perlu memuat ulang halaman untuk melihat file yang diupload.

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika berhasil mengupload objek CSV ke bucket, Anda akan melihat skor penilaian.

Mengupload file CSV ke Cloud Storage.

Tugas 5. Membuat instance Cloud SQL

1. Di Navigation menu (), klik Cloud SQL.

2. Di halaman Instances, di bagian Get Started untuk tab MySQL, klik Create Development Instance.

3. Untuk Choose a Cloud SQL edition, pilih Enterprise.

4. Untuk Preset, pilih Development (vCPU 4, 16 GB RAM, 100 GB Storage, Single zone).

Peringatan: jika Anda memilih preset yang lebih besar daripada Development, project Anda akan ditandai dan lab Anda akan dihentikan.

5. Untuk Database version, pilih MySQL 8.0. Biarkan nilai default untuk Minor version.

6. Untuk Instance ID, ketik: my-demo

7. Untuk Password, ketik: ChangeMe1!

8. Untuk Zonal availability, pilih Multiple zones (Highly available).

9. Luaskan menu drop-down untuk Specify zones, lalu pilih sebagai Primary Zone. Biarkan nilai default untuk Secondary zone.

10. Klik Create instance.

Catatan: Mungkin perlu waktu beberapa menit hingga instance selesai dibuat. Setelah itu, Anda akan melihat tanda centang hijau di samping nama instance di halaman instance SQL.

Menguji tugas yang sudah selesai

Untuk memeriksa progres lab Anda, klik Check my progress di bawah. Jika berhasil menyiapkan instance Cloud SQL, Anda akan melihat skor penilaian.

Membuat Instance Cloud SQL.

Tugas 6. Membuat database dan tabel Cloud SQL

Terhubung ke instance Cloud SQL

Setelah instance Cloud SQL dapat berjalan, buat database di dalamnya menggunakan Command Line Cloud Shell.

1. Di halaman Cloud SQL untuk instance Anda yang bernama my-demo, scroll ke bagian bernama Connect to this instance, lalu klik Open Cloud Shell.

2. Saat diminta, klik Continue, lalu klik Authorize.

3. Jalankan perintah yang diisi otomatis agar terhubung ke instance SQL, dengan mengganti my-demo jika Anda menggunakan nama instance yang berbeda:

gcloud sql connect my-demo --user=root --quiet Catatan: Mungkin perlu waktu satu menit untuk terhubung ke instance Anda. Jika Anda menerima pesan "Operation failed because another operation was already in progress", Anda harus menunggu instance SQL selesai dibuat, kemudian coba lagi untuk terhubung.

4. Saat diminta, ketik sandi root yang Anda tetapkan untuk instance: ChangeMe1!

Catatan: Kursor tidak akan bergerak.

Anda akan melihat output seperti ini:

Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 113 Server version: 8.0.43-google (Google) Hal Cipta (c) 2000, 2026, Oracle dan/atau afiliasinya. Oracle adalah merek dagang terdaftar dari Oracle Corporation dan/atau afiliasinya. Nama lain mungkin merupakan merEk dagang dari pemiliknya masing-masing. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. mysql>

Membuat database

Instance Cloud SQL dilengkapi dengan database yang sudah dikonfigurasi, tetapi Anda akan membuat database sendiri untuk menyimpan data bikeshare London.

• Jalankan perintah berikut di prompt server MySQL untuk membuat database bernama bike:

CREATE DATABASE bike;

Anda akan menerima output berikut:

Query OK, 1 row affected (0.05 sec) mysql>

Menguji tugas yang sudah selesai

Periksa progres Anda dengan mengklik Check my progress untuk memverifikasi tugas yang dilakukan. Skor penilaian akan ditampilkan setelah database berhasil dibuat di instance Cloud SQL.

Membuat database.

Membuat tabel

1. Buat tabel di dalam database bike dengan menjalankan perintah berikut:

USE bike; CREATE TABLE london1 (start_station_name VARCHAR(255), num INT);

Pernyataan ini menggunakan kata kunci CREATE, tetapi kali ini klausa TABLE digunakan untuk menentukan bahwa kueri tersebut ingin membuat tabel, bukan database. Kata kunci USE menentukan database yang ingin Anda hubungkan. Anda sekarang memiliki tabel bernama "london1" yang berisi dua kolom, "start_station_name" dan "num". VARCHAR(255) menentukan kolom string dengan panjang bervariasi yang dapat menampung hingga 255 karakter, sedangkan INT adalah kolom jenis bilangan bulat.

2. Buat tabel lain bernama "london2" dengan menjalankan perintah berikut:

USE bike; CREATE TABLE london2 (end_station_name VARCHAR(255), num INT);

3. Sekarang pastikan bahwa tabel kosong Anda telah dibuat. Jalankan perintah berikut di prompt server MySQL:

SELECT * FROM london1; SELECT * FROM london2;

Anda akan menerima output berikut untuk kedua perintah di atas:

Empty set (0.04 sec)

Anda akan melihat "empty set" karena Anda belum memuat data.

Biarkan Cloud Shell tetap terbuka, dan lanjutkan ke tugas berikutnya.

Tugas 7. Mengupload file CSV ke tabel

Kembali ke konsol Cloud SQL. Anda sekarang akan mengupload file CSV start_station_name dan end_station_name ke tabel london1 dan london2 yang baru dibuat.

1. Di halaman instance Cloud SQL, klik Import.

2. Untuk File format, pilih CSV.

3. Di kolom file Cloud Storage, klik Browse, klik panah di sebelah nama bucket, lalu klik start_station_data.csv. Klik Select.

4. Pilih database bike, lalu ketik london1 sebagai tabel Anda.

5. Klik Import.

6. Ulangi langkah 1-5 untuk mengimpor file CSV lainnya yang bernama end_station_data.csv ke tabel database bike yang bernama london2.

Kedua file CSV seharusnya sudah diupload ke tabel di database bike.

7. Kembalilah ke sesi Cloud Shell Anda dan jalankan perintah berikut di prompt server MySQL untuk memeriksa konten london1:

SELECT * FROM london1;

Anda akan menerima 955 baris output, satu untuk tiap nama stasiun.

8. Jalankan perintah berikut untuk memastikan london2 juga telah diisi:

SELECT * FROM london2;

Anda akan menerima 959 baris output, satu untuk tiap nama stasiun.

Tugas 8. Menjalankan kueri data di Cloud SQL

Kata kunci DELETE

Berikut adalah beberapa kata kunci SQL lainnya yang membantu kita dalam mengelola data. Pertama adalah kata kunci DELETE.

• Jalankan perintah berikut di sesi MySQL Anda untuk menghapus baris pertama london1 dan london2:

DELETE FROM london1 WHERE num=0; DELETE FROM london2 WHERE num=0;

Anda akan menerima output berikut setelah menjalankan kedua perintah di atas:

Query OK, 1 row affected (0.04 sec)

Baris yang dihapus adalah header kolom file CSV. Kata kunci DELETE tidak akan menghapus baris pertama file tersebut, tetapi semua baris dalam tabel tempat nama kolom (dalam hal ini "num") berisi nilai yang ditentukan (dalam hal ini "0"). Jika Anda menjalankan kueri SELECT * FROM london1; dan SELECT * FROM london2; dan men-scroll ke bagian atas tabel, Anda akan melihat bahwa baris tersebut sudah tidak ada lagi.

Kata kunci INSERT INTO

Anda juga dapat memasukkan nilai ke dalam tabel dengan kata kunci INSERT INTO.

• Jalankan perintah berikut untuk menyisipkan baris baru ke london1, yang menetapkan start_station_name ke "test destination", dan num ke "1":

INSERT INTO london1 (start_station_name, num) VALUES ("test destination", 1);

Kata kunci INSERT INTO memerlukan tabel (london1) dan akan membuat baris baru dengan kolom yang sesuai dengan istilah dalam tanda kurung pertama (dalam hal ini "start_station_name" dan "num"). Apa pun istilah setelah klausa "VALUES" akan dimasukkan sebagai nilai di baris baru.

Anda akan menerima output berikut:

Query OK, 1 row affected (0.05 sec)

Jika kueri SELECT * FROM london1; dijalankan, Anda akan melihat baris tambahan di bagian bawah tabel "london1".

Kata kunci UNION

Kata kunci SQL terakhir yang akan Anda pelajari adalah UNION. Kata kunci ini menggabungkan output dari dua atau beberapa kueri SELECT ke dalam set hasil. Anda menggunakan UNION untuk menggabungkan subset tabel "london1" dan "london2".

Rangkaian kueri berikut mengambil data tertentu dari kedua tabel dan menggabungkannya dengan operator UNION.

• Jalankan perintah berikut di prompt server MySQL:

SELECT start_station_name AS top_stations, num FROM london1 WHERE num>100000 UNION SELECT end_station_name, num FROM london2 WHERE num>100000 ORDER BY top_stations DESC;

Kueri SELECT pertama memilih kedua kolom tersebut dari tabel "london1" dan membuat alias untuk "start_station_name", yang ditetapkan ke "top_stations". Kueri tersebut menggunakan kata kunci WHERE untuk hanya mengambil nama stasiun bikeshare yang menjadi titik awal perjalanan lebih dari 100.000 sepeda.

Kueri SELECT kedua memilih dua kolom dari tabel "london2" dan menggunakan kata kunci WHERE untuk hanya mengambil nama stasiun bikeshare yang menjadi titik akhir perjalanan lebih dari 100.000 sepeda.

Kata kunci UNION yang berada di antaranya menggabungkan output kedua kueri ini dengan memadukan data "london2" dengan "london1". Karena "london1" digabungkan dengan "london2", nilai kolom yang diutamakan adalah "top_stations" dan "num".

ORDER BY akan mengurutkan tabel final gabungan berdasarkan nilai kolom "top_stations" secara alfabetis dalam urutan menurun.

Contoh output (hasil Anda mungkin berbeda) :

Seperti yang Anda lihat, 13/14 stasiun berbagi tempat teratas untuk titik awal dan akhir transportasi online. Dengan beberapa kata kunci SQL dasar, Anda dapat membuat kueri untuk set data yang cukup besar, yang menampilkan titik data dan jawaban atas pertanyaan spesifik.

Selamat!

Dalam lab ini, Anda telah mempelajari dasar-dasar SQL dan cara menerapkan kata kunci serta menjalankan kueri di BigQuery dan CloudSQL. Anda telah mempelajari konsep inti di balik project, database, dan tabel. Anda telah berlatih dengan kata kunci yang memanipulasi dan mengedit data. Anda telah mempelajari cara membaca data dalam BigQuery dan telah berlatih menjalankan kueri pada tabel. Anda telah mempelajari cara membuat instance di Cloud SQL dan berlatih mentransfer subset data ke dalam tabel yang ada di dalam database. Anda telah merangkai dan menjalankan kueri di Cloud SQL untuk mendapatkan beberapa kesimpulan menarik terkait stasiun awal dan akhir rental sepeda di London.

Langkah berikutnya/Pelajari lebih lanjut

Teruslah mempelajari dan berlatih dengan Cloud SQL dan BigQuery melalui lab Google Cloud Skill Boost ini:

• Data Cuaca di BigQuery
• Menjelajahi Data NCAA dengan BigQuery
• Memuat Data ke Google Cloud SQL
• Cloud SQL dengan Terraform

Pelajari Data Science lebih lanjut dengan Data Science on the Google Cloud Platform, 2nd Edition: O'Reilly Media, Inc..

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 19 Maret 2026

Lab Terakhir Diuji pada 19 Maret 2026

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.