GSP416

總覽

BigQuery 是 Google 提供的全代管 NoOps 數據分析資料庫，價格相當實惠。您可以使用 BigQuery 查詢 TB 規模的資料，不必管理基礎架構，也不需要資料庫管理員。BigQuery 使用 SQL 語法，並提供「即付即用」模式。這項服務可讓您專心分析資料，找出有意義的洞察結果。

在本實驗室中，您將深入學習如何在 BigQuery 處理半結構化資料，像是擷取 JSON、陣列資料等。將結構定義反正規化，並製作成有重複欄位的單一巢狀資料表能提升成效，但處理這類陣列資料的 SQL 語法相當複雜。您將練習載入與查詢各種半結構化資料集、排解相關問題，以及解除這類資料的巢狀結構。

學習內容

本實驗室的內容包括：

• 載入、查詢半結構化資料，並解除這類資料的巢狀結構。
• 排解半結構化資料的查詢問題。

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

開啟 BigQuery 控制台

1. 在 Google Cloud 控制台中，依序選取「導覽選單」>「BigQuery」。

接著，畫面中會顯示「歡迎使用 Cloud 控制台中的 BigQuery」訊息方塊，當中會列出快速入門導覽課程指南的連結和版本資訊。

2. 點選「完成」。

BigQuery 控制台會隨即開啟。

工作 1：建立新的資料集來儲存資料表

1. 在 BigQuery 中，點選專案 ID 旁的三點圖示，然後選取「建立資料集」：

2. 將「資料集 ID」設為 fruit_store。「資料位置」、「預設到期時間」等其他選項保留預設值。

3. 點選「建立資料集」。

工作 2：練習處理 SQL 中的陣列

在 SQL 中，每個資料列通常只有一個值，例如下方的水果清單：

Row	Fruit
1	raspberry
2	blackberry
3	strawberry
4	cherry

如果想要店內每個人的水果清單呢？結果應如下所示：

Row	Fruit	Person
1	raspberry	sally
2	blackberry	sally
3	strawberry	sally
4	cherry	sally
5	orange	frederick
6	apple	frederick

如果使用傳統關聯式資料庫 SQL，當您發現上方資料表的名稱重複，會立即想到要拆分為兩個獨立的資料表：「水果」和「人物」。這個程序稱為正規化，也就是將一個資料表拆分為多個資料表，這是 mySQL 等交易資料庫的常見做法。

就 data warehousing 而言，資料分析師通常採取相反的做法，也就是反正規化，將多個獨立的資料表合併成一個大型報表表格。

接下來，您將學習使用另一種方法，按照不同精細程度，將資料全部儲存在有重複欄位的單一資料表中：

Row	Fruit (array)	Person
1	raspberry	sally
	blackberry
	strawberry
	cherry
2	orange	frederick
	apple

前一個資料表有什麼奇怪的地方？

• 只有兩個資料列。
• 單一資料列中有多個 Fruit 欄位值。
• 人物與所有欄位值相關。

發現重點了嗎？這就是 array 資料類型！

這樣更容易解讀 Fruit (array) 資料欄：

Row	Fruit (array)	Person
1	[raspberry, blackberry, strawberry, cherry]	sally
2	[orange, apple]	frederick

這兩個資料表的內容完全相同，並呈現兩個重點：

• 陣列只是以方括號 [ ] 表示的項目清單
• BigQuery 會直接顯示「扁平化」的陣列資料，並縱向列出陣列值 (請注意，所有值仍屬於同一列)

現在換您試試看。

1. 複製下列查詢，貼到 BigQuery 查詢編輯器：

#standardSQL SELECT ['raspberry', 'blackberry', 'strawberry', 'cherry'] AS fruit_array

2. 點選「執行」。

3. 接下來試著執行下列查詢：

#standardSQL SELECT ['raspberry', 'blackberry', 'strawberry', 'cherry', 1234567] AS fruit_array

您會收到類似下方的錯誤訊息：

Error: Array elements of types {INT64, STRING} do not have a common supertype at [3:1]

陣列只能使用相同的資料類型，例如全都是字串，或全都是數值。

4. 查詢的最終資料表如下：

#standardSQL SELECT person, fruit_array, total_cost FROM `data-to-insights.advanced.fruit_store`;

5. 點選「執行」。

6. 查看結果後，點選「JSON」分頁標籤，即可瀏覽結果的巢狀結構。

將半結構化 JSON 載入 BigQuery

如果需要將 JSON 檔案擷取至 BigQuery，該怎麼做？

在資料集建立新的資料表 fruit_details。

1. 點選「fruit_store」資料集。

現在您會看到「建立資料表」選項。

注意：您可能需要拉寬瀏覽器視窗，才能看到「建立資料表」選項。

2. 將下列詳細資訊加入資料表：

• 選取來源：從「建立資料表來源」下拉式選單中選取「Google Cloud Storage」。
• 從 Cloud Storage bucket 中選取檔案：spls/gsp416/data-insights-course/labs/optimizing-for-performance/shopping_cart.json
• 設定檔案格式：設為 JSONL，也就是以換行符號分隔的 JSON

3. 將新資料表命名為 fruit_details。

4. 勾選「Schema (Auto detect)」核取方塊。

5. 點選「建立資料表」。

請注意，結構定義中的 fruit_array 標為 REPEATED，表示這是陣列。

重點回顧

• BigQuery 直接支援陣列
• 陣列值只能使用相同的資料類型
• 在 BigQuery 中，陣列會以 REPEATED 欄位表示。

點選「Check my progress」確認目標已達成。 建立新的資料集和資料表來儲存資料

工作 3：使用 ARRAY_AGG() 自行建立陣列

如果資料表沒有陣列，您可以自行建立！

1. 複製及貼上下列查詢，探索這個公開資料集：

SELECT fullVisitorId, date, v2ProductName, pageTitle FROM `data-to-insights.ecommerce.all_sessions` WHERE visitId = 1501570398 ORDER BY date

2. 點選「執行」並查看結果。

現在請使用 ARRAY_AGG() 函式，將字串值匯總至陣列。

3. 複製及貼上下列查詢，探索這個公開資料集：

SELECT fullVisitorId, date, ARRAY_AGG(v2ProductName) AS products_viewed, ARRAY_AGG(pageTitle) AS pages_viewed FROM `data-to-insights.ecommerce.all_sessions` WHERE visitId = 1501570398 GROUP BY fullVisitorId, date ORDER BY date

4. 點選「執行」並查看結果

5. 接著使用 ARRAY_LENGTH() 函式計算頁數和已查看的產品數：

SELECT fullVisitorId, date, ARRAY_AGG(v2ProductName) AS products_viewed, ARRAY_LENGTH(ARRAY_AGG(v2ProductName)) AS num_products_viewed, ARRAY_AGG(pageTitle) AS pages_viewed, ARRAY_LENGTH(ARRAY_AGG(pageTitle)) AS num_pages_viewed FROM `data-to-insights.ecommerce.all_sessions` WHERE visitId = 1501570398 GROUP BY fullVisitorId, date ORDER BY date

6. 接著將 DISTINCT 加入 ARRAY_AGG() 來簡化頁面和產品，瞭解已查看的不重複產品數：

SELECT fullVisitorId, date, ARRAY_AGG(DISTINCT v2ProductName) AS products_viewed, ARRAY_LENGTH(ARRAY_AGG(DISTINCT v2ProductName)) AS distinct_products_viewed, ARRAY_AGG(DISTINCT pageTitle) AS pages_viewed, ARRAY_LENGTH(ARRAY_AGG(DISTINCT pageTitle)) AS distinct_pages_viewed FROM `data-to-insights.ecommerce.all_sessions` WHERE visitId = 1501570398 GROUP BY fullVisitorId, date ORDER BY date

點選「Check my progress」確認目標已達成。 執行查詢，瞭解已查看的不重複產品數

重點回顧

陣列可在許多方面派上用場，例如：

• 使用 ARRAY_LENGTH(<array>) 找出元素數量
• 使用 ARRAY_AGG(DISTINCT <field>) 簡化元素
• 使用 ARRAY_AGG(<field> ORDER BY <field>) 排列元素順序
• 使用 ARRAY_AGG(<field> LIMIT 5) 設定上限

工作 4：查詢包含陣列的資料表

與本課程資料集 data-to-insights.ecommerce.all_sessions 相比，用於 Google Analytics 的 BigQuery 公開資料集 bigquery-public-data.google_analytics_sample 包含更多欄位和資料列。更重要的是，該資料集已將產品、頁面和交易等欄位值，直接儲存為 ARRAY。

1. 複製及貼上下列查詢來探索可用的資料，看看是否能找出有重複值的欄位 (陣列)：

SELECT * FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20170801` WHERE visitId = 1501570398

2. 點選「執行」開始查詢。

3. 向右捲動結果，直到看到 hits.product.v2ProductName 欄位 (稍後將介紹各欄位別名)。

Google Analytics 結構定義中的可用欄位數量龐大，難以進行分析。

4. 請嘗試只查詢造訪和頁面名稱欄位，與先前一樣：

SELECT visitId, hits.page.pageTitle FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20170801` WHERE visitId = 1501570398

您會收到下列錯誤訊息： Error: Cannot access field page on a value with type ARRAY<STRUCT<hitNumber INT64, time INT64, hour INT64, ...>> at [3:8]

您必須先將陣列拆分成多個資料列，才能正常查詢 REPEATED 欄位 (陣列)。

舉例來說，hits.page.pageTitle 陣列目前儲存為單一資料列：

['homepage','product page','checkout']

並需要拆分成多個資料列：

['homepage', 'product page', 'checkout']

您該如何使用 SQL 做到這點？

答：在陣列欄位中使用 UNNEST() 函式：

SELECT DISTINCT visitId, h.page.pageTitle FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20170801`, UNNEST(hits) AS h WHERE visitId = 1501570398 LIMIT 10

稍後我們會進一步說明 UNNEST()，目前只要瞭解下列幾點即可：

• 需要使用 UNNEST() 陣列，才能以資料列重新呈現陣列元素
• UNNEST() 應一律置於 FROM 子句中的資料表名稱後面，概念上可視為預先彙整的資料表

點選「Check my progress」確認目標已達成。 執行查詢，將 UNNEST() 用於陣列欄位

工作 5：STRUCT 簡介

您可能會好奇，為何欄位別名 hit.page.pageTitle 看起來像是三個欄位合而為一，並以英文句號分隔。除了使用 ARRAY 值靈活「提高」欄位精細程度外，您還能使用一種 SQL 資料類型，將相關欄位歸為一組來「擴大」結構定義。這種資料類型就是 STRUCT (結構體)。

概念上，您可以直接將 STRUCT 視為已預先彙整至主資料表的獨立資料表。

STRUCT 的特點如下：

• 包含一或多個欄位
• 各欄位的資料類型不一定都相同
• 具有別名

聽起來很像資料表，對吧？

探索含有 STRUCT 的資料表

1. 點選「+ 新增資料」，然後選取「依據名稱為專案加上星號」並輸入名稱 bigquery-public-data，即可開啟 bigquery-public-data 資料集。

2. 點選「加上星號」。

bigquery-public-data 專案會列在「Explorer」專區。

3. 開啟「bigquery-public-data」。

4. 找到並開啟 google_analytics_sample 資料集。

5. 點選 ga_sessions(366)_ 資料表。

6. 捲動瀏覽結構定義，使用瀏覽器的尋找功能回答下列問題。

可想而知，現今的電子商務網站需要儲存大量工作階段資料。

在單一資料表設定 32 個 STRUCT 的主要優點，是讓您不需使用 JOIN 函式就能執行下列查詢：

SELECT visitId, totals.*, device.* FROM `bigquery-public-data.google_analytics_sample.ga_sessions_20170801` WHERE visitId = 1501570398 LIMIT 10 注意：.* 語法會指示 BigQuery 傳回該 STRUCT 的所有欄位，很像是 totals.* 是我們單獨彙整的資料表。

將大量報表表格儲存為 STRUCT (預先彙整的「資料表」) 和 ARRAY (提高精細程度) 可以：

• 省去使用 JOIN 函式來彙整資料表 32 次的麻煩，大幅提高效能
• 只在需要時使用 ARRAY 取得精細資料，BigQuery 會將每個資料欄分別儲存在磁碟中
• 將所有業務背景資訊集結在單一資料表中，而不必煩惱如何處理 JOIN 鍵及找出包含所需資料的資料表。

工作 6：練習使用 STRUCT 和陣列

下一個資料集是記錄賽跑選手跑一圈的時間。每一圈稱為「split」。

1. 請透過下列查詢嘗試使用 STRUCT 語法，並注意結構體容器內的不同欄位類型：

#standardSQL SELECT STRUCT("Rudisha" as name, 23.4 as split) as runner

Row	runner.name	runner.split
1	Rudisha	23.4

您從欄位別名發現了什麼？結構體內的欄位呈現巢狀結構 (表示 name 和 split 是 runner 的子集)，因此使用點記號標記。

如果選手在單場比賽中有多段時間記錄 (例如每圈時間)，該怎麼辦？

當然是使用陣列！

2. 執行下列查詢來加以確認：

#standardSQL SELECT STRUCT("Rudisha" as name, [23.4, 26.3, 26.4, 26.1] as splits) AS runner

Row	runner.name	runner.splits
1	Rudisha	23.4
		26.3
		26.4
		26.1

重點回顧：

• 結構體是一種容器，能納入多個欄位名稱和資料類型，並以巢狀結構顯示。
• 陣列可做為結構體內的欄位類型之一，如上方的 split 欄位所示。

練習擷取 JSON 資料

1. 建立標題為 racing 的新資料集。

2. 依序點按 racing 資料集和「建立資料表」。

注意事項：您可能需要拉寬瀏覽器視窗，才能看見「建立資料表」選項。

• 選取來源：從「建立資料表來源」下拉式選單中選取「Google Cloud Storage」。
• 從 Cloud Storage bucket 中選取檔案：spls/gsp416/data-insights-course/labs/optimizing-for-performance/race_results.json
• 設定檔案格式：設為 JSONL，也就是以換行符號分隔的 JSON
• 在「結構定義」部分，點選「以文字形式編輯」滑桿，然後新增下列內容：

[ { "name": "race", "type": "STRING", "mode": "NULLABLE" }, { "name": "participants", "type": "RECORD", "mode": "REPEATED", "fields": [ { "name": "name", "type": "STRING", "mode": "NULLABLE" }, { "name": "splits", "type": "FLOAT", "mode": "REPEATED" } ] } ]

3. 將新資料表命名為 race_results。

4. 點選「建立資料表」。

5. 載入工作成功完成後，新建立的資料表結構定義會如下所示：

要怎麼知道哪個欄位屬於 STRUCT？

participants 欄位的資料類型為 RECORD，因此屬於 STRUCT。

哪個欄位屬於 ARRAY？

participants.splits 欄位是父項 participants 結構體內的浮點值陣列，其 REPEATED 模式表示這是陣列。該陣列的值為單一欄位內的多重值，因此屬於巢狀值。

點選「Check my progress」確認目標已達成。 建立資料集和資料表來擷取 JSON 資料

練習查詢巢狀欄位和重複欄位

1. 接著來看所有選手的 800 公尺賽跑成績：

#standardSQL SELECT * FROM racing.race_results

系統傳回多少資料列？

答：1 列

如想逐一列出選手名字和參賽類型，該怎麼做？

2. 執行下列結構定義，看看結果如何：

#standardSQL SELECT race, participants.name FROM racing.race_results

Error: Cannot access field name on a value with type ARRAY<STRUCT<name STRING, splits ARRAY<FLOAT64>>>> at [2:27]

就像使用匯總函式時忘記加入 GROUP BY 一樣，這裡的精細程度分成兩個不同等級。一個資料列包含參賽類型，三個資料列包含參賽者名字。該怎麼做，才能將下列資料表...

Row	race	participants.name
1	800M	Rudisha
2	???	Makhloufi
3	???	Murphy

...改為：

Row	race	participants.name
1	800M	Rudisha
2	800M	Makhloufi
3	800M	Murphy

如果使用的是傳統關聯 SQL，該如何從參賽類型資料表和參賽者資料表中擷取資訊？方法是使用 JOIN 函式來彙整這兩個資料表。這裡的參賽者 STRUCT (在概念上與資料表非常類似) 已是參賽類型資料表的一部分，但並未與非 STRUCT 欄位「race」正確建立關聯。

您可以使用某項 SQL 指令，將 800 公尺參賽類型與第一個資料表中的各選手名字建立關聯，想想看是哪項指令？

答：CROSS JOIN

答對了！

3. 現在試著執行下列指令：

#standardSQL SELECT race, participants.name FROM racing.race_results CROSS JOIN participants # this is the STRUCT (it is like a table within a table)

Table name "participants" missing dataset while no default dataset is set in the request。

雖然參賽者 STRUCT 類似於資料表，實際上仍是 racing.race_results 資料表的欄位。

4. 將資料集名稱加入查詢：

#standardSQL SELECT race, participants.name FROM racing.race_results CROSS JOIN race_results.participants # full STRUCT name

5. 接著點選「執行」。

太棒了！您成功逐一列出所有參加 800 公尺賽跑的選手！

Row	race	name
1	800M	Rudisha
2	800M	Makhloufi
3	800M	Murphy
4	800M	Bosse
5	800M	Rotich
6	800M	Lewandowski
7	800M	Kipketer
8	800M	Berian

6. 您還能透過下列方式簡化最後一個查詢：

• 為原始資料表新增別名
• 將字詞「CROSS JOIN」換成半形逗號，半形逗號可間接代表交叉聯結

查詢結果仍相同：

#standardSQL SELECT race, participants.name FROM racing.race_results AS r, r.participants

如有多個參賽類型 (800 公尺、100 公尺、200 公尺)，是否能使用 CROSS JOIN，直接將各選手名字與每個可能的參賽類型建立關聯，就像計算笛卡爾乘積一樣？

答：不行。這屬於「關聯 cross join」，只能拆分與單一資料列相關聯的元素。詳情請參閱 ARRAY 與 STRUCT 使用說明文件。

STRUCT 重點回顧：

• SQL STRUCT 可做為容器來容納其他資料欄位，這些欄位的資料類型不一定相同。「結構體」一詞即代表資料結構。回想先前的例子： STRUCT(``"Rudisha" as name, [23.4, 26.3, 26.4, 26.1] as splits``)`` AS runner
• STRUCT 具有指定別名 (例如上方的 runner)。概念上可視為主資料表中的資料表。
• 必須先拆分 STRUCT (和 ARRAY)，才能使用當中的元素。使用 UNNEST() 括住結構體名稱本身，或結構體中代表陣列的欄位，就能加以拆分及扁平化。

工作 7：實驗室問題：STRUCT()

請使用先前建立的 racing.race_results 資料表，回答下列問題。

工作：編寫查詢，使用 COUNT 函式計算選手總數。

• 請從下列未編寫完成的查詢著手：

#standardSQL SELECT COUNT(participants.name) AS racer_count FROM racing.race_results 注意：請務必交叉聯結結構體名稱，並放在 FROM 後面做為額外資料來源。

參考解法：

#standardSQL SELECT COUNT(p.name) AS racer_count FROM racing.race_results AS r, UNNEST(r.participants) AS p

Row	racer_count
1	8

答：參賽選手為 8 人。

點選「Check my progress」確認目標已達成。 執行查詢，使用 COUNT 函式計算選手總數

工作 8：實驗室問題：使用 UNNEST( ) 拆分陣列

請編寫查詢，列出名字開頭為 R 的選手的總賽跑時間，並從時間最短的選手開始排序。您必須使用 UNNEST() 運算子，並從下列未編寫完成的查詢著手。

• 請補全查詢：

#standardSQL SELECT p.name, SUM(split_times) as total_race_time FROM racing.race_results AS r , r.participants AS p , p.splits AS split_times WHERE GROUP BY ORDER BY ; 注意：

• 您必須拆分結構體內的結構體和陣列，放在 FROM 子句後面做為資料來源。
• 務必在適當位置使用別名。

參考解法：

#standardSQL SELECT p.name, SUM(split_times) as total_race_time FROM racing.race_results AS r , UNNEST(r.participants) AS p , UNNEST(p.splits) AS split_times WHERE p.name LIKE 'R%' GROUP BY p.name ORDER BY total_race_time ASC;

Row	name	total_race_time
1	Rudisha	102.19999999999999
2	Rotich	103.6

點選「Check my progress」確認目標已達成。 執行查詢，列出名字開頭為 R 的選手的總賽跑時間

工作 9：篩選陣列值

您發現 800 公尺賽跑的最短單圈時間記錄為 23.2 秒，但不知道是哪位選手留下這項記錄。請建立查詢，找出這名選手。

• 完成未編寫完畢的查詢：

#standardSQL SELECT p.name, split_time FROM racing.race_results AS r , r.participants AS p , p.splits AS split_time WHERE split_time = ;

參考解法：

#standardSQL SELECT p.name, split_time FROM racing.race_results AS r , UNNEST(r.participants) AS p , UNNEST(p.splits) AS split_time WHERE split_time = 23.2;

Row	name	split_time
1	Kipketer	23.2

點選「Check my progress」確認目標已達成。 執行查詢，找出留下最短單圈時間記錄的選手

恭喜！

您成功擷取 JSON 資料集，透過建立 ARRAY 和 STRUCT，以及拆分半結構化巢狀資料，取得洞察結果。

後續行動/瞭解詳情

• 歡迎進一步閱讀陣列使用說明文件。
• 參考下列實驗室：
  • 在 BigQuery 中建立依日期分區的資料表
  • 使用 BigQuery ML 預測模型預測計程車費用
  • 將新資料集擷取至 BigQuery

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2025 年 5 月 8 日

實驗室上次測試日期：2025 年 5 月 8 日

Copyright 2026 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。