用途：该技能为 Google Cloud BigQuery 提供专家级辅助，BigQuery 是 Google 的无服务器、高可扩展、多云端数据仓库，可在数秒内处理 TB 级数据。适用场景包括：无服务器企业级数据仓库（查询 PB 级结构化与半结构化数据，无需管理基础设施）、实时流式分析（每秒摄取并查询数百万事件，亚秒级数据新鲜度）、库内机器学习 BigQuery ML（用标准 SQL 训练和评分回归、分类与预测模型）、联邦多云查询 BigQuery Omni（直接查询 AWS S3 与 Azure Blob Storage 中的数据，无需出口复制）。
主要能力：标准 SQL 查询；分区与聚簇表设计；成本优化；原生 JSON 半结构化查询；BigQuery ML 模型训练。
使用方式：可用标准 SQL 查询公共数据集，例如 SELECT name, COUNT(*) as count FROM bigquery-public-data.usa_names.usa_1910_2013 GROUP BY name ORDER BY count DESC LIMIT 10;。建表时可用 PARTITION BY DATE(event_timestamp) 与 CLUSTER BY user_id, event_name，并通过 OPTIONS 设置 require_partition_filter=true。可用 JSON_VALUE、JSON_EXTRACT_SCALAR 查询嵌套 JSON。可用 CREATE OR REPLACE MODEL 配合 OPTIONS(model_type='logistic_reg', input_label_cols=['has_churned']) 训练模型。
最佳实践：始终启用 require_partition_filter=true 防止失控计费；按高基数过滤列聚簇；使用基于 gRPC 的 BigQuery Storage Write API 流式写入；执行重查询前用 dry-run 检查计费字节。避免 SELECT *、避免在子查询中使用 ORDER BY、避免将大结果导出为单个 CSV，应使用 EXPORT DATA OPTIONS(...) 多部分导出。
限制与排错：缺少分区过滤会报 Cannot query without partition filter；JOIN 或 ORDER BY 数据倾斜会报 Resources exceeded；并发 DDL/DML 过多会触发配额限制，应改用 Storage Write API 批量追加。具体收费、价格与平台细节暂未提供。