一个连接，每个表面
BigQuery 数据可以去哪里
- 1 出站连接
- 0 入境口岸
- 只读 · 凭据保留
运行
- 为您的团队、供应商和合作伙伴
-
在 Excel 插件 · 按需刷新
-
谷歌工作表 附加组件 · 按需刷新
-
新星人工智能 用简单的英语提问 · 文本转 SQL
-
数据查看器 分享实时结果 · 团队、供应商、合作伙伴 · 任何设备
- 对于应用程序和系统
-
REST API JSON 端点 · OpenAPI 3.1
-
Power BI Power Query M
-
计划同步 Google Sheets · Airtable · Baserow · SeaTable · Smartsheet · Anvil
- 人工智能工具
-
人工智能助手 Claude · Cursor · MCP 服务器
- 已送达
-
警报和报告 Slack · Discord · 电子邮件 · Webhook
Query Streams 可以从 Microsoft Excel、Google Sheets、Power BI、通过 MCP 连接的 AI 助手以及 REST 端点读取 BigQuery 中的实时 SQL 数据。它只需要一个服务帐户，密钥可以保存在代理自身的磁盘上，而无需粘贴到任何位置。查询以普通 BigQuery 作业的形式运行，默认运行时间上限为五分钟，这足以完成电子表格工具通常会放弃的分析工作。
- 为您的团队、供应商和合作伙伴
-
BigQuery 到 Excel 微软 Excel · Excel 加载项
将 BigQuery 的实时结果直接拉取到工作表中，并按需刷新——支持桌面版 Excel、Excel Online 和 Microsoft 365。
BigQuery 指南 -
将 BigQuery 转换为 Google Sheets 表格插件
从侧边栏运行已保存的 BigQuery 查询，并将结果行拖放到工作表中。共享协作者可以自行刷新工作表。
BigQuery 指南 -
向 Nova 询问有关 BigQuery 的问题 Nova AI · 文本转 SQL
用简单的英语提问。Nova 已经了解你的 BigQuery 表，会自动编写并运行 SQL 语句，解释答案并绘制图表——无需编写查询语句，也无需提供任何凭据。
Nova 的工作原理 -
BigQuery 到数据查看器 结果共享 · 团队、供应商、合作伙伴 · 手机、平板电脑、台式机
您可以与任何人（同事、供应商、合作伙伴）共享实时 BigQuery 查询结果，将其以可收藏的网格形式呈现，无论在手机、平板电脑还是台式机上打开，结果都会立即重新显示。他们看到的是查询结果，而不是 SQL 语句或凭据。
数据查看器的工作原理 - 对于应用程序和系统
-
BigQuery REST API HTTP 端点
将 BigQuery 查询发布为任何应用程序都可以调用的已认证 JSON 端点，符合 OpenAPI 3.1 规范，并预置了 Postman、Insomnia 和 Hoppscotch 集合。无需打开数据库端口。
BigQuery 指南 -
BigQuery 到 Power BI Power Query M
将生成的 Power Query M 粘贴到 Power BI 高级编辑器中，报表即可通过 HTTPS 读取实时 BigQuery 结果——无需 ODBC 驱动程序，也无需打开数据库端口。
Power BI 的工作原理 -
BigQuery 到 Airtable 自动化平台
按计划将 BigQuery 行同步到 Airtable，或者在 Airtable 自动化脚本中获取它们。
BigQuery 指南 -
BigQuery 到 Baserow 自动化平台
通过 REST 端点从 BigQuery 向 Baserow 表提供数据——无论是自托管还是 Baserow 云。
BigQuery 指南 -
BigQuery 到 SeaTable 自动化平台
无需导出文件或公开数据库，即可使 SeaTable 数据库与 BigQuery 数据保持同步。
BigQuery 指南 -
BigQuery 到 Smartsheet 自动化平台
将 BigQuery 结果推送到 Smartsheet 网格中，以便计划和报告能够从源系统读取数据，而不是从上周的导出数据读取数据。
BigQuery 指南 -
BigQuery 到 Anvil Anvil Works · 应用平台
通过 REST 端点将 BigQuery 集成到 Anvil Python 应用程序中，而不是将数据库凭据嵌入到应用程序中。
BigQuery 指南 - 人工智能工具
-
BigQuery MCP 服务器 Claude、Cursor 和 MCP 客户端
赋予 AI 助手对 BigQuery 的只读访问权限，并提供它编写正确 SQL 所需的架构——聊天中无需提供凭据。
BigQuery 指南 - 已送达
-
BigQuery 警报和报告 Slack · Discord · 电子邮件 · Webhook
将 BigQuery 查询添加到计划中，并将查询结果发送到 Slack、Discord、电子邮件或签名 webhook，或者等到行数、阈值或百分比变化超过您设定的界限时才发送消息。
警报和报告的工作原理
工作原理
5 个步骤，无需更改入站防火墙规则
将网络代理安装在任何支持出站 HTTPS 的位置。BigQuery 是一个 REST API，因此不涉及端口和监听器。
给它指定一个项目，通常还需要一个默认数据集。使用服务帐户密钥进行身份验证——密钥可以粘贴到客户端，也可以作为文件保存在代理的磁盘上并通过路径引用。
仅授予该服务帐户应有的访问权限。查询流可以看到的所有内容，服务帐户也可以看到。
选择值得公开的数据集。代理会读取这些数据集的表和列，并将嵌套记录展平，以便您查看其中的实际内容。
您可以编写只读 SQL，也可以让 Nova 编写。您可以从 Excel、Sheets、Power BI、MCP 或 REST 中读取已保存的查询。
专题深度解析
BigQuery 能为你提供什么？
您实际上可以看到嵌套数据
BigQuery 的优势也正是它浏览起来不方便的原因：记录嵌套，数组重复，而且连接到它的一半工具只显示一个名为 payload 的列，除此之外什么也不显示。
- 嵌套记录在目录中被扁平化为 parent.child，因此查询构建器显示的是结构体内部的字段，而不是结构体本身。
- 地理信息值以文本形式显示，而不是以不透明对象的形式显示。
- INTERVAL 列会被显式处理。 — Google 客户端库会抛出这些错误，但与其让查询失败，不如直接读取原始值。
- 重复列和记录列不纳入值频率分析，因为 BigQuery 无法回答获取数组中不同值的问题。
数据集就是其他引擎所说的数据库。
词汇不匹配的问题值得明确指出，因为它决定了你的输入内容。该连接绑定了一个项目和一个默认数据集，而数据集名称会出现在跨源引用的中间。
- 在单个 BigQuery 连接中，写入表名时不使用限定符。 — 该作业已设置了默认数据集。无需编写项目。
- 综合所有来源，中间部分是数据集。
- 一个 BigQuery 连接只能读取一个项目。连接两个项目是跨两个连接的联合查询，而不是在单个连接内进行跨数据库连接。
-- bq_analytics 是连接，events 是 BigQuery 数据集 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每个数据库连接器共享
适用于所有数据库连接器
- 仅限出站 — 代理程序会打开一个加密连接到查询流。无需转发入站端口，无需 VPN，无需 IP 允许列表，您的数据库信息不会暴露在互联网上。
- 凭证保留 — 数据库用户名和密码存储在您安装代理的计算机上。Query Streams 永远不会收到这些信息，也无法自行访问您的数据库。
- 只读，强制执行 ——一次只执行一条语句，仅限 SELECT 及其相关语句。写入操作会在发送到服务器之前就被本地机器拒绝，而不是依赖于其他人设置的权限。
- 部署任意数量的代理 每个站点、区域或云端只需一个代理。所有数据源都显示在同一个下拉菜单中，因此无需了解哪个代理托管哪些数据源。
查询保存后您将获得什么？
- 分享的是能力，而不是 SQL — 同事或外部合作伙伴可以运行您的查询并更改其筛选条件，而无需查看其背后的语句。
- 双向过滤 — 您可以自己将它们声明为 @variables，或者让连接器发现 WHERE 子句中已有的字面值，并将其作为下拉列表提供。
- 随时随地阅读 — Microsoft Excel、Google Sheets、Power BI、REST API、MCP 上的 AI 助手、查询生成器和 Nova 都读取同一个已保存的查询。
- 同时运行多个程序 — 将五个已保存的查询分别保存到五个工作表标签中，同时进行流式传输，无论结果有多大。
- 将其连接到您已连接的任何其他内容 — 用一条只读语句访问另一个数据库、业务 API 或文件文件夹。
跨源 SQL
将 BigQuery 连接到您的其余数据
一条语句可以同时跨越 BigQuery 和其他连接。每个数据源只运行它能够处理的部分，并将结果流式传输回来，连接操作则在中心位置完成——各个数据源之间互不通信，也不会复制任何数据。
3 个连接 · 3 个代理
一份声明
——没有任何复制、合并或安排操作。
选择 c.region，COUNT(*) AS orders，SUM(i.amount_due) AS invoiced
从 bq_analytics.analytics.orders1 f
连接 pg_crm.public.customers2 c ON c.id = f.customer_id
连接 计费.stripe.invoices3 i ON i.customer = c.stripe_id
GROUP BY c.区域
ORDER BY 发票上的描述；这三个部分分别是连接、模式和表——连接名称就是你给它起的任何名字。这里用列举例说明；你的表就是你自己的表。所有部分都采用只读模式：仅支持 SELECT、WITH 和 EXPLAIN 语句，并且对单个查询中每个数据源可以传输的数据量有限制。 联合查询的工作原理
连接详情
BigQuery 需要什么
- 伸手够到
- 通过 HTTPS 连接到 Google 的 BigQuery API。没有端口，没有监听器，没有入站请求。
- 由……识别
- 一个 GCP 项目，通常是一个默认数据集
- 验证
- 服务帐户密钥——可以粘贴为 JSON 格式，也可以作为文件保留在代理磁盘上并通过路径引用。
- 权限
- 服务帐户拥有的读取权限，除此之外别无其他权限。权限范围仅限于 BigQuery API。
- 客户
- Google.Cloud.BigQuery.V2 3.10.0，已捆绑安装——无需安装原生依赖项
- 查询超时
- 默认值为 300 秒，这特意留出了充足的时间用于分析工作。
- 成果
- 任务完成后，数据行将以流式方式输出，因为这就是任务 API 的交付方式。
- 只读
- 在提交工作之前对代理人强制执行
查询流不会限制 BigQuery 的计费金额。这里没有预估费用，也没有按字节计费的上限——扫描大型未分区表的查询费用与从控制台执行的查询费用完全相同。请对表进行分区，并使用 GCP 自身的配额和服务帐户的授权进行控制。
在跨源查询中，三部分引用的中间部分是 BigQuery 数据集。读取事件数据集的名为 bq_analytics 的连接写为 bq_analytics.events.sessions。
供应商文档： cloud.google.com
常问问题
关于 Google BigQuery 的问题
哪些工具可以通过查询流读取 Google BigQuery 数据？
只需一次连接，即可访问所有平台：Excel、Google Sheets、MCP、REST API、Airtable、Baserow、SeaTable、Smartsheet、Anvil、Power BI、定时提醒和报表。只需连接一次数据仓库，所有平台即可读取相同的只读连接——无需针对每个工具进行单独设置，也无需创建数据副本。
我是否需要为我的 Google BigQuery 数据仓库打开防火墙端口？
不。查询流网络代理运行在您的网络内部，并打开一个单独的出站加密连接。它不会监听入站流量，无需 VPN，并且数据仓库会保留其现有的防火墙规则。
查询流可以更改 Google BigQuery 中的数据吗？
不。代理在执行时强制执行只读模式——一次只执行一条语句，仅限 SELECT 及其相关语句。凭据保留在代理上，绝不会发送到查询流。
Query Streams 需要连接到 Google BigQuery 的哪些组件？
一个可访问的主机、一个角色及其密码——代理程序自带驱动程序，因此无需在数据仓库上安装任何内容。访问方式：通过 HTTPS 连接到 Google 的 BigQuery API。无端口，无监听器，无入站流量。标识方式：GCP 项目，通常使用默认数据集。身份验证：服务帐户密钥——以 JSON 格式粘贴，或以文件形式保存在代理程序的磁盘上并通过路径引用。权限：服务帐户可读取的所有权限，除此之外别无其他。作用域仅限于 BigQuery API。
我可以在同一个查询中将 Google BigQuery 连接到另一个数据库吗？
是的——这就是联合查询。一条语句可以同时引用 Google BigQuery 和其他连接，格式为 connection.schema.table。每个数据源只运行它能够处理的部分，并将结果流式传输回来；连接操作在中心进行，因此数据源之间不会相互连接，也不会进行任何复制或调度。所有部分（SELECT、WITH 和 EXPLAIN）都采用只读模式，并且单个数据源在单次查询中可以传输的数据量有限制。联合查询是一项计划功能；联合查询页面会显示当前的数据源和大小限制。
English 
Spanish 
German 
French 
Portuguese 
Japanese 
Korean 
Chinese 
Italian 
Dutch 
Indonesian 
Polish