Google BigQuery-Logo

Cloud-Lager

Verbinden Google BigQuery zu Excel, Google Sheets, KI und REST

Googles serverloses Data Warehouse. Der Agent authentifiziert sich und führt SELECT aus – die Ergebnisse werden an Excel, Sheets, Nova oder MCP übertragen.

Kostenlos starten 13 Reiseziele

Eine Verbindung, jede Oberfläche

Wohin Ihre BigQuery-Daten gelangen können

Google BigQuery Live-Tische • Nur lesbar
Verbundabfragen + jeder andere Anschluss · eine SQL-Abfrage über verschiedene Quellen hinweg · jeder Plan
Netzwerk-Agent
  • 1 ausgehende Verbindung
  • 0 eingehende Ports
  • Schreibgeschützt · Anmeldeinformationen bleiben erhalten

läuft auf

Query Streams liest BigQuery als Live-SQL aus Microsoft Excel, Google Sheets, Power BI, KI-Assistenten über MCP und einem REST-Endpunkt. Ein Dienstkonto genügt, und der Schlüssel kann als Datei auf der Festplatte des Agenten gespeichert werden, anstatt ihn an beliebiger Stelle einzufügen. Abfragen werden als normale BigQuery-Aufträge mit einer standardmäßigen Laufzeitbegrenzung von fünf Minuten ausgeführt. Dies ist ausreichend für die Analyseaufgaben, bei denen ein tabellenkalkulationsbasiertes Tool üblicherweise an seine Grenzen stößt.

  1. Für Ihr Team, Ihre Lieferanten und Partner

  2. BigQuery nach Excel Microsoft Excel · Excel-Add-in

    Live-Ergebnisse von BigQuery direkt in ein Arbeitsblatt importieren und bei Bedarf aktualisieren – Desktop-Excel, Excel Online, Microsoft 365.

    BigQuery-Leitfaden

  3. BigQuery zu Google Sheets Tabellen-Add-on

    Führen Sie eine gespeicherte BigQuery-Abfrage über die Seitenleiste aus und ziehen Sie die Zeilen in das Tabellenblatt. Gemeinsame Mitarbeiter können es selbst aktualisieren.

    BigQuery-Leitfaden

  4. Fragen Sie Nova nach BigQuery Nova AI · Text zu SQL

    Stellen Sie Ihre Frage in einfachem Englisch. Nova kennt Ihre BigQuery-Tabellen bereits, schreibt und führt die SQL-Abfrage aus, erklärt die Antwort und visualisiert sie – Sie müssen keine Abfrage schreiben und keine Zugangsdaten angeben.

    So funktioniert Nova

  5. BigQuery zu Datenanzeige Ergebnispräsentation · Team, Lieferanten, Partner · Smartphone, Tablet, Desktop

    Teilen Sie Live-Ergebnisse von BigQuery mit beliebigen Personen – Kollegen, Lieferanten, Partnern – als Lesezeichen speichernde Tabelle, die beim Öffnen auf einem Smartphone, Tablet oder Desktop-Computer immer neu angezeigt wird. Die Empfänger sehen die Ergebnisse, niemals die SQL-Abfrage oder die Zugangsdaten.

    So funktioniert der Datenbetrachter
  6. Für Apps und Systeme

  7. BigQuery REST-API HTTP-Endpunkt

    Veröffentlichen Sie eine BigQuery-Abfrage als authentifizierten JSON-Endpunkt, den jede Anwendung aufrufen kann, mit einer OpenAPI 3.1-Spezifikation und vorgefertigten Sammlungen für Postman, Insomnia und Hoppscotch. Es wird kein Datenbankport geöffnet.

    BigQuery-Leitfaden

  8. BigQuery zu Power BI Power Query M

    Fügen Sie die generierte Power Query M in den Power BI Advanced Editor ein, und der Bericht liest Live-BigQuery-Ergebnisse über HTTPS – ohne ODBC-Treiber und ohne geöffneten Datenbankport.

    So funktioniert Power BI

  9. BigQuery zu Airtable Automatisierungsplattform

    Synchronisieren Sie BigQuery-Zeilen zeitgesteuert mit einer Airtable-Basis oder rufen Sie sie innerhalb eines Airtable-Automatisierungsskripts ab.

    BigQuery-Leitfaden

  10. BigQuery zu Baserow Automatisierungsplattform

    Eine Baserow-Tabelle wird über den REST-Endpunkt mit BigQuery gefüttert – entweder selbst gehostet oder in der Baserow-Cloud.

    BigQuery-Leitfaden

  11. BigQuery zu SeaTable Automatisierungsplattform

    Halten Sie eine SeaTable-Basis mit BigQuery-Daten auf dem neuesten Stand, ohne eine Datei zu exportieren oder die Datenbank preiszugeben.

    BigQuery-Leitfaden

  12. BigQuery zu Smartsheet Automatisierungsplattform

    Die Ergebnisse von BigQuery werden in ein Smartsheet-Grid übertragen, sodass Pläne und Berichte aus dem Quellsystem und nicht aus dem Export der letzten Woche gelesen werden.

    BigQuery-Leitfaden

  13. BigQuery zu Anvil Anvil Works · App-Plattform

    Sichern Sie eine Anvil Python-App mit BigQuery über den REST-Endpunkt ab, anstatt Datenbankzugangsdaten in die App einzubetten.

    BigQuery-Leitfaden
  14. Für KI-Tools

  15. BigQuery MCP-Server Claude-, Cursor- und MCP-Clients

    Gewähren Sie einem KI-Assistenten Lesezugriff auf BigQuery mit dem Schema, das er benötigt, um korrekte SQL-Abfragen zu schreiben – keine Anmeldeinformationen im Chat.

    BigQuery-Leitfaden
  16. An Personen geliefert

  17. BigQuery-Warnungen und -Berichte Slack · Discord · E-Mail · Webhook

    Erstellen Sie eine BigQuery-Abfrage mit einem Zeitplan und lassen Sie die Zeilen an Slack, Discord, per E-Mail oder über einen signierten Webhook liefern – oder halten Sie die Nachricht zurück, bis eine bestimmte Zeilenanzahl, ein Schwellenwert oder eine prozentuale Änderung den von Ihnen festgelegten Wert überschreitet.

    So funktionieren Benachrichtigungen und Berichte

So funktioniert es

5 Schritte, keine Änderung der eingehenden Firewall

01

Installieren Sie den Netzwerkagenten an einem beliebigen Ort mit ausgehendem HTTPS. BigQuery ist eine REST-API, daher werden weder ein Port noch ein Listener benötigt.

02

Weisen Sie dem Agenten ein Projekt und üblicherweise einen Standarddatensatz zu. Authentifizieren Sie sich mit einem Dienstkontoschlüssel – entweder durch Einfügen oder als Datei auf der Festplatte des Agenten, auf die über den Pfad verwiesen wird.

03

Gewähren Sie diesem Dienstkonto nur die Berechtigungen, die es benötigt. Alles, was Query Streams sehen kann, ist auch für das Dienstkonto sichtbar.

04

Wählen Sie die Datensätze aus, die Sie anzeigen möchten. Der Agent liest deren Tabellen und Spalten und vereinfacht verschachtelte Datensätze, sodass Sie sehen können, was tatsächlich vorhanden ist.

05

Schreiben Sie schreibgeschütztes SQL oder lassen Sie Nova es schreiben. Lesen Sie die gespeicherte Abfrage aus Excel, Google Sheets, Power BI, MCP oder REST.

Funktionsanalyse

Was BigQuery Ihnen bietet

Verschachtelte Daten, die Sie tatsächlich sehen können

Die Stärke von BigQuery ist gleichzeitig das, was das Durchsuchen so umständlich macht: Datensätze sind verschachtelt, Arrays wiederholen sich, und die Hälfte der Tools, die eine Verbindung dazu herstellen, zeigen lediglich eine Spalte namens „payload“ an.

  • Verschachtelte Datensätze werden im Katalog als parent.child vereinfacht dargestellt, sodass der Query Builder die Felder innerhalb einer STRUCT anzeigt, anstatt die STRUCT selbst.
  • Die Werte von GEOGRAFIE werden als Text und nicht als undurchsichtiges Objekt dargestellt.
  • INTERVAL-Spalten werden explizit behandelt — die Google-Clientbibliothek wirft einen Fehler auf, und anstatt dass dies eine Abfrage unterbricht, wird stattdessen der Rohwert gelesen.
  • Wiederholte Spalten und Datensätze werden bei der Werthäufigkeitsanalyse nicht berücksichtigt, da die Frage nach den eindeutigen Werten eines Arrays nicht von BigQuery beantwortet wird.

Ein Datensatz ist das, was andere Suchmaschinen als Datenbank bezeichnen.

Die Diskrepanz im Vokabular sollte klar benannt werden, da sie die Eingabe bestimmt. Die Verbindung verknüpft ein Projekt mit einem Standarddatensatz, und der Name des Datensatzes erscheint in der Mitte einer quellenübergreifenden Referenz.

  • Innerhalb einer einzelnen BigQuery-Verbindung können Tabellennamen unqualifiziert geschrieben werden. — Der Job verwendet bereits Ihr Standard-Dataset. Schreiben Sie das Projekt niemals neu.
  • Bei allen Quellen ist der mittlere Teil der Datensatz.
  • Eine BigQuery-Verbindung liest ein Projekt. Das Verknüpfen zweier Projekte ist eine föderierte Abfrage über zwei Verbindungen hinweg, keine datenbankübergreifende Verknüpfung innerhalb einer einzigen Verbindung.
-- bq_analytics ist die Verbindung, events ist das BigQuery-Dataset. SELECT s.utm_source, COUNT(*) AS sessions FROM bq_analytics.events.sessions s JOIN pg_crm.public.customers c ON c.id = s.customer_id WHERE c.plan = 'enterprise' GROUP BY s.utm_source

Wird von jedem Datenbank-Connector gemeinsam genutzt.

Gilt für jeden Datenbank-Connector.

  • Nur ausgehend Der Agent öffnet eine einzige verschlüsselte Verbindung zu Query Streams. Es wird kein eingehender Port weitergeleitet, kein VPN verwendet, keine IP-Zulassungsliste verwendet und Ihre Datenbank wird nicht im Internet offengelegt.
  • Die Zugangsdaten bleiben erhalten. — Benutzername und Passwort der Datenbank befinden sich auf dem Rechner, auf dem der Agent installiert wurde. Query Streams empfängt diese Daten nicht und kann daher nicht selbstständig auf Ihre Datenbank zugreifen.
  • Schreibgeschützt, erzwungen — Nur eine Anweisung gleichzeitig, ausschließlich SELECT und ähnliche Optionen. Ein Schreibvorgang wird auf Ihrem Rechner abgelehnt, bevor er an den Server gesendet wird, anstatt sich auf eine von jemandem gesetzte Berechtigung zu verlassen.
  • Setzen Sie beliebig viele Agenten ein. — eine pro Standort, Region oder Cloud. Alle sichtbaren Datenquellen werden in einem einzigen Dropdown-Menü angezeigt, sodass niemand wissen muss, welcher Agent welche Daten hostet.

Was Sie erhalten, sobald eine Abfrage gespeichert wurde

  • Teilen Sie die Funktionalität, nicht die SQL-Anweisung. — Ein Kollege oder ein externer Partner kann Ihre Abfrage ausführen und deren Filter ändern, ohne jemals die dahinterstehende Anweisung zu sehen.
  • Filter aus beiden Richtungen — Deklarieren Sie sie selbst als @Variablen oder lassen Sie den Konnektor die bereits in Ihrer WHERE-Klausel vorhandenen Literalwerte erkennen und diese als Dropdown-Listen anbieten.
  • Lesen Sie es von überall aus — Microsoft Excel, Google Sheets, Power BI, die REST-API, KI-Assistenten über MCP, der Query Builder und Nova lesen alle dieselbe gespeicherte Abfrage.
  • Mehrere gleichzeitig ausführen — fünf gespeicherte Abfragen in fünf Tabellenblattregisterkarten, die gleichzeitig abgearbeitet werden, unabhängig von der Größe der Ergebnisse.
  • Verbinde es mit allem anderen, was du verbunden hast. — eine andere Datenbank, eine Business-API oder einen Ordner mit Dateien in einer einzigen schreibgeschützten Anweisung.

Quellübergreifendes SQL

Verbinden Sie BigQuery mit Ihren übrigen Daten.

Eine einzige Abfrage kann BigQuery und Ihre anderen Verbindungen gleichzeitig umfassen. Jede Quelle führt nur den von ihr bearbeitbaren Teil aus, streamt das Ergebnis zurück, und die Verknüpfung erfolgt zentral – die Quellen kommunizieren nie miteinander, und es werden keine Daten kopiert.

3 Verbindungen · 3 Agenten

Google BigQuery Cloud-Lager
PostgreSQL Relationale Maschine
Streifen Zahlungen & Rechnungsstellung

Eine Aussage

– nichts kopiert, nichts zusammengeführt, nichts geplant
SELECT   c.region, COUNT(*) AS orders, SUM(i.amount_due) AS invoiced
VON     bq_analytics.analytics.orders1 f
JOIN     pg_crm.public.customers2       c ON c.id = f.customer_id
JOIN     Abrechnung.stripe.invoices3       i ON i.customer = c.stripe_id
GROUP BY c.region
ORDER BY in Rechnung gestellte Beschreibung;

Die drei Bestandteile sind Verbindung, Schema und Tabelle – der Verbindungsname ist der von Ihnen gewählte. Die Spalten dienen nur der Veranschaulichung; Ihre Tabellen entsprechen Ihren tatsächlichen Tabellen. Der Schreibschutz gilt für alle Komponenten: Nur SELECT, WITH und EXPLAIN sind zulässig, und es gibt eine Obergrenze für die Datenmenge, die eine einzelne Datenquelle pro Abfrage übermitteln darf. Wie föderierte Abfragen funktionieren

Verbindungsdetails

Was BigQuery benötigt

Erreichte über
HTTPS-Verbindung zur BigQuery-API von Google. Kein Port, kein Listener, keine eingehenden Verbindungen.
Identifiziert durch
Ein GCP-Projekt und üblicherweise ein Standarddatensatz
Authentifizierung
Ein Dienstkontoschlüssel – entweder als JSON eingefügt oder als Datei auf der Festplatte des Agenten gespeichert und über einen Pfad referenziert.
Berechtigungen
Nur die Daten, auf die das Dienstkonto Zugriff hat, und nichts anderes. Beschränkt auf die BigQuery-API.
Kunde
Google.Cloud.BigQuery.V2 3.10.0, enthalten – keine nativen Abhängigkeiten für die Installation erforderlich
Abfrage-Timeout
Standardmäßig 300 Sekunden, was für analytische Arbeiten bewusst großzügig bemessen ist.
Ergebnisse
Der Job wird abgeschlossen und die Zeilen werden anschließend gestreamt, da dies die Vorgehensweise der Job-API ist.
Schreibgeschützt
Wird dem Agenten vor der Auftragsabgabe auferlegt.

Query Streams begrenzt die Kosten von BigQuery nicht. Es gibt keine Kostenschätzung im Testlauf und keine Obergrenze für abgerechnete Bytes – eine Abfrage, die eine große, nicht partitionierte Tabelle durchsucht, kostet genau so viel wie über die Konsole. Partitionieren Sie Ihre Tabellen und verwenden Sie die GCP-eigenen Kontingente und die Berechtigungen des Dienstkontos als Kontrolle.

Bei einer quellenübergreifenden Abfrage ist der mittlere Teil einer dreiteiligen Referenz das BigQuery-Dataset. Eine Verbindung namens bq_analytics, die das Ereignis-Dataset liest, wird als bq_analytics.events.sessions geschrieben.

Herstellerdokumentation: cloud.google.com

Häufig gestellte Fragen

Fragen zu Google BigQuery

Welche Tools können Google BigQuery-Daten über Query Streams lesen?

Alle Anwendungen – Excel, Google Sheets, MCP, REST-API, Airtable, Baserow, SeaTable, Smartsheet, Anvil, Power BI, geplante Benachrichtigungen und Berichte – werden über eine einzige Verbindung gesteuert. Die Data-Warehouse-Verbindung wird einmalig hergestellt, und alle Oberflächen greifen auf dieselbe schreibgeschützte Verbindung zu – es ist keine Einrichtung pro Tool und keine Datenkopie erforderlich.

Muss ich einen Firewall-Port für mein Google BigQuery-Data-Warehouse öffnen?

Nein. Der Query Streams Network Agent läuft innerhalb Ihres Netzwerks und öffnet eine einzige verschlüsselte ausgehende Verbindung. Es wird kein eingehender Datenverkehr überwacht, ein VPN ist nicht erforderlich, und das Data Warehouse behält seine bestehenden Firewall-Regeln bei.

Können Abfrageströme Daten in Google BigQuery verändern?

Nein. Der Agent erzwingt zum Zeitpunkt der Ausführung den Lesezugriff – es wird jeweils nur eine Anweisung ausgeführt, beispielsweise SELECT-Anweisungen. Die Anmeldeinformationen verbleiben auf dem Agenten und werden niemals an Abfrageströme gesendet.

Was benötigt Query Streams, um eine Verbindung zu Google BigQuery herzustellen?

Ein erreichbarer Host, eine Rolle und deren Passwort – der Agent trägt den Treiber, sodass nichts im Data Warehouse installiert wird. Zugriff über: HTTPS zur BigQuery API von Google. Kein Port, kein Listener, keine eingehenden Verbindungen. Identifiziert durch: Ein GCP-Projekt und üblicherweise ein Standard-Dataset. Authentifizierung: Ein Dienstkontoschlüssel – entweder als JSON eingefügt oder als Datei auf der Festplatte des Agents gespeichert und über den Pfad referenziert. Berechtigungen: Nur die Leseberechtigungen des Dienstkontos. Beschränkt auf die BigQuery API.

Kann ich Google BigQuery in derselben Abfrage mit einer anderen Datenbank verknüpfen?

Ja, das ist eine föderierte Abfrage. Eine einzige Anweisung kann Google BigQuery und Ihre anderen Verbindungen gleichzeitig referenzieren (geschrieben als Verbindung.Schema.Tabelle). Jede Quelle führt nur den Teil aus, den sie verarbeiten kann, und streamt das Ergebnis zurück. Der Join erfolgt zentral, sodass die Quellen keine Verbindung zueinander herstellen und nichts kopiert oder eingeplant wird. Der Schreibschutz gilt nur für SELECT, WITH und EXPLAIN. Außerdem ist die Datenmenge, die eine Quelle für eine einzelne Abfrage übermitteln darf, begrenzt. Föderierte Abfragen sind eine Funktion des Abonnements. Die Seite für föderierte Abfragen enthält die aktuellen Quell- und Größenbeschränkungen.

Platzieren Sie BigQuery dort, wo die Arbeit stattfindet.

Installieren Sie den Agenten, richten Sie ihn auf Ihr Lager aus und wählen Sie ein Ziel.

Kostenlos starten Alle Anschlüsse

Schreibgeschützt Nur ausgehend Die Zugangsdaten bleiben beim Agenten.