利用 Google Cloud BigQuery 和 Amazon QuickSight 解锁统一商业智能的潜力

by Vignessh Baskaran 和 Jobin George 于 2023年11月20日发表于 , , , [中级 (200)](https://aws.amazon.com/blogs/business-intelligence/category/learning- levels/intermediate-200/ "查看中级 (200) 文章"),

关键要点

• Amazon QuickSight 是一款云原生、无服务器的商业智能服务，能够快速进行高级计算并通过SPICE引擎提供可视化。
• Google Cloud BigQuery 是完全托管的分析数据仓库，提供近实时的大数据分析能力。
• 本文介绍了如何在 BigQuery 中配置权限，以及如何将数据连接到 QuickSight 并创建简单的仪表板。

Amazon QuickSight 是一项云原生、无服务器的商业智能 (BI) 服务，能够让您构建可视化、进行临时分析，并通过机器学习 (ML) 功能（如异常检测、预测和自然语言查询）获取洞见。QuickSight 利用其强大的内存引擎 SPICE（超快速、并行、内存计算引擎）快速执行高级计算并提供视觉效果。

是 Google Cloud 提供的完全托管的 PB 级成本效益分析数据仓库，允许您对海量数据进行近实时的分析。使用 BigQuery，您无需设置或管理基础设施，可以专注于发现有意义的洞见，并利用按需与容量基础的灵活选择。

在本篇文章中，我们将引导您了解在 BigQuery 中需要的权限和连接详细信息，以使 BigQuery 数据通过 OAuth 导入 QuickSight，并创建一个简单的仪表板。

准备工作

请确保您拥有以下内容：

• 一个 AWS 账户
• 一个 QuickSight 账户，具有
• 一个

配置 BigQuery 权限

这一部分特别针对 Google 账户管理员，他们需要为用户申请必要的权限以便在 QuickSight 中查看数据。请完成以下步骤：

1. 打开 Google Cloud 控制台，在导航面板中选择 IAM & Admin。
   删除)

权限页面打开后，会列出所有按主体（电子邮件地址）或角色的权限。

1. 选择 授予访问权限 。
2. 输入要授予 QuickSight 访问权限的主体的电子邮件地址。他们将使用这些登录凭据从 QuickSight 访问 BigQuery。在此示例中，我们的用户是 quicksight.user@gmail.com。
3. 在 分配角色 下，分配以下角色：
4. BigQuery 元数据查看者 – 在项目级别。这是必需的，以便在 QuickSight 中显示所有数据集和表用于数据集和表发现。
5. BigQuery 作业用户 – 在项目级别。

删除)

1. 在导航面板中，选择 BigQuery 。
2. 为您的数据集（在本篇中为 QuickSight_Demo）选择选项菜单，然后选择 分享 。
3. 选择 添加主体 。

这允许用户在 QuickSight 中查看数据。根据权限，这可以在项目级别（如之前的角色）或在 或表级别。

1. 在本篇中，我们为用户 quicksight.user@gmail.com 分享数据集 QuickSight_Demo，并选择角色 BigQuery 数据查看者 。
   删除)

从 BigQuery 获取连接详细信息

在从 QuickSight 启动连接时，您需要以下信息：

• Google Cloud 账户的电子邮件和密码
• 项目 ID
• 数据集区域

完成以下步骤以收集这些信息：

1. 如果您还没有 Google 账户的电子邮件和密码，请联系您的 Google 账户管理员。
2. 要收集您的项目 ID，打开 并选择您的项目名称。
3. 在弹出窗口中，复制相应的项目 ID。

或者，您可以联系您的 BigQuery 管理员以获取您的项目 ID。

删除)

1. 在 Google Cloud 导航面板中，选择 BigQuery 。
   删除)
2. 在 资源管理器 中，选择要导入到 QuickSight 的数据集。
3. 在数据集详细信息中，查找 数据位置 来获取数据集区域。在此示例中，我们选择了数据集 QuickSight_Demo，其数据位置是美国，表示该数据集的区域。

或者，您也可以联系您的 BigQuery 管理员以获取您的数据集区域。

删除)

在 QuickSight 中分析您的 BigQuery 数据

为了在 QuickSight 中分析您的 BigQuery 数据，您需要首先创建一个 BigQuery 数据源。请完成以下步骤：

1. 在 QuickSight 控制台中，选择导航面板上的 数据集 。
2. 选择 新数据集 。
   删除)
3. 选择 Google BigQuery 作为您的数据源。
   删除)
4. 在 数据源名称 中，输入描述性名称（在本篇中，我们将其命名为 BigQuery Demo）。
5. 输入您之前收集的项目 ID 和区域信息。
6. 选择 登录 。
   
7. 当提示时，输入您的 Google 账户电子邮件和密码。
8. 审核您的访问详细信息后，选择 继续 。

这赋予 QuickSight 查看您的 BigQuery 数据和管理 QuickSight 中给定项目 ID 和数据集区域的权限。


这完成了在 Amazon QuickSight 中创建 BigQuery 数据源的步骤。该工作流程会自动带您进行后续步骤以创建您的数据集。

1. 在 数据集 中，选择您想要使用的数据集（QuickSight_Demo）。
2. 选择您想要使用的表（在本篇中为 Sample_All_Flights）。
3. 选择 编辑/预览数据 ，或者如果您想使用自定义 SQL 语句，则选择 使用自定义 SQL 。
   
4. 在数据准备页面，选择 保存并发布 ，然后选择 发布并可视化 。
   删除)
5. 在分析部分，选择您的可视化类型（在本篇中，我们使用的是垂直堆叠柱状图）。
6. 配置您的列（在本篇中，我们选择 fl_date、origin_city_name 和 late_aircraft_delay 分别作为 X 轴 、数值 和 分组/颜色 ）。

当我们将鼠标悬停在图表上时，我们看到达拉斯/沃斯堡在2015年5月15日经历了50%的航班延误，这基于我们的样本数据。

1. 若要发布仪表板，请选择 分享 图标。
   删除)

请注意，我们在本文中使用的数据只是为了演示而创建的样本，并不代表机场和航班的真实数据。

结论

在本篇中，我们向您介绍了在 BigQuery 中将数据导入到 QuickSight 所需的权限和连接信息，并构建了一个简单的仪表板。

如果您还没有，请您的下一步是创建一个带有 的 QuickSight 账户。我们在本篇中仅回顾了 QuickSight 的基本功能。如需更多讨论和寻求高级 QuickSight 主题的解答，请访问 。如果您还不是 BigQuery的客户，欢迎在 注册。

关于作者

删除)VignesshBaskaran** 是 Amazon QuickSight的产品经理，负责数据连接领域。他拥有超过7年的大型数据和分析解决方案开发经验。在担任这一职务之前，他曾在 AWS 担任高级销售分析主管，利用 QuickSight 构建广泛采用的商业智能解决方案，服务于 AWS 全球专业销售团队。

删除)**JobinGeorge 是 Google 的员工解决方案架构师，拥有超过十年的大型数据与分析解决方案设计和实施经验。他为一些重要的 Google客户和数据及分析合作伙伴提供技术指导、设计建议和思想领导。

加载评论…