用途：为使用 google-cloud-bigquery Python 客户端库（v3.x）提供工作流与最佳实践，涵盖客户端初始化、查询、Schema 定义、数据加载和结果消费。
安装：pip install google-cloud-bigquery；如需 Arrow/pandas 集成，pip install "google-cloud-bigquery[pandas,pyarrow]"。
主要能力与用法：
- 客户端初始化：每进程实例化一次并复用，Client 线程安全；凭据来自 GOOGLE_APPLICATION_CREDENTIALS 或 ADC，也可显式传入 service_account 凭据。生产环境应显式设置 project，避免依赖环境推断；不要在每次请求或每行函数内创建 Client；可用 client.close() 或上下文管理器关闭。
- 查询：短交互查询优先用 client.query_and_wait(query)；长任务用 client.query(sql) 返回 QueryJob，再 job.result(timeout=300)，检查 job.state 与 job.error_result。不可信输入必须使用查询参数（ScalarQueryParameter、ArrayQueryParameter），禁止字符串拼接 SQL。可用 dry_run 配置估算处理字节数。
- 结果消费：按名称、位置或属性访问行；rows.to_dataframe() 需 pandas+pyarrow，rows.to_arrow() 对大数据更快；max_results 可限制返回行数。
- Schema 与建表：显式定义 SchemaField，生产环境不要依赖 autodetect；支持 REQUIRED、NULLABLE、REPEATED 模式及标准 SQL 类型；可设置时间分区与聚类字段，用 client.create_table(table, exists_ok=True) 建表。
- 数据加载：支持本地文件、GCS URI、pandas DataFrame；写入方式有 WRITE_TRUNCATE、WRITE_APPEND、WRITE_EMPTY。流式插入可用 insert_rows_json，但不保证精确一次且按行计费，批量导入建议用加载作业。
- 错误处理：捕获 BadRequest、NotFound、GoogleCloudError；异步作业后检查 job.errors。
适用场景：Python 中查询 BigQuery、加载数据、定义 Schema、消费结果等数据工程与分析任务。
限制：资料未提供具体收费、价格、性能指标或平台支持范围；流式插入的精确一次语义与成本需注意。