详细内容或原文请订阅后点击阅览
多模式数据分析的实用指南
BigQuery的ObjectRef统一了结构化和非结构化数据，从而通过SQL和Python启用了多模式分析。
来源:KDnuggets赞助内容
简介
企业在有组织的表中管理结构化数据的混合，以及越来越多的非结构化数据（例如图像，音频和文档）。传统上，分析这些不同的数据类型是复杂的，因为它们通常需要单独的工具。非结构化媒体通常需要出口到用于处理的专用服务（例如用于图像分析的计算机视觉服务，或者是音频的语音到文本引擎），这会创建数据筒仓并阻碍整体分析视图。
考虑一个虚构的电子商务支持系统：结构化票务详细信息现场直播在大Query表中，而相应的支持呼叫记录或损坏产品的照片位于云对象存储中。没有直接链接，回答了一个诸如“确定特定笔记本电脑模型的所有支持票的上下文问题，呼叫音频表示高客户挫败感，并且照片显示了一个破裂的屏幕“是一个笨拙的多步骤过程。
本文是BigQuery中ObjectRef的实用技术指南，该功能旨在统一此分析。我们将探索如何构建，查询和控制多模式数据集，从而使用熟悉的SQL和Python接口启用全面的见解。
第1部分：ObjectRef-统一多模式数据的关键
ObjectRef结构和功能
为了应对孤立数据的挑战，BigQuery引入了Objectucref，这是一种专业的结构数据类型。 ObjectRef充当对存储在Google Cloud Storage（GCS）中的非结构化数据对象的直接引用。它不包含非结构化数据本身（例如，数据库中的base64编码图像或转录的音频）；相反，它指向该数据的位置，从而使BigQuery可以访问并将其纳入查询中进行分析。
ObjectRef struct由几个关键字段组成：
ContentType
大小
多模式表
ref