Big Query

​

Überblick

Googles mächtige Cloud-Plattform für Analytics und Machine Learning mit riesigen Datenmengen. Mit der Langdock-Integration holst du dir BigQuery direkt in deine Chats und kannst alles bequem verwalten.

​

Verfügbare Aktionen

​

Datasets auflisten

bigquery.listDatasets

Zeigt dir alle Datasets in deinem BigQuery-Projekt Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID, die die Datasets enthält

Output: Du bekommst eine Liste aller Datasets mit IDs, Namen und Metadaten

---

​

Tabellen auflisten

bigquery.listTables

Zeigt dir alle Tabellen in einem bestimmten BigQuery-Dataset Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die Dataset-ID, die die Tabellen enthält

Output: Du bekommst eine Liste aller Tabellen mit IDs, Namen und Metadaten

---

​

Tabellen-Schema abrufen

bigquery.getTableSchema

Holt dir die Schema-Infos für eine bestimmte BigQuery-Tabelle Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die Dataset-ID, die die Tabelle enthält
  • tableId (TEXT, Required): Die Tabellen-ID für die Schema-Informationen

Output: Du bekommst das komplette Tabellenschema mit Feldnamen, Typen und Constraints

---

​

Query ausführen

bigquery.executeQuery

Führt deine SQL-Abfrage in BigQuery aus und liefert dir die Ergebnisse Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID, in der die Query ausgeführt werden soll
  • query (MULTI_LINE_TEXT, Required): Die SQL-Query zur Ausführung in BigQuery
  • useLegacySql (BOOLEAN, Optional): Ob Legacy-SQL-Syntax verwendet werden soll (Standard: false für Standard SQL)

Output: Du bekommst die Query-Ergebnisse mit dieser Struktur:

• jobReference: Job-Referenz-Informationen
• totalRows: Gesamtanzahl der Zeilen im Ergebnis
• rows: Array von Ergebniszeilen mit Feldwerten
• schema: Schema der Ergebnisfelder
• jobComplete: Ob der Job erfolgreich abgeschlossen wurde

---

​

Tabellendaten abrufen

bigquery.getTableData

Holt dir die echten Daten aus einer BigQuery-Tabelle Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die Dataset-ID, die die Tabelle enthält
  • tableId (TEXT, Required): Die Tabellen-ID zum Abrufen der Daten
  • maxResults (NUMBER, Optional): Maximale Anzahl der zurückzugebenden Zeilen (optional)

Output: Du bekommst alle Tabellendaten mit Zeilen und Schema-Infos

---

​

Dataset erstellen

bigquery.createDataset

Erstellt dir ein brandneues Dataset in BigQuery Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die ID für das neue Dataset
  • description (TEXT, Optional): Optionale Beschreibung für das Dataset
  • location (TEXT, Optional): Geografischer Standort für das Dataset (z.B. US, EU)

Output: Du bekommst dein neues Dataset mit ID und allen Metadaten

---

​

Tabelle erstellen

bigquery.createTable

Erstellt dir eine neue Tabelle in deinem BigQuery-Dataset Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die Dataset-ID, in der die Tabelle erstellt werden soll
  • tableId (TEXT, Required): Die ID für die neue Tabelle
  • description (TEXT, Optional): Optionale Beschreibung für die Tabelle
  • schema (MULTI_LINE_TEXT, Optional): Tabellenschema als JSON-Array von Feldobjekten (optional)

Output: Du bekommst deine neue Tabelle mit ID und Schema-Infos

---

​

Tabellendaten einfügen

bigquery.insertTableData

Fügt neue Datenzeilen in deine BigQuery-Tabelle ein Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die Dataset-ID, die die Tabelle enthält
  • tableId (TEXT, Required): Die Tabellen-ID, in die Daten eingefügt werden sollen
  • rows (MULTI_LINE_TEXT, Required): JSON-Array von Zeilenobjekten zum Einfügen
  • ignoreUnknownValues (BOOLEAN, Optional): Ob unbekannte Werte in den Daten ignoriert werden sollen
  • skipInvalidRows (BOOLEAN, Optional): Ob Zeilen mit ungültigen Daten übersprungen werden sollen

Output: Du siehst, ob das Einfügen geklappt hat oder wo Fehler aufgetreten sind

---

​

Dataset-Info abrufen

bigquery.getDatasetInfo

Holt dir alle Details zu einem bestimmten BigQuery-Dataset Benötigt Bestätigung: Nein Parameter:

• projectId (TEXT, Required): Die Google Cloud-Projekt-ID
  • datasetId (TEXT, Required): Die Dataset-ID für die Informationen

Output: Du bekommst alle Dataset-Infos wie Erstellungszeit, Standort und Zugriffsrechte

---

​

Was kannst du damit machen?

​

Best Practices

​

Fehlerbehebung

Problem	Lösung
Authentifizierung fehlgeschlagen	Check deine OAuth-Anmeldedaten nochmal
Rate Limit überschritten	Mach eine Pause - du fragst zu oft an
Daten nicht gefunden	Prüf deine Berechtigungen und ob die Daten verfügbar sind
Verbindungstimeout	Schau nach deiner Internetverbindung

​

Support

Für zusätzliche Hilfe mit der BigQuery-Integration kontaktiere support@langdock.com