برای ورود به دنیای نامحدود داده‌ها در دوره آموزشی بیگ کوئری کلیک کنید

Twitter Linkedin Youtube Instagram Telegram
Search
Close this search box.
Twitter Linkedin Youtube Instagram Telegram
  • No Comments

آرایه در بیگ کوئری؛ بررسی event parameters، user properties و items

آرایه در بیگ کوئری؛ بررسی event parameters، user properties و items
راهنمای مطالعه:
1 ایونت پارامترهای آنالیتیکس 4 در بیگ کوئری
1.1 نمونه‌ای از ساختار داده event_params در BigQuery
2 USER PROPERTIES در بیگ کوئری
3 ITEMS در بیگ کوئری
3.1 نمونه‌ای از ساختار داده ITEMS در BigQuery

بعد از اتصال آنالیتیکس 4 به بیگ کوئری متوجه خواهید شد که ساختار جداول آنالیتیکس متفاوت‌تر از جداول معمول است. برخی از اطلاعات مانند event parameters، user properties و items به صورت آرایه‌ای یا تودرتو برای بیگ کوئری ارسال می شوند. به همین دلیل نحوه استخراج اطلاعات از این جداول کمی متفاوت‌تر از دیگر جداول خواهد بود. در ادامه این مطلب، نحوه کوئری زدن داده‌هایی از جنس آرایه را بررسی خواهیم کرد. همراه من باشید.

ایونت پارامترهای آنالیتیکس 4 در بیگ کوئری

پارامترهای ایونت با هر ایونت به Google Analytics و متعاقباً به BigQuery ارسال می شود. قسمت پارامترهای رویداد شامل پارامترهای پیش‌فرض و همچنین پارامترهای سفارشی است. event_params شامل key  که یک رشته است و یک رکورد که دارای چند نوع داده شامل رشته، عدد صحیح، float یا double می شود. تنوع داده‌هایی که در آرایه event parameters ذخیره می شود، اهمیت زیادی دارد؛ زیرا در کوئری زدن و استخراج اطلاعات تأثیرگذار است.

نمونه‌ای از ساختار داده  event_params در BigQuery

نمونه‌ای از ساختار داده  event_params در BigQuery

دو پارامتر موجود در هر بسته اطلاعاتی که برای آنالیتیکس ارسال می شود، عبارتند از شناسه سشن و شماره سشن (ga_session_number، ga_session_id). از متصل کردن یکی از این مقادیر با user pseudo id، میتوان ایونت‌های منحصر به هر سشن را محاسبه کرد.

ایونت پارامترهای آنالیتیکس 4 در بیگ کوئری

در این کوئری:

  1. با استفاده از دستور Unnest، اطلاعات ذخیره شده مربوط به ایونت پارامترها را از حالت آرایه‌ای خارج کردیم.
  2. با استفاده از فیلتر کردن key ، به داده مورد نظر دست پیدا کردیم.
  3. از بین انواع داده موجود در ایونت پارامتر، با توجه به اینکه ما به دنبال ga_session_number هستیم، int_value را انتخاب کرده‌ایم.

USER PROPERTIES در بیگ کوئری

فیلد مشخصات کاربر دقیقاً مانند پارامترهای ایونت با یک key و چند مدل داده، ساختار یافته است. ویژگی‌های کاربر ویژگی‌هایی هستند که برای توصیف کاربران در مقابل ایونت منحصر به فرد استفاده می شوند. برای دسترسی به این اطلاعات میتوانید از نمونه کوئری زیر استفاده کنید:

USER PROPERTIES در بیگ کوئری

ITEMS در بیگ کوئری

ITEMS مربوط به ایونت‌های ایکامرس است. پس اگر سایت فروشگاهی ندارید، در این آرایه هم مقداری نخواهید داشت. در این آرایه 26 مورد اطلاعات وجود دارد برخی از مهمترین موارد عبارتند از item_id، item_name، item_brand، قیمت و مقدار.

نمونه‌ای از ساختار داده ITEMS  در BigQuery

نمونه‌ای از ساختار داده ITEMS  در BigQuery

ایونت‌های رایجی که شامل این اطلاعات می‌شوند عبارتند از: «add_to_cart»، «add_to_wishlist»، «purchase»، «begin_checkout» و موارد مشابه. در مثال زیر، محبوب‌ترین محصولات (بر اساس دفعات خریداری شده) را در فروشگاه Google استخراج می کنیم.

با توجه به اینکه قصد داریم بر اساس دفعات خرید، محصولات پرطرف‌دار را شناسایی کنیم، باید از ایونت purchase استفاده کنیم.

نصب MySQL روی مک | آموزش تصویری

اگرچه ویندوز به عنوان پلتفرم اصلی برای توسعه و مدیریت پایگاه داده شناخته می‌شود، اما چه می‌شود اگر از مک استفاده می‌کنید و می‌خواهید کار خود را از آنجا آغاز کنید؟ جای نگرانی نیست! این راهنما به شما کمک می‌کند تا محیط MySQL را در macOS خود راه‌اندازی کنید.

MySQL چیست؟

MySQL نامی آشنا در دنیای داده‌ها و پایگاه‌های داده رابطه‌ای است. این سیستم به عنوان محبوب‌ترین سیستم مدیریت پایگاه داده متن‌باز شناخته می‌شود و در طیف وسیعی از صنایع کاربرد دارد. MySQL با استفاده از زبان پرس و جو ساختاریافته (SQL)، ترکیبی متعادل از کارایی، سهولت استفاده و امنیت را ارائه می‌دهد. برای سیستم عامل macOS، نسخه 8.0 MySQL انتخابی ایده‌آل است.

ویژگی‌های اصلی MySQL

  • کارایی بالا: MySQL به گونه‌ای طراحی شده است که سرعت و عملکرد فوق‌العاده‌ای را ارائه دهد، حتی با حجم زیاد داده‌ها.
  • قابلیت مقیاس‌پذیری در صورت تقاضا: MySQL می‌تواند به آسانی با نیازهای رو به رشد شما سازگار شود، به این معنی که می‌توانید بدون هیچ مشکلی ظرفیت ذخیره‌سازی و قدرت پردازش را افزایش دهید.
  • امنیت داده‌ها: MySQL از داده‌های شما با استفاده از رمزگذاری، احراز هویت و مجوزهای قوی محافظت می‌کند.
  • پشتیبانی از پایگاه‌های داده بزرگ: MySQL می‌تواند حجم عظیمی از داده‌ها را به طور کارآمد مدیریت کند و برای برنامه‌های کاربردی با حجم زیاد داده‌ها ایده‌آل است.

مزایای استفاده از MySQL:

  • متن‌باز: MySQL یک نرم‌افزار متن‌باز است، به این معنی که می‌توانید آن را به صورت رایگان دانلود، استفاده و اصلاح کنید.
  • قابلیت اطمینان: MySQL به دلیل ثبات و پایداری بالا شناخته شده است و می‌تواند به طور مداوم در محیط‌های چالش‌برانگیز کار کند.
  • جامعه کاربری بزرگ: MySQL از جامعه کاربری فعال و بزرگی برخوردار است که می‌توانند در صورت بروز مشکل به شما کمک کنند.
  • سازگاری گسترده: MySQL با طیف گسترده‌ای از زبان‌های برنامه‌نویسی، سیستم‌های عامل و پلتفرم‌های ابری سازگار است.

شرایط لازم برای نصب MySQL روی مک چیست؟

دو گزینه دارید: می توانید MySQL را از وب سایت رسمی دانلود کنید یا از Terminal استفاده کنید. راهنماهای مربوط به هر دو روش را در ادامه در اختیار شما قرار خواهیم داد. برای شروع، باید macOS 11 یا 12 روی دستگاه خود داشته باشید و برای اطمینان از سازگاری کامل، باید MySQL 8.0 را نصب کنید. به غیر از این، هیچ پیش نیاز خاصی وجود ندارد.

دانلود آخرین نسخه MySQL برای مک

شما می‌توانید MySQL را برای مک از وب‌سایت رسمی MySQL دانلود کنید. از آنجایی که گزینه‌های زیادی وجود دارد، راهنمای زیر ممکن است مفید باشد و به شما کمک کند تا سریع‌تر آنچه را که نیاز دارید پیدا کنید.

گام ۱ در نوار بالای وب‌سایت MySQL، به تب دانلود (Downloads) بروید.

گام ۲ به پایین صفحه بروید و گزینه دانلود MySQL Community (GPL) را انتخاب کنید.

گام ۳ MySQL Community Server را انتخاب کنید.

گام ۴ در منوی کشویی انتخاب سیستم‌عامل (Select Operating System)، گزینه macOS را انتخاب کنید.

گام ۵ نسخه پردازنده مورد نیاز خود را پیدا کنید و گزینه دانلود (Download) را انتخاب نمایید.

گام ۶ سپس از شما خواسته می‌شود که برای یک حساب کاربری Oracle Web ثبت‌نام کنید یا وارد حساب خود شوید. درست زیر دکمه‌ها، گزینه «خیر ممنون، فقط دانلود من را شروع کنید» (No thanks, just start my download) را انتخاب کنید. دانلود آغاز خواهد شد.

راهنمای نصب MySQL روی macOS

بعد از دانلود MySQL، می‌توانید مراحل نصب را آغاز کنید.

گام ۱

روی فایل DMG دانلود شده دوبار کلیک کنید تا یک نصب‌کننده شبیه به راهنما باز شود. این نرم‌افزار بررسی می‌کند که آیا امکان نصب آن وجود دارد یا خیر. روی «اجازه بده» (Allow) کلیک کنید. سپس لینک‌هایی مرتبط با منابع MySQL، از جمله مستندات را مشاهده خواهید کرد. روی «ادامه» (Continue) کلیک کنید.

گام ۲

در صفحه‌ی «مجوزنامه»، با کلیک روی «ادامه» (Continue) موافقت خود را با توافق‌نامه‌ی اجازه‌ی نرم‌افزار اعلام کنید.

گام ۳

حالا باید مقصد دانلود را انتخاب کنید. به صورت پیش‌فرض، این مقصد هارد دیسک اصلی شماست. اگر می‌خواهید آن را تغییر دهید، روی «تغییر مکان نصب» (Change Install Location) کلیک کنید. در غیر این صورت، روی «نصب» (Install) کلیک کنید.

گام ۴

رمز عبور خود را وارد کنید، روی «نصب نرم‌افزار» (Install Software) کلیک کنید و منتظر بمانید تا فایل‌ها روی مک شما نصب شوند.

گام ۵

در صفحه‌ی «تنظیمات»، گزینه‌ی «استفاده از رمزنگاری قوی برای رمز عبور» (Use Strong Password Encryption) را انتخاب کنید. روی «بعدی» (Next) کلیک کنید. رمز عبور ریشه‌ی MySQL خود را وارد کنید، روی «پایان» (Finish) کلیک کنید و نصب تکمیل می‌شود.

ادامه مطلب

اس کیو ال سرور (SQL Server) چیست؟

اس کیو ال سرور (SQL Server) یک سامانه مدیریت پایگاه داده رابطه‌ای (RDBMS) است که توسط شرکت مایکروسافت توسعه یافته است. شاید برایتان جالب باشد که بدانید کد اولیه این نرم افزار در دهه ۱۹۸۰ میلادی توسط شرکت سابق Sybase Inc. (که هم اکنون مالکیت آن در اختیار شرکت SAP قرار دارد) نوشته شده است.

در سال ۱۹۸۸، شرکت‌های Sybase، مایکروسافت و Ashton-Tate در یک همکاری مشترک، نسخه اولیه اس کیوال سرور را برای سیستم‌عامل OS/2 ارائه کردند. این مشارکت در سال ۱۹۹۰ به اتمام رسید و حق مالکیت نام اس کیوال سرور نزد مایکروسافت باقی ماند. نسخه ۱.۰ این نرم افزار نیز حاصل همکاری مشترک مایکروسافت و Sybase در سال ۱۹۸۹ منتشر شد.

شرکت Ashton-Tate بعد از خروج از این مشارکت، دیگر نقشی در توسعه اس کیوال سرور نداشت. با این حال، همکاری مایکروسافت و Sybase تا سال ۱۹۹۴ ادامه پیدا کرد. در این سال، مایکروسافت به طور کامل مسئولیت توسعه و بازاریابی اس کیوال سرور را برای سیستم‌عامل‌های اختصاصی خود برعهده گرفت.

یک سال پیش از آن (۱۹۹۳) و با کمرنگ شدن روابط با Sybase، مایکروسافت اقدام به انتشار این نرم افزار بر روی سیستم‌عامل تازه عرضه شده‌ی Windows NT کرد. بدین منظور، کد ۱۶ بیتی نسخه OS/2 با اعمال تغییراتی به یک نسخه ۳۲ بیتی با قابلیت‌های جدید تبدیل شد. از آن زمان به بعد، تمرکز اصلی بر توسعه نسخه مربوط به ویندوز قرار گرفت. نهایتا در سال ۱۹۹۶، شرکت Sybase نام نسخه خود را به Adaptive Server Enterprise تغییر داد و بدین ترتیب، نام SQL Server به طور اختصاصی در اختیار مایکروسافت باقی ماند.

برای مدیریت و برقراری ارتباط با اس کیوال سرور، از نرم افزار SQL Server Management Studio که یک رابط کاربری گرافیکی مدیریتی است، استفاده می‌شود. همچنین، Transact-SQL یک زبان رویه‌ای است که درون سیستم مدیریت پایگاه داده اس کیوال سرور ذخیره و اجرا می‌گردد.

نسخه‌های SQL Server کدامند؟

مایکروسافت، نرم‌افزار مدیریت پایگاه داده‌ی SQL Server را در چهار نسخه اصلی ارائه می‌دهد که هرکدام سطح متفاوتی از خدمات را شامل می‌شوند.

  • نسخه Express: این نسخه رایگان است و برای راه‌اندازی پایگاه‌های داده کوچک با حداکثر ظرفیت ذخیره‌سازی ۱۰ گیگابایت روی دیسک مناسب است. اما توجه داشته باشید که این نسخه برای استفاده در محیط‌های عملیاتی (پروداکشن) مجوز ندارد.
  • نسخه Developer: این نسخه تمام قابلیت‌های نسخه Enterprise را داراست و برای توسعه‌دهندگان جهت ساخت و آزمایش نرم‌افزار ایده‌آل است. با این حال، مجوز این نسخه هم برای محیط‌های عملیاتی صادر نمی‌شود.
  • نسخه Standard: این نسخه دارای مجموعه‌ای محدودتر از قابلیت‌ها نسبت به نسخه Enterprise است و همچنین از نظر مقیاس‌پذیری با محدود کردن تعداد هسته‌های قابل استفاده CPU و میزان حافظه، محدودیت‌هایی دارد. لازم به ذکر است که در اواخر سال ۲۰۱۶، مایکروسافت به دلیل رقابت بیشتر در بازار، برخی از قابلیت‌های نسخه Enterprise را برای نسخه Standard در دسترس قرار داد. این قابلیت‌ها شامل In-Memory OLTP، PolyBase، فهرست‌های Columnstore، پارتیشن‌بندی، فشرده‌سازی داده‌ها و امکان گرفتن تغییرات پایگاه داده (Change Data Capture) می‌شود.
  • نسخه Enterprise: این نسخه پرچم‌دار با مجموعه‌ای کامل از قابلیت‌ها است و برای برنامه‌های کاربردی بزرگ‌تر که نیاز به پشتیبانی در سطح تولید (پروداکشن) دارند، مناسب است.

تفاوت بین SQL و SQL Server چیست؟

SQL (Structured Query Language) یا زبان پرس و جو ساختاریافته، زبانی استاندارد است که برای تعامل با سیستم‌های مدیریت پایگاه داده رابطه‌ای (RDBMS) استفاده می‌شود.

SQL Server نام تجاری محصول RDBMS شرکت مایکروسافت است. با این حال، استفاده از عبارت “SQL” به جای “SQL Server” در بین افراد رایج است، به طوری که گاه این دو اصطلاح به جای یکدیگر به کار برده می‌شوند.

توجه به این نکته ضروری است که SQL و SQL Server دو مفهوم مجزا هستند:

  • SQL زبانی است که برای پرس و جو، دستکاری و مدیریت داده‌ها در پایگاه‌های داده رابطه‌ای استفاده می‌شود.
  • SQL Server یک نرم‌افزار است که به عنوان سیستم مدیریت پایگاه داده رابطه‌ای عمل می‌کند و از زبان SQL برای تعامل با پایگاه داده استفاده می‌کند.

به طور خلاصه:

  • SQL زبانی است برای برقراری ارتباط با پایگاه‌های داده رابطه‌ای.
  • SQL Server یک نرم‌افزار پایگاه داده رابطه‌ای از شرکت مایکروسافت است که از زبان SQL برای تعامل با داده‌ها استفاده می‌کند.

مثال:

فرض کنید می‌خواهید اطلاعات مربوط به مشتریان خود را از پایگاه داده استخراج کنید. برای انجام این کار، از دستور SQL SELECT استفاده خواهید کرد.

شما می‌توانید این دستور را در هر RDBMS، از جمله SQL Server، اجرا کنید.

موارد زیر برخی از تفاوت‌های کلیدی بین SQL و SQL Server است:

  • SQL یک زبان است، در حالی که SQL Server یک نرم‌افزار است.
  • SQL برای تعامل با هر RDBMS استفاده می‌شود، در حالی که SQL Server فقط با RDBMS خاص مایکروسافت کار می‌کند.
  • SQL دارای مجموعه دستورات و ویژگی‌های خاص خود است، در حالی که SQL Server شامل ویژگی‌های اضافی مانند Replication و Integration Services است.

تفاوت بین MySQL و SQL Server

MySQL و SQL Server دو تا از محبوب‌ترین سیستم‌های مدیریت پایگاه داده رابطه‌ای (RDBMS) هستند که هر کدام مزایا و معایب خاص خود را دارند. انتخاب بین این دو به نیازها و الزامات خاص شما بستگی دارد.

MySQL

  • متن‌باز: MySQL یک نرم‌افزار متن‌باز است، به این معنی که کد منبع آن به صورت رایگان در دسترس است و هر کسی می‌تواند آن را تغییر دهد یا بهبود بخشد. این امر باعث می‌شود MySQL به طور گسترده در پروژه‌های کوچک و بزرگ مورد استفاده قرار گیرد.
  • رایگان: MySQL به صورت رایگان قابل دانلود و استفاده است. این موضوع آن را به یک گزینه ایده‌آل برای کاربران با بودجه محدود تبدیل می‌کند.
  • قابلیت انعطاف‌پذیری: MySQL از طیف گسترده‌ای از سیستم‌عامل‌ها و زبان‌های برنامه‌نویسی پشتیبانی می‌کند، که آن را به یک انتخاب محبوب برای توسعه‌دهندگان وب تبدیل می‌کند.
  • مقیاس‌پذیری: MySQL می‌تواند برای پشتیبانی از پایگاه‌های داده کوچک تا بزرگ مقیاس شود.

SQL Server

  • تجاری: SQL Server یک نرم‌افزار تجاری است، به این معنی که برای استفاده از آن باید مجوز خریداری کنید.
  • عملکرد: SQL Server به طور کلی عملکرد بهتری نسبت به MySQL دارد، به خصوص برای پایگاه‌های داده بزرگ و برنامه‌های کاربردی پیچیده.
  • امنیت: SQL Server دارای ویژگی‌های امنیتی پیشرفته‌ای است که آن را به یک انتخاب محبوب برای سازمان‌هایی تبدیل می‌کند که به امنیت داده اهمیت می‌دهند.
  • پشتیبانی: مایکروسافت پشتیبانی کاملی برای SQL Server ارائه می‌دهد، که می‌تواند برای کاربران سازمانی مفید باشد.

کدام را انتخاب کنیم؟

انتخاب بین MySQL و SQL Server به نیازها و الزامات خاص شما بستگی دارد. اگر به دنبال یک پایگاه داده متن‌باز، رایگان و انعطاف‌پذیر هستید، MySQL انتخاب خوبی است. اگر به عملکرد، امنیت و پشتیبانی قوی نیاز دارید، SQL Server انتخاب بهتری است.

در اینجا خلاصه‌ای از تفاوت‌های کلیدی بین MySQL و SQL Server ارائه شده است:

ویژگیMySQLSQL Server
مجوزمتن‌بازتجاری
هزینهرایگانپولی
سیستم‌عاملچند پلتفرمیویندوز
زبان‌های برنامه‌نویسیطیف گسترده‌ایT-SQL
عملکردخوبعالی
امنیتخوبعالی
پشتیبانیجامعهمایکروسافت

آیا اس کیو ال سرور یک پایگاه داده (دیتابیس) است؟

بله، اما نه دقیقا!

مایکروسافت SQL Server یک سیستم مدیریت پایگاه‌داده رابطه‌ای (RDBMS) است. این نرم‌افزار مانند یک سرور عمل می‌کند که وظیفه ذخیره و بازیابی اطلاعات را برعهده دارد. برنامه‌های کاربردی دیگر می‌توانند از طریق این سرور، به اطلاعات موجود بر روی کامپیوتر‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ خود یا یک کامپیوتر راه دور (از طریق شبکه یا اینترنت) دسترسی پیدا کنند. مایکروسافت همچنین برای برقراری ارتباط با SQL Server از طریق وب، واسط‌های برنامه‌نویسی کاربردی (API) ارائه می‌دهد.

سیستم مدیریت پایگاه‌داده رابطه‌ای، فراتر از صرفاً بازیابی اطلاعات برای برنامه‌های کاربردی عمل می‌کند. برای مثال، قابلیت‌هایی نظیر مدیریت بافر (buffer management) تضمین می‌کنند که پرکاربردترین داده‌ها همواره به سریع‌ترین شکل ممکن در دسترس باشند.

SQL Server بر اساس مدل رابطه‌ای بنا شده و برای حفظ انسجام اطلاعات، یکپارچگی ارجاعی (referential integrity) را میان اشیاء اعمال می‌کند. همانند دیگر پایگاه‌داده‌های رابطه‌ای، برای حفظ صحت اطلاعات، از اصول ACID (اتمسیت، سازگاری، جداسازی تراکنش‌ها، دوام) پیروی می‌کند.

ادامه مطلب
هزینه ذخیره سازی و پردازش داده در بیگ کوئری چقدر است؟

هزینه ذخیره سازی و پردازش داده در بیگ کوئری چقدر است؟

با توجه به اینکه هزینه Google BigQuery کاملا بر اساس میزان مصرف شما محاسبه می‌شود، در هنگام برآورد هزینه‌ها، عمدتا فقط سه جنبه اصلی در مورد ذخیره سازی داده‌های BigQuery خود باید در نظر بگیرید: ذخیره سازی داده (Storage Data)، ذخیره سازی بلندمدت داده (Long Term Storage Data) و پردازش کوئری (Query Data Usage). صفحه رسمی هزینه بیگ کوئری شامل جزئیات و اطلاعات مفید بسیار بیشتری است که حتما باید آن را بررسی کنید، در این راهنما به طور خلاصه هر یک از این سه عنصر قیمت گذاری را برای برآورد هزینه های ماهانه خود بررسی خواهیم کرد.

برای خرید دوره 9 ساعته آموزش بیگ کوئری، روی لینک کلیک کنید و فرم موجود را تکمیل کنید. در سریع ترین زمان ممکن به شما تماس میگیرم 🙂

تاثیر هزینه ذخیره سازی بر قیمت استفاده از BigQuery

هزینه‌های ذخیره سازی معمولا به صورت ماهانه برای داده‌هایی که در جداول یا پارتیشن‌های BigQuery ذخیره شده‌اند و فعال هستند، محاسبه می‌شود. منظور از داده‌های فعال، داده‌هایی است که در 90 روز گذشته تغییر کرده‌اند. اگر در 90 روز گذشته هیچ تغییری در جداول یا پارتیشن‌های BigQuery خود ایجاد نکرده‌اید، میتوانید با کاهش 50 درصدی هزینه ها، همچنان داده های خود را در انبار داده بیگ کوئری داشته باشید.

هنگام استفاده از API های ذخیره سازی BigQuery، بسته به حجم داده‌های ورودی ممکن است نیاز به پرداخت هزینه باشد. در این صورت هزینه هر 200 مگابایت داده ورودی که با موفقیت در بیگ کوئری ذخیره می شود، 0.01 دلار است.

تاثیر هزینه کوئری بر قیمت هزینه استفاده از  بیگ کوئری

در حالت قیمت گذاری بر اساس میزان مصرف (On-Demand Pricing)، هزینه بر اساس حجم داده پردازش شده کوئری‌هایتان محاسبه می‌شود. برای کوئری‌های ناموفق یا کوئری‌هایی که از حافظه کش بارگذاری شده‌اند، هزینه پرداخت نمی‌کنید. علاوه بر این، اولین 1 ترابایت داده کوئری پردازش شده در هر ماه رایگان است. همچنین، قیمت‌ها بر اساس منطقه جغرافیایی که هنگام ساخت پروژه در بیگ کوئری تعیین کرده اید، متفاوت است.

به عنوان مثال، انتخاب بمبئی (asia-south1) به عنوان مکان ذخیره سازی 0.023 دلار به ازای هر گیگابایت هزینه از شما دریافت میکند، در حالی که با انتخاب ایالات متحده (چند منطقه ای) (ایالات متحده) یا اتحادیه اروپا (چند منطقه) (اروپا) 0.02 دلار به ازای هر گیگابایت باید هزینه پرداخت کنید.

در حالت قیمت گذاری با نرخ ثابت (Flat-Rate Pricing)، بدون توجه به حجم داده پردازش شده توسط کوئری‌هایتان، هزینه ثابتی را پرداخت می‌کنید. این گزینه قیمتی برای مشتریانی ایده‌آل است که به هزینه ماهانه قابل پیش بینی با بودجه مشخص نیاز دارند. برای بهره مندی از قیمت گذاری با نرخ ثابت، باید اسلات‌های BigQuery را خریداری کنید که در ادامه به بررسی آن خواهیم پرداخت.

هزینه ذخیره سازی داده در بیگ کوئری چقدر است؟

هزینه ذخیره سازی به فضایی که برای نگهداری اطلاعات خود در BigQuery نیاز دارید اشاره دارد. شما برای هر دو نوع ذخیره سازی فعال و بلندمدت هزینه پرداخت می کنید.

ذخیره سازی فعال: هر جدول یا پارتیشنی از یک جدول که در 90 روز گذشته به روز شده باشد، ذخیره سازی فعال در نظر گرفته می شود. در حال حاضر، BigQuery برای ذخیره سازی فعال، هزینه ماهانه ثابتی معادل 0.02 دلار به ازای هر گیبی بایت در ماه دریافت می کند. هزینه ذخیره سازی فیزیکی فعال نیز 0.04 دلار به ازای هر گیگابایت در ماه است. 10 گیبی بایت اولیه هر ماه رایگان است. بنابراین، اگر یک جدول 200 گیبی بایتی را برای یک ماه نگه داریم، هزینه آن (200 * 0.02) = 4 دلار خواهد بود.

توجه: با احتساب 10 گیگابایت رایگان هر ماه، کاربر با 4 دلار مجموعا 210 گیگابایت دریافت خواهد کرد.

برای مثال، ذخیره سازی بلندمدت یک جدول 200 گیبی بایتی برای یک ماه (200 * 0.01) = 2 دلار هزینه خواهد داشت. اگر جدول به روز شود، به ذخیره سازی فعال تبدیل می شود و دوره 90 روزه مجددا از ابتدا شروع می شود.

ذخیره سازی بلندمدت: هر جدول یا پارتیشنی از یک جدول که در 90 روز گذشته به روز نشده باشد، ذخیره سازی بلندمدت در نظر گرفته می شود. پس از 90 روز، قیمت داده های ذخیره سازی 50 درصد کاهش می یابد. هزینه ذخیره سازی منطقی بلندمدت 0.01 دلار به ازای هر گیگابایت در ماه است. هزینه ذخیره سازی فیزیکی بلندمدت، بیشتر بوده و 0.02 دلار به ازای هر گیگابایت در ماه است. 10 گیگابایت اولیه هر ماه رایگان است.برای مثال، ذخیره سازی بلندمدت یک جدول 200 گیبی بایتی برای یک ماه (200 * 0.01) = 2 دلار هزینه خواهد داشت. اگر جدول به روز شود، به ذخیره سازی فعال تبدیل می شود و دوره 90 روزه مجددا از ابتدا شروع می شود.

برای مثال، ذخیره سازی بلندمدت یک جدول 200 گیبی بایتی برای یک ماه (200 * 0.01) = 2 دلار هزینه خواهد داشت. اگر جدول به روز شود، به ذخیره سازی فعال تبدیل می شود و دوره 90 روزه مجددا از ابتدا شروع می شود.

1 گیبی بایت (gibibyte) معادل 1.1 گیگابایت (gigabyte)

عملکرد، پایداری داده و دسترسی در هر دو نوع ذخیره سازی فعال و بلندمدت یکسان است.

هزینه BigQuery به ازای هر ۱ ترابایت

حجم داده‌های ذخیره شده و داده‌های پردازش شده توسط کوئری‌های شما بر حسب گیبی‌بایت (GiB) اندازه‌گیری می‌شود.  اگر هزینه هر گیگابایت فضای ذخیره‌سازی ۰.۰۲ دلار باشد و ۱ ترابایت تقریباً معادل ۱,۰۰۰ گیگابایت (۹۳۱.۳۲۳) باشد، در این صورت هزینه ۱ ترابایت ۲۰ دلار خواهد بود.

برای محاسبه هزینه ۵ ترابایت، به سادگی مقدار داده را در ۱۰۰۰ (برای تبدیل به گیبی‌بایت) ضرب می‌کنیم، سپس حاصل را در ۰.۰۲ دلار به ازای هر گیگابایت ضرب می‌کنیم.

۵ ترابایت * ۱۰۰۰ = ۵,۰۰۰ گیبی‌بایت

۵,۰۰۰ گیبی‌بایت * ۰.۰۲ دلار = ۱۰۰ دلار

حجم ذخیره سازی أنواع داده در بیگ کوئری

همانطور که گفته شد، هزینه بر اساس میزان داده ای که در BigQuery قرار می دهید محاسبه می شود. برای تعیین حجم کل داده های خود، باید بدانید که حجم أنواع داده ای که در بیگ کوئری ذخیره می شود، داده چقدر است..در ادامه حجم انواع داده های موجود در BigQuery آورده شده است:

نوع دادهاندازه
INT648 بایت
FLOAT8 بایت
NUMERIC16 بایت
Bool1 بایت
STRING2 بایت
Date8 بایت
Datetime8 بایت
Time8 بایت
Timestamp8 بایت
Interval16 بایت

جدول هزینه ذخیره داده به ازای هر 1 گیگابایت در بیگ کوئری

نوع ذخیره سازیقیمتسطح رایگان
ذخیره سازی منطقی فعال0.02 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است
ذخیره سازی فیزیکی فعال0.04 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است
ذخیره سازی منطقی بلندمدت0.01 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است
ذخیره سازی فیزیکی بلندمدت0.02 دلار به ازای هر گیگابایت10 گیگابایت اول هر ماه رایگان است

تحلیل ساختار قیمت گذاری کوئری در Google BigQuery

در BigQuery، از قیمت گذاری تحلیلی برای محاسبه هزینه اجرای کوئری‌ها (شامل کوئری‌های SQL، توابع تعریف‌شده توسط کاربر و اسکریپت‌ها) و همچنین قیمت گذاری ذخیره‌سازی برای محاسبه هزینه ذخیره داده‌هایی که در BigQuery بارگذاری می‌کنید، استفاده میشود.

BigQuery دو مدل قیمت‌گذاری مجزا برای انتخاب کاربران هنگام اجرای کوئری ارائه می‌دهد. این مدل های قیمتی به شرح زیر هستند:

قیمت گذاری بر اساس تقاضا (On-demand pricing)

در قیمت‌گذاری بر اساس تقاضا، شما بر اساس اندازه هر کوئری و تعداد بایت‌هایی که توسط هر کوئری مدیریت می‌شود، هزینه پرداخت می‌کنید. در صورت عدم اجرای کوئری، هیچ هزینه‌ای از شما دریافت نمی‌شود. برای تمام کاربران، اولین ترابایت داده کوئری پردازش شده در هر ماه رایگان ارایه می‌شود.

قیمت گذاری با نرخ ثابت (Flat-rate pricing)

با رویکرد قیمت‌گذاری با نرخ ثابت، صرف نظر از حجم داده‌هایی که کوئری‌های شما اشغال می‌کنند، هزینه ثابتی را پرداخت می‌کنید. این بهترین انتخاب قیمت گذاری برای کاربرانی است که یک هزینه ماهانه ثابت را در محدودیت هزینه تعیین شده می‌خواهند. دسترسی کاربران به قیمت گذاری با نرخ ثابت با خرید اسلات‌های BigQuery، که اساسا CPUهای مجازی مورد استفاده BigQuery برای اجرای کوئری‌های SQL هستند، امکان پذیر است. ظرفیت اسلات اختصاصی که خریداری می‌کنید، میزان قدرت پردازش اختصاص‌یافته برای تمام کوئری‌های شما در هر زمان خاص را تعیین می‌کند، نه برای هر کوئری به صورت جداگانه. اگر درخواست‌های شما از ظرفیت اختصاصی شما فراتر رود، BigQuery واحدهای کاری را به صف انتظار می‌فرستد و منتظر می‌شود تا اسلات‌ها در دسترس قرار گیرند.با پیشرفت پردازش کوئری و در دسترس قرار گرفتن اسلات‌ها، واحدهای کاری صف انتظار به صورت پویا برای اجرا انتخاب می‌شوند و هیچ هزینه اضافی دریافت نمی‌شود.

اسلات‌ها در هر دو قیمت گذاری بر اساس تقاضا و با نرخ ثابت استفاده می‌شوند، اما رویکرد با نرخ ثابت کنترل خاصی بر اسلات‌ها و ظرفیت تجزیه و تحلیل به شما ارائه می‌دهد. به عنوان مثال، در قیمت گذاری با نرخ ثابت، می‌توانید انتخاب کنید که اسلات‌ها را برای موارد زیر رزرو کنید:

  • ۶۰ ثانیه: اسلات‌های انعطاف‌پذیر
  • ماهانه: ۳۰ روز
  • سالانه: ۳۶۵ روز

شما همیشه می‌توانید این دو مدل را برای برآورده کردن نیازهای خاص خود ترکیب کنید. با قیمت گذاری بر اساس تقاضا، هزینه آنچه مصرف می‌کنید را پرداخت می‌کنید، در حالی که با قیمت گذاری با نرخ ثابت، در ازای یک برنامه بلندمدت، ظرفیت تضمین شده‌ای را با هزینه کمتری دریافت می‌کنید.

چه عواملی بر هزینه ذخیره داده در بیگ کوئری تاثیر میگذارند؟

هنگام استفاده از BigQuery با GA4، سه نوع هزینه اصلی وجود دارد که ممکن است متحمل شوید: ذخیره سازی، محاسبات و دریافت داده. این ابزار محاسبه بر ارائه تخمین هزینه ذخیره سازی به شما تمرکز دارد، که جزء کلیدی هزینه کلی BigQuery شما خواهد بود.

هزینه ای که برای ذخیره سازی پرداخت می کنید به میزان داده، مدت زمان ذخیره سازی و مکان ذخیره سازی بستگی دارد. 10 گیگابایت اول ذخیره شده در هر ماه رایگان است، بنابراین بسیاری از سایت های کوچک ممکن است اصلاً هزینه ای پرداخت نکنند.

برای مناطق ایالات متحده (ایالات متحده) و اروپا (اتحادیه اروپا) هر گونه داده ای بالاتر از 10 گیگابایت برای هر گیگابایت در ماه برای ذخیره سازی فعال (هر جدولی که در 90 روز گذشته اصلاح شده است) 0.02 دلار یا برای ذخیره سازی بلندمدت (هر جدولی که برای بیش از 90 روز اصلاح نشده است) 0.01 دلار در ماه محاسبه می شود. ممکن است سایر مناطق قیمت گذاری کمی متفاوتی داشته باشند، به عنوان مثال برای منطقه لندن (اروپا-غرب2) قیمت 0.023 دلار در هر گیگابایت در ماه برای فعال و 0.016 دلار در هر گیگابایت در ماه برای ذخیره سازی بلندمدت است. برای مشاهده قیمت فعلی هر منطقه می توانید به اینجا: BigQuery Pricing مراجعه کنید.

میزان داده ای که در BigQuery ذخیره می کنید به تعداد ایونت هایی که توسط پراپرتی GA4 شما جمع آوری می شود و میزان داده ای که با آن ایونت ها جمع آوری می شود بستگی دارد. اگر با هر ایونت پارامترهای زیادی ارسال می‌کنید یا ایونت های ایکامرسی را با تعداد زیادی آیتم در هر رویداد جمع‌آوری می‌کنید، جداول شما بسیار بزرگتر از سایتی خواهند بود که فقط تنظیمات پیاده سازی آنالیتیکس 4 را انجام داده است.

گوگل تخمین می زند که 1 گیگابایت تقریباً معادل 600 هزار رویداد است، اما در بین پراپرتی های مختلف، این رقم از 800 هزار تا 1.6 میلیون متغیر است.

چگونه با استفاده از ماشین حساب هزینه BigQuery، هزینه‌های خود را برآورد کنیم؟

قیمت‌گذاری بر اساس تقاضا (On-demand Pricing)

  1. به صفحه اصلی کنسول BigQuery خود بروید.
  2. هنگام وارد کردن یک کوئری، اعتبارسنج کوئری (علامت تیک سبز) آن را تأیید می‌کند و تخمین می‌زند که چند بایت پردازش کند.

همانطور که در تصویر مشاهده می‌کنید، این کوئری برای اجرا تقریباً 10.07 MB فضا برای پردازش نیاز دارد.

  1. گام بعدی دسترسی به ماشین حساب قیمت‌گذاری GCP است. BigQuery را به عنوان محصول خود و قیمت‌گذاری بر اساس تقاضا را به عنوان روش قیمت‌گذاری خود انتخاب کنید. فرم موجود در صفحه را با تمام اطلاعات لازم، همانطور که در تصویر نشان داده شده است، تکمیل کنید.

اگر هنوز ۱ ترابایت رایگان ماهانه خود را تمام نکرده باشید، هزینه اجرای کوئری صفر است. با این حال، اگر نیاز دارید این کوئری را هر روز برای ماه آینده اجرا کنید؛ قطعا مقدار پردازش رایگان هر ماه را رد خواهید کرد و باید هزینه پرداخت کنید. برای محاسبه این هزینه باید مقدار مورد نیاز برای پردازش کوئری را در 30 ضرب کنید.

چگونه هزینه ذخیره سازی و اجرای کوئری در BigQuery را برآورد کنیم؟

برای محاسبه هزینه ذخیره سازی و اجرای کوئری در BigQuery، ابتدا باید اطلاعات لازم برای تخمین هزینه ها را جمع آوری کنیم:

  • تعداد کاربران (Number of Users)
  • تعداد کوئری در روز (Number of Queries)
  • میانگین حجم دیتای مصرفی (Average Data Usage)

به عنوان مثال، فرض کنید 10 کاربر در روز از دیتایی که از آنالیتیکس به بیگ کوئری انتقال داده شده است، استفاده میکنند. به طوری که هر کاربر روزانه پنج کوئری با میانگین مصرف داده 2 گیگابایت برای هر کوئری اجرا می کند. ما هزینه را بر اساس ماه (فرض می کنیم 30 روز) محاسبه می کنیم.

با استفاده از این پارامترها، می توانیم با یک محاسبه ساده، هزینه ماهانه متوسط خود را با BigQuery تخمین بزنیم.

کل حجم کوئری دیتا در ماه:

10 کاربر در روز * 5 کوئری در روز * 2 گیگابایت در کوئری * 30 روز = 3000 گیگابایت = 3 ترابایت

محاسبه هزینه ذخیره سازی BigQuery:

در زمان نگارش این متن، هزینه ذخیره سازی برای 1 ترابایت داده حدود 20 دلار است (قیمت دقیق بستگی به منطقه انتخابی شما دارد). بنابراین، برای به دست آوردن هزینه ذخیره سازی در هر ماه، به سادگی 3 ترابایت را در 20 دلار ضرب می کنیم.

3 ترابایت * 20 دلار در هر ترابایت = 60 دلار

محاسبه هزینه اجرای کوئری بر اساس میزان مصرف (On-Demand):

با استفاده از همان داده های کوئری، قیمت پردازش 1 ترابایت داده 5 دلار است. بنابراین، برای به دست آوردن هزینه اجرای کوئری بر اساس میزان مصرف در هر ماه، به سادگی 3 ترابایت را در 5 دلار ضرب می کنیم.

3 ترابایت * 5 دلار در هر ترابایت = 15 دلار

این قیمت ممکن است کاهش یابد، به شرطی که از 1 ترابایت فضای ذخیره سازی رایگان ماهانه خود استفاده نکرده باشید.

هزینه پردازش 1 ترابایت داده در BigQuery چقدر است؟

برای قیمت گذاری بر اساس میزان مصرف (On-Demand)، هزینه پردازش 1 ترابایت داده 6.25 دلار است.

هزینه اجرای یک کوئری 12 گیگابایتی در BigQuery چقدر است؟

12 گیگابایت تقریباً معادل 0.01288 ترابایت است. از آنجایی که هزینه پردازش 1 ترابایت 6.25 دلار است، هزینه اجرای یک کوئری 12 گیگابایتی به شرح زیر محاسبه می شود:

6.25 دلار در هر ترابایت * 0.01288 ترابایت = 0.08 دلار

هزینه اجرای یک کوئری 100 گیگابایتی در BigQuery چقدر است؟

100 گیگابایت تقریباً معادل 0.107 ترابایت است. برای محاسبه هزینه اجرای یک کوئری 100 گیگابایتی، محاسبه زیر را انجام می دهیم:

6.25 دلار در هر ترابایت * 0.107 ترابایت = 0.66 دلار

آیا استفاده از ویوها (Views) در BigQuery هزینه اضافی دارد؟

خیر. جداول مجازی (Virtual Tables) با استفاده از کوئری های SQL به عنوان ویو تعریف می شوند. به همان روشی که می توانید روی یک کوئری بزنید، می توانید همین کار را با ویوها نیز انجام دهید. ویوها ممکن است فقط داده هایی را از جداول و فیلدهایی ارائه دهند که توسط کاربر هنگام اجرای کوئری درخواست می شود. بنابراین افزودن یا حذف یک ویو هیچ هزینه ای ندارد.

بهینه سازی هزینه BigQuery

به عنوان یک متخصص پرفورمنس مارکتینگ، بهینه سازی هزینه در BigQuery اهمیت زیادی دارد. فرقی نمی کند که داده های خود را از طریق آنالیتیکس 4 یا از Google Sheets وارد BigQuery کنید، رعایت برخی نکات برای بهینه سازی هزینه در BigQuery ضروری است. این موارد عبارتند از:

  • *استفاده بهینه از عبارت SELECT : در کوئری های خود از عبارت SELECT * کمتر استفاده کنید و فقط اطلاعات مورد نیاز خود را درخواست نمایید.
  • استفاده از قابلیت پیش نمایش BigQuery: هنگامی که می خواهید نمونه کوچکی از داده های خود را ببینید، به جای اجرای یک کوئری برای مشاهده بخش کوچکی از داده ها، از قابلیت پیش نمایش BigQuery استفاده کنید.
  • بررسی هزینه ها قبل از اجرا: قبل از اجرای هر کوئری یا فعالیت ذخیره سازی، با استفاده از ابزار محاسبه گر قیمت GCP (Google Cloud Platform Price Calculator)، هزینه های مرتبط را بررسی کنید.
  • تقسیم کوئری به بخش های کوچکتر: اگر قصد دارید روی یک مجموعه داده بزرگ پرس و جو انجام دهید، کوئری خود را به بخش های کوچکتر تقسیم کنید. اجرای تک تک کوئری های کوچکتر بهتر است. این کار باعث کاهش حجم داده هایی که باید خوانده شوند و در نتیجه صرفه جویی در هزینه می شود.
ادامه مطلب

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Search

آخرین مطالب​

من نگار پورجواد هستم. علاقه‌مند به مباحث دیجیتال مارکتینگ، پرفورمنس مارکتینگ، سئو و بازاریابی محتوا.

Twitter Linkedin Youtube Instagram Telegram

دسته بندی ها

دسته‌ها

آخرین دوره ها

دریافت مشاوره و آموزش

برای دریافت مشاوره نصب و راه اندازی آنالیتیکس 4 و ایونت ترکینگ از طریق گوگل تگ منیجر، از طریق شماره تماس زیر با من در ارتباط باشید.
دریافت مشاوره رایگان