{"id":91903,"date":"2020-08-20T07:42:18","date_gmt":"2020-08-20T05:42:18","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2"},"modified":"2020-08-20T07:42:18","modified_gmt":"2020-08-20T05:42:18","slug":"kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2","status":"publish","type":"post","link":"https:\/\/prohoster.info\/es\/blog\/administrirovanie\/kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2","title":{"rendered":"C\u00f3mo BigQuery de Google democratiz\u00f3 el an\u00e1lisis de datos. Parte 2","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"<p><b><i>\u00a1Hola, Habr! En este momento, OTUS est\u00e1 aceptando inscripciones para una nueva edici\u00f3n del curso <noindex><a rel=\"nofollow\" href=\"https:\/\/otus.pw\/wDZQ\/\">\u00abIngeniero de Datos\u00bb<\/a><\/noindex>. En la antesala del inicio del curso, seguimos compartiendo material \u00fatil con ustedes. <\/i><\/b><\/p>\n<p><i><noindex><a rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/otus\/\">Leer la primera parte<\/a><\/noindex><\/i><\/p>\n<p><img decoding=\"async\" alt=\"C\u00f3mo BigQuery de Google democratiz\u00f3 el an\u00e1lisis de datos. Parte 2\" src=\"\/wp-content\/uploads\/2020\/08\/7b9314bffd954cd408807280f8956c21.png\" style=\"display:block;margin: 0 auto;\" \/><\/p>\n<h4>Gesti\u00f3n de datos<\/h4>\n<p>\nUna fuerte gobernanza de datos (Strong Data Governance) es un principio fundamental de Twitter Engineering. A medida que implementamos BigQuery en nuestra plataforma, nos concentramos en la detecci\u00f3n de datos, el control de acceso, la seguridad y la privacidad.<noindex><a rel=\"nofollow\" name=\"habracut\"><\/a><\/noindex><\/p>\n<p>Para la detecci\u00f3n y gesti\u00f3n de datos, hemos ampliado nuestro nivel de acceso a datos (Data Access Layer \u2014 <noindex><a rel=\"nofollow\" href=\"https:\/\/blog.twitter.com\/engineering\/en_us\/topics\/insights\/2016\/discovery-and-consumption-of-analytics-data-at-twitter.html\">DAL<\/a><\/noindex>), para ofrecer herramientas tanto para datos locales como para datos de Google Cloud, proporcionando una interfaz y API \u00fanica para nuestros usuarios. A medida que Google <noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/data-catalog\/\">Data Catalog<\/a><\/noindex> avanza hacia la disponibilidad p\u00fablica, lo incluiremos en nuestros proyectos para ofrecer a los usuarios funciones como la b\u00fasqueda por columnas.<\/p>\n<p>BigQuery facilita el intercambio y acceso a datos, pero necesit\u00e1bamos controlar esto hasta cierto punto para prevenir la exfiltraci\u00f3n de datos. Entre otras herramientas, elegimos dos funciones:<\/p>\n<ul>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/resource-manager\/docs\/organization-policy\/restricting-domains\">Compartici\u00f3n restringida por dominio<\/a><\/noindex>: una funci\u00f3n beta que proh\u00edbe a los usuarios compartir conjuntos de datos BigQuery con usuarios fuera de Twitter.<\/li>\n<li><noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/vpc-service-controls\/\">Controles de servicio VPC<\/a><\/noindex>: un elemento de control que previene la exfiltraci\u00f3n de datos y requiere que los usuarios accedan a BigQuery desde rangos de direcciones IP conocidas.<\/li>\n<\/ul>\n<p>\nImplementamos requisitos de autenticaci\u00f3n, autorizaci\u00f3n y auditor\u00eda (AAA) para garantizar la seguridad de la siguiente manera:<\/p>\n<ul>\n<li> Autenticaci\u00f3n: utilizamos cuentas de usuario de GCP para consultas ad hoc y cuentas de servicio para consultas de trabajo.<\/li>\n<li>Autorizaci\u00f3n: requerimos que cada conjunto de datos tenga una cuenta de servicio propietaria y un grupo de lectores.<\/li>\n<li>Auditor\u00eda: exportamos los registros de Stackdriver de BigQuery, que conten\u00edan informaci\u00f3n detallada sobre la ejecuci\u00f3n de consultas, a un conjunto de datos de BigQuery para facilitar el an\u00e1lisis.<\/li>\n<\/ul>\n<p>\nPara asegurar el tratamiento adecuado de los datos personales de los usuarios de Twitter, debemos registrar todos los conjuntos de datos de BigQuery, anotar los datos personales, mantener un almacenamiento adecuado y eliminar (depurar) los datos que hayan sido eliminados por los usuarios.<\/p>\n<p>Consideramos Google <noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/dlp\/\">Cloud Data Loss Prevention API<\/a><\/noindex>, que utiliza aprendizaje autom\u00e1tico para clasificar y editar datos confidenciales, pero decidimos optar por la anotaci\u00f3n manual del conjunto de datos debido a la precisi\u00f3n. Planeamos usar la API de Prevenci\u00f3n de P\u00e9rdida de Datos para complementar la anotaci\u00f3n del usuario.<\/p>\n<p>En Twitter, hemos creado cuatro categor\u00edas de privacidad para conjuntos de datos en BigQuery, enumeradas aqu\u00ed en orden descendiente de sensibilidad:<\/p>\n<ul>\n<li>Los conjuntos de datos de alta sensibilidad est\u00e1n disponibles seg\u00fan sea necesario, con base en el principio de menor privilegio. Cada conjunto de datos tiene un grupo separado de lectores, y vamos a monitorear el uso de cuentas individuales.<\/li>\n<li>Los conjuntos de datos de sensibilidad media (seud\u00f3nimos unidireccionales que utilizan hash con sal) no contienen informaci\u00f3n personal (Informaci\u00f3n Personalmente Identificable - PII) y est\u00e1n disponibles para un grupo m\u00e1s amplio de empleados. Este es un buen equilibrio entre consideraciones de privacidad y utilidad de los datos. Permite a los empleados realizar tareas de an\u00e1lisis, como calcular la cantidad de usuarios que han utilizado una funci\u00f3n, sin saber qui\u00e9nes son los usuarios reales.<\/li>\n<li>Los conjuntos de datos de baja sensibilidad contienen toda la informaci\u00f3n que identifica al usuario. Este es un buen enfoque desde el punto de vista de la privacidad, pero no se puede utilizar para an\u00e1lisis a nivel de usuario.<\/li>\n<li>Los conjuntos de datos p\u00fablicos (publicados fuera de Twitter) est\u00e1n disponibles para todos los empleados de Twitter.<\/li>\n<\/ul>\n<p>\nEn cuanto al registro, utilizamos tareas programadas para enumerar conjuntos de datos de BigQuery y registrarlos en la Capa de Acceso a Datos (<noindex><a rel=\"nofollow\" href=\"https:\/\/blog.twitter.com\/engineering\/en_us\/topics\/insights\/2016\/discovery-and-consumption-of-analytics-data-at-twitter.html\">DAL<\/a><\/noindex>), el almacenamiento de metadatos de Twitter. Los usuarios anotar\u00e1n los conjuntos de datos con informaci\u00f3n sobre privacidad, as\u00ed como indicando el tiempo de retenci\u00f3n. En cuanto a la limpieza, estamos evaluando el rendimiento y el costo de dos opciones: <i>1.<\/i> Limpiar conjuntos de datos en GCS utilizando herramientas como Scalding y cargarlos en BigQuery; <i>2.<\/i> Uso de operadores DML de BigQuery. Probablemente utilizaremos una combinaci\u00f3n de ambos m\u00e9todos para satisfacer las demandas de diversos grupos y datos.<\/p>\n<h4>Funcionalidad del sistema<\/h4>\n<p>\nDado que BigQuery es un servicio gestionado, no fue necesario involucrar al equipo de SRE de Twitter en la gesti\u00f3n de sistemas o en las tareas de guardia. Fue f\u00e1cil garantizar una gran capacidad tanto para almacenamiento como para c\u00e1lculos. Pod\u00edamos modificar la reserva de slots creando tickets en el soporte de Google. Identificamos que se podr\u00edan realizar mejoras, como la autoservicio para la distribuci\u00f3n de slots y la mejora del panel de control para la monitorizaci\u00f3n, y enviamos estas solicitudes a Google.<\/p>\n<h4>Costo<\/h4>\n<p>\nNuestro an\u00e1lisis preliminar mostr\u00f3 que el costo de las consultas para BigQuery y Presto era comparable. Compramos slots a <noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/bigquery\/pricing#flat_rate_pricing\">un precio fijo<\/a><\/noindex> para tener un costo mensual estable en lugar de pagar <noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/bigquery\/pricing#on_demand_pricing\">por demanda<\/a><\/noindex> por TB de datos procesados. Esta decisi\u00f3n tambi\u00e9n se bas\u00f3 en comentarios de los usuarios que no quer\u00edan pensar en los costos antes de ejecutar cada consulta.<\/p>\n<p>Almacenar datos en BigQuery gener\u00f3 gastos adicionales adem\u00e1s de los gastos en GCS. Herramientas como Scalding requieren conjuntos de datos en GCS, y para acceder a BigQuery, tuvimos que cargar los mismos conjuntos de datos en formato BigQuery <noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/blog\/products\/gcp\/inside-capacitor-bigquerys-next-generation-columnar-storage-format\">Capacitor<\/a><\/noindex>. Estamos trabajando en conectar Scalding con conjuntos de datos de BigQuery, lo que eliminar\u00e1 la necesidad de almacenar conjuntos de datos tanto en GCS como en BigQuery.<\/p>\n<p>Para casos raros que requer\u00edan consultas infrecuentes de decenas de petabytes, decidimos que almacenar conjuntos de datos en BigQuery no era rentable, y utilizamos Presto para acceder directamente a los conjuntos de datos en GCS. Para ello, estamos considerando las Fuentes de Datos Externas de BigQuery.<\/p>\n<h3>Pr\u00f3ximos pasos<\/h3>\n<p>\nHemos notado un gran inter\u00e9s en BigQuery desde el lanzamiento de la versi\u00f3n alfa. Estamos agregando m\u00e1s conjuntos de datos y m\u00e1s equipos en BigQuery. Estamos desarrollando conectores para herramientas de an\u00e1lisis de datos, como Scalding, para leer y escribir en el almacenamiento de BigQuery. Estamos considerando herramientas como Looker y Apache Zeppelin para crear informes corporativos sobre calidad y notas utilizando conjuntos de datos de BigQuery.<\/p>\n<p>La colaboraci\u00f3n con Google ha sido muy productiva y estamos entusiasmados por continuar y desarrollar esta asociaci\u00f3n. Trabajamos con Google para implementar nuestro propio <noindex><a rel=\"nofollow\" href=\"https:\/\/developers.google.com\/issue-tracker\/guides\/partner-access\">Partner Issue Tracker<\/a><\/noindex>, para enviar solicitudes directamente a Google. Algunas de ellas, como el cargador de BigQuery Parquet, ya han sido implementadas por Google.<\/p>\n<p>Aqu\u00ed hay algunas de nuestras solicitudes de funciones de alta prioridad para Google:<\/p>\n<ul>\n<li>Herramientas para la recepci\u00f3n conveniente de datos y soporte para el formato LZO-Thrift.<\/li>\n<li>Segmentaci\u00f3n por horas<\/li>\n<li>Mejoras en el control de acceso, como permisos a nivel de tablas, filas y columnas.<\/li>\n<li>BigQuery <noindex><a rel=\"nofollow\" href=\"https:\/\/cloud.google.com\/bigquery\/external-data-sources\">Fuentes de datos externas<\/a><\/noindex> con integraci\u00f3n y soporte para Hive Metastore para el formato LZO-Thrift.<\/li>\n<li>Mejor integraci\u00f3n del cat\u00e1logo de datos en la interfaz de usuario de BigQuery<\/li>\n<li>Autoservicio para distribuci\u00f3n y monitoreo de slots.<\/li>\n<\/ul>\n<p><\/p>\n<h3>Conclusi\u00f3n<\/h3>\n<p>\nLa democratizaci\u00f3n del an\u00e1lisis de datos, la visualizaci\u00f3n y el aprendizaje autom\u00e1tico de manera segura es la m\u00e1xima prioridad para el equipo de Data Platform. Hemos identificado Google BigQuery y Data Studio como herramientas que pueden ayudar a alcanzar este objetivo y lanzamos el a\u00f1o pasado BigQuery Alpha para toda la empresa. <\/p>\n<p>Hemos descubierto que las consultas en BigQuery eran simples y eficientes. Para la recepci\u00f3n y transformaci\u00f3n de datos, utilizamos herramientas de Google para tuber\u00edas simples, pero para tuber\u00edas complejas tuvimos que crear nuestra propia infraestructura de Airflow. En el \u00e1mbito de la gesti\u00f3n de datos, los servicios de BigQuery para autenticaci\u00f3n, autorizaci\u00f3n y auditor\u00eda satisfacen nuestras necesidades. Para la gesti\u00f3n de metadatos y el cumplimiento de privacidad necesit\u00e1bamos una mayor flexibilidad y tuvimos que crear nuestros propios sistemas. BigQuery, al ser un servicio administrado, fue f\u00e1cil de operar. Los costos por consulta fueron similares a las herramientas existentes. El almacenamiento de datos en BigQuery incurri\u00f3 en gastos adem\u00e1s de los costos en GCS.<\/p>\n<p>En general, BigQuery funciona bien para an\u00e1lisis SQL en general. Notamos un gran inter\u00e9s en BigQuery y estamos trabajando para trasladar m\u00e1s conjuntos de datos, atraer a m\u00e1s equipos y crear m\u00e1s tuber\u00edas con BigQuery. En Twitter se utilizan diferentes datos que requerir\u00e1n una combinaci\u00f3n de herramientas como Scalding, Spark, Presto y Druid. Planeamos seguir ampliando nuestras herramientas de an\u00e1lisis de datos y proporcionar recomendaciones claras a nuestros usuarios sobre c\u00f3mo aprovechar mejor nuestras ofertas.<\/p>\n<h3>Palabras de agradecimiento<\/h3>\n<p>\nQuiero agradecer a mis coautores y compa\u00f1eros de equipo, Anju Dja y Will Pascucci, por su magn\u00edfica colaboraci\u00f3n y duro trabajo en este proyecto. Tambi\u00e9n quiero agradecer a los ingenieros y gerentes de varios equipos en Twitter y Google que nos ayudaron a nosotros y a los usuarios de BigQuery en Twitter, proporcionando valiosos comentarios.<\/p>\n<p>Si est\u00e1 interesado en trabajar en estas tareas, consulte nuestras <noindex><a rel=\"nofollow\" href=\"https:\/\/careers.twitter.com\/content\/careers-twitter\/en\/jobs-search.html?q=&amp;team=careers-twitter%3Ateam%2Finfrastructure-engineering\">vacantes<\/a><\/noindex> en el equipo de Data Platform.<\/p>\n<p>\n<noindex><a rel=\"nofollow\" href=\"https:\/\/otus.pw\/eD9S\/\">La calidad de los datos en el DWH es la consistencia del almac\u00e9n de datos<\/a><\/noindex><\/p>\n<p>Fuente: <a content=\"nofollow\" rel=\"nofollow\" href=\"https:\/\/habr.com\/ru\/company\/otus\/blog\/513782\/\">habr.com<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"<p>\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041f\u0440\u044f\u043c\u043e \u0441\u0435\u0439\u0447\u0430\u0441 \u0432 OTUS \u043e\u0442\u043a\u0440\u044b\u0442 \u043d\u0430\u0431\u043e\u0440 \u043d\u0430 \u043d\u043e\u0432\u044b\u0439 \u043f\u043e\u0442\u043e\u043a \u043a\u0443\u0440\u0441\u0430 \u00abData Engineer\u00bb. \u0412 \u043f\u0440\u0435\u0434\u0434\u0432\u0435\u0440\u0438\u0438 \u0441\u0442\u0430\u0440\u0442\u0430 \u043a\u0443\u0440\u0441\u0430 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0430\u0435\u043c \u0434\u0435\u043b\u0438\u0442\u044c\u0441\u044f \u0441 \u0432\u0430\u043c\u0438 \u043f\u043e\u043b\u0435\u0437\u043d\u044b\u043c \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b\u043e\u043c. \u0427\u0438\u0442\u0430\u0442\u044c \u043f\u0435\u0440\u0432\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0423\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 \u0421\u0438\u043b\u044c\u043d\u043e\u0435 \u0443\u043f\u0440\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u043c\u0438 (Strong Data Governance) \u2014 \u043e\u0441\u043d\u043e\u0432\u043d\u043e\u0439 \u043f\u0440\u0438\u043d\u0446\u0438\u043f Twitter Engineering. \u041f\u043e\u0441\u043a\u043e\u043b\u044c\u043a\u0443 \u043c\u044b \u0432\u043d\u0435\u0434\u0440\u044f\u0435\u043c BigQuery \u0432 \u043d\u0430\u0448\u0443 \u043f\u043b\u0430\u0442\u0444\u043e\u0440\u043c\u0443, \u043c\u044b \u043a\u043e\u043d\u0446\u0435\u043d\u0442\u0440\u0438\u0440\u0443\u0435\u043c\u0441\u044f \u043d\u0430 \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0435\u043d\u0438\u0438 \u0434\u0430\u043d\u043d\u044b\u0445, \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u0430, \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438 [&hellip;]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":91904,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-91903","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t<!-- All in One SEO 5.0.2 - aioseo.com -->\n\t<meta name=\"description\" content=\"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041f\u0440\u044f\u043c\u043e \u0441\u0435\u0439\u0447\u0430\u0441 \u0432 OTUS \u043e\u0442\u043a\u0440\u044b\u0442 \u043d\u0430\u0431\u043e\u0440 \u043d\u0430 \u043d\u043e\u0432\u044b\u0439 \u043f\u043e\u0442\u043e\u043a \u043a\u0443\u0440\u0441\u0430 \u00abData Engineer\u00bb.\" \/>\n\t<meta name=\"robots\" content=\"max-image-preview:large\" \/>\n\t<meta name=\"author\" content=\"Yuri Gagarin\"\/>\n\t<link rel=\"canonical\" href=\"https:\/\/prohoster.info\/es\/blog\/administrirovanie\/kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2\" \/>\n\t<meta name=\"generator\" content=\"All in One SEO (AIOSEO) 5.0.2\" \/>\n\t\t<meta property=\"og:locale\" content=\"es_ES\" \/>\n\t\t<meta property=\"og:site_name\" content=\"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b\" \/>\n\t\t<meta property=\"og:type\" content=\"article\" \/>\n\t\t<meta property=\"og:title\" content=\"\ud83e\udd47\u041a\u0430\u043a BigQuery \u043e\u0442 Google \u0434\u0435\u043c\u043e\u043a\u0440\u0430\u0442\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043b \u0430\u043d\u0430\u043b\u0438\u0437 \u0434\u0430\u043d\u043d\u044b\u0445. \u0427\u0430\u0441\u0442\u044c 2 | ProHoster\" \/>\n\t\t<meta property=\"og:description\" content=\"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041f\u0440\u044f\u043c\u043e \u0441\u0435\u0439\u0447\u0430\u0441 \u0432 OTUS \u043e\u0442\u043a\u0440\u044b\u0442 \u043d\u0430\u0431\u043e\u0440 \u043d\u0430 \u043d\u043e\u0432\u044b\u0439 \u043f\u043e\u0442\u043e\u043a \u043a\u0443\u0440\u0441\u0430 \u00abData Engineer\u00bb.\" \/>\n\t\t<meta property=\"og:url\" content=\"https:\/\/prohoster.info\/es\/blog\/administrirovanie\/kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2\" \/>\n\t\t<meta property=\"og:image\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:secure_url\" content=\"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg\" \/>\n\t\t<meta property=\"og:image:width\" content=\"350\" \/>\n\t\t<meta property=\"og:image:height\" content=\"350\" \/>\n\t\t<meta property=\"article:published_time\" content=\"2020-08-20T05:42:18+00:00\" \/>\n\t\t<meta property=\"article:modified_time\" content=\"2020-08-20T05:42:18+00:00\" \/>\n\t\t<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/prohoster\" \/>\n\t\t<!-- All in One SEO -->\n\n","aioseo_head_json":{"title":"\ud83e\udd47C\u00f3mo BigQuery de Google democratiz\u00f3 el an\u00e1lisis de datos. Parte 2 | ProHoster","description":"\u00a1Hola, Habr! En este momento, OTUS est\u00e1 abierto para nuevas inscripciones en un nuevo curso de \"Ingeniero de Datos!\"","canonical_url":"https:\/\/prohoster.info\/es\/blog\/administrirovanie\/kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"es_ES","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u0430\u043a BigQuery \u043e\u0442 Google \u0434\u0435\u043c\u043e\u043a\u0440\u0430\u0442\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043b \u0430\u043d\u0430\u043b\u0438\u0437 \u0434\u0430\u043d\u043d\u044b\u0445. \u0427\u0430\u0441\u0442\u044c 2 | ProHoster","og:description":"\u041f\u0440\u0438\u0432\u0435\u0442, \u0425\u0430\u0431\u0440! \u041f\u0440\u044f\u043c\u043e \u0441\u0435\u0439\u0447\u0430\u0441 \u0432 OTUS \u043e\u0442\u043a\u0440\u044b\u0442 \u043d\u0430\u0431\u043e\u0440 \u043d\u0430 \u043d\u043e\u0432\u044b\u0439 \u043f\u043e\u0442\u043e\u043a \u043a\u0443\u0440\u0441\u0430 \u00abData Engineer\u00bb.","og:url":"https:\/\/prohoster.info\/es\/blog\/administrirovanie\/kak-bigquery-ot-google-demokratiziroval-analiz-dannyh-chast-2","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-08-20T05:42:18+00:00","article:modified_time":"2020-08-20T05:42:18+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"91903","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 12:18:28","updated":"2022-10-08 11:10:45","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/91903","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/comments?post=91903"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/posts\/91903\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/media\/91904"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/media?parent=91903"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/categories?post=91903"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/es\/wp-json\/wp\/v2\/tags?post=91903"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}