Google BigQuery-Datenanalyseplattform

Zusammenfassung

Voraussetzungen

Sie benötigen ein Google-Konto oder ein Konto bei einem Google-Dienst, um sich bei Google BigQuery anzumelden.

Unterstützte Funktionen

• Importieren
• DirectQuery (Power BI Semantikmodelle)

Herstellen einer Verbindung mit Google BigQuery-Daten über Power Query Desktop

Führen Sie die folgenden Schritte aus, um über Power Query Desktop eine Verbindung mit Google BigQuery herzustellen:

1. Wählen Sie im Datenabrufbereich Google BigQuery aus. Das Erlebnis beim Abrufen von Daten in Power Query Desktop unterscheidet sich je nach App. Weitere Informationen zur Datenabruf-Funktion von Power Query Desktop für Ihre App finden Sie unter Where to get data.

2. Wenn Sie erweiterte Optionen verwenden möchten, wählen Sie "Erweiterte Optionen" aus. Klicken Sie ansonsten auf Ok, um fortzufahren. Weitere Informationen finden Sie unter "Verbinden mit erweiterten Optionen".

   

3. Der Google BigQuery-Konnektor unterstützt die Verbindung über ein Unternehmenskonto oder eine Anmeldung bei einem Dienstkonto. In diesem Beispiel wird das Organisationskonto verwendet, um sich anzumelden. Wählen Sie Anmelden aus, um fortzufahren.

   

   Sie können sich auch über ein Konto eines Google-Dienstes anmelden. Wählen Sie in diesem Fall Dienstkonto-Anmeldung aus, und geben Sie die E-Mail-Adresse Ihres Dienstkontos und den Inhalt der JSON-Schlüsseldatei Ihres Dienstkontos ein. Wählen Sie dann Verbinden aus.

4. Ein Mit Google anmelden-Dialog erscheint. Wählen Sie Ihr Google-Konto aus, und genehmigen Sie die Verbindung mit Power BI Desktop.

   

5. Sobald Sie angemeldet sind, wählen Sie Verbinden aus, um fortzufahren.

   

6. Sobald Sie erfolgreich eine Verbindung hergestellt haben, wird ein Navigator-Fenster geöffnet, in dem die auf dem Server verfügbaren Daten angezeigt werden. Wählen Sie die Daten im Navigator aus. Wählen Sie dann entweder Transform Data aus, um die Daten in Power Query oder Load zu transformieren, um die Daten in Power BI Desktop zu laden.

   

Herstellen einer Verbindung mit Google BigQuery-Daten aus Power Query Online

Führen Sie die folgenden Schritte aus, um eine Verbindung mit Google BigQuery von Power Query Online herzustellen:

1. Wählen Sie in der Oberfläche zum Abrufen von Daten die Option Google BigQuery aus. Verschiedene Apps haben unterschiedliche Möglichkeiten, um auf die Power Query Online-Datenabruf-Funktion zuzugreifen. Weitere Informationen dazu, wie Sie in der Power Query Online die Datenerfassungserfahrung aus Ihrer App starten können, finden Sie unter Wo Sie Daten abrufen können.

   ```html Screenshot des Dialogfelds „Daten abrufen“ mit Hervorhebung des Google BigQuery-Konnektors. ```

2. Im Dialog Google BigQuery-Datenbank müssen Sie entweder eine neue Verbindung erstellen oder eine bestehende Verbindung auswählen. Wählen Sie entweder ein Organisations- oder Dienstkonto aus, um sich anzumelden. Wenn Sie lokale Daten verwenden, wählen Sie ein lokales Datengateway aus. Wählen Sie dann Anmelden aus.

   

3. Ein Mit Google anmelden-Dialog erscheint. Wählen Sie Ihr Google-Konto aus, und erlauben Sie die Verbindung.

   Hinweis

   Obwohl im Anmeldedialogfeld steht, dass Sie nach der Anmeldung zu Power BI Desktop weitergeleitet werden, werden Sie stattdessen zu Ihrer Online-App gesendet.

   

4. Wenn Sie erweiterte Optionen verwenden möchten, wählen Sie Erweiterte Optionen aus. Weitere Informationen: Herstellen einer Verbindung mithilfe der erweiterten Optionen

5. Sobald Sie angemeldet sind, wählen Sie Weiter aus, um fortzufahren.

   

6. Sobald Sie erfolgreich eine Verbindung hergestellt haben, wird ein Navigator-Fenster geöffnet, in dem die auf dem Server verfügbaren Daten angezeigt werden. Wählen Sie die Daten im Navigator aus. Wählen Sie dann Next aus, um die Daten in Power Query zu transformieren.

   Screenshot des Power Query Navigators, der Google BigQuery-Daten in die Online-App lädt.

Verbinden mithilfe erweiterter Optionen

Sowohl Power Query Desktop als auch Power Query Online bieten bei Bedarf eine Reihe erweiterter Optionen, die Sie Ihrer Abfrage hinzufügen können.

In der folgenden Tabelle sind alle erweiterten Optionen aufgeführt, die Sie in Power Query Desktop und Power Query Online festlegen können.

Nachdem Sie die erforderlichen erweiterten Optionen ausgewählt haben, wählen Sie OK in Power Query Desktop oder Next in Power Query Online aus, um eine Verbindung mit Ihren Google BigQuery-Daten herzustellen.

Neue Implementierung des Google BigQuery-Connectors (Vorschau)

Seit Mai 2025 haben wir eine neue Implementierung für den Google BigQuery-Connector eingeführt, um die Integration mit Google BigQuery zu verbessern, die derzeit in der Vorschau verfügbar ist. Es verwendet Arrow Database Connectivity (ADBC) anstelle von ODBC, um eine Verbindung zu und das Abrufen von Daten aus Google BigQuery herzustellen, wodurch die Leistung insbesondere für große Resultsets verbessert wird. Da wir diesen Connector weiterhin verbessern und neue Funktionen hinzufügen, empfehlen wir Ihnen, ein Upgrade auf die neueste Version durchzuführen, um es auszuprobieren und uns Feedback zu geben.

Um auf dieses Feature in Power BI Desktop zuzugreifen, navigieren Sie zu Options und Einstellungen (unter File tab) >Options>Preview features, und aktivieren Sie dann das Kontrollkästchen, um die Option Use new Google BigQuery connector implementation zu aktivieren. Sobald die Option aktiviert ist, verwenden alle neu erstellten Verbindungen automatisch die neue Connectorimplementierung.

Ihre vorhandenen Verbindungen bleiben unverändert. Sie können das Feature ausprobieren, indem Sie die Implementation="2.0" Kennzeichnung in GoogleBigQuery.Database Ihren Abfragen wie folgt hinzufügen. Diese Eigenschaft unterscheidet die Version des verwendeten Connectors.

Um auf dieses Feature in Dataflow Gen2 zuzugreifen, wechseln Sie nach dem Konfigurieren des Abrufens von Daten von Google BigQuery zum erweiterten Editor im oberen Menüband, und fügen Sie das Implementation="2.0" Flag in GoogleBigQuery.Database Ihren Abfragen wie folgt hinzu, um diesen neuen Connector zu verwenden.

Source = GoogleBigQuery.Database([Implementation = "2.0"])

Um bei der Diagnose eines potenziellen Problems zu helfen, finden Sie die Implementation als "2.0" und DriverType als "ADBC" in Ihren Mashup-Protokollen.

Derzeit weist dieser Connector die folgenden bekannten Einschränkungen auf:

• Beziehungen werden nicht unterstützt.
• Proxy wird nicht unterstützt.

Einschränkungen und Aspekte

Dieser Abschnitt beschreibt alle Einschränkungen und Überlegungen zum Google BigQuery-Konnektor.

Herstellen einer Verbindung mit Google BigQuery in Power BI Desktop

Es gibt einige Einschränkungen und Überlegungen, die Sie berücksichtigen sollten, wenn Sie den Google BigQuery-Connector mit Power BI verwenden.

Konnektor-Verfügbarkeit

Der Google BigQuery-Connector ist in Power BI Desktop und im Power BI service verfügbar. Im Power BI service kann über die Cloud-zu-Cloud-Verbindung von Power BI zu Google BigQuery auf den Connector zugegriffen werden.

Fehler „Zugriff verweigert“

Wenn Sie versuchen, über Power BI Desktop eine Verbindung mit Google BigQuery herzustellen, wird möglicherweise die folgende Fehlermeldung angezeigt:

Datasource.Error: ODBC: ERROR [HY000][Microsoft][BigQuery] (100) Error interacting with REST API: Access Denied: Project <project name>: The user <user name> bigquery.jobs.create permissions in project <project name>.

In diesem Fall müssen Sie möglicherweise eine Abrechnungsprojekt-ID im Billing Project erweiterten Option in den Einstellungen Power Query Verbinden eingeben.

Wenn Sie auch einen Bericht in Power BI service mithilfe eines Gateways erstellen, wird dieser Fehler möglicherweise trotzdem angezeigt. In diesem Fall müssen Sie die Billing-Projekt-ID manuell in den M-Code für die Verbindung mit dem Power Query-Editor oder der Power Query-Bearbeitungsleiste einschließen. Zum Beispiel:

Source = GoogleBigQuery.Database([BillingProject="Include-Billing-Project-Id-Here"])

Unterstützung für einzelne Cloudverbindungen

Google BigQuery unterstützt nicht mehrere Cloudverbindungen, da ein Parameterfeld fehlt, um mehrere zu konfigurieren. Daher kann nur eine einzelne Cloudverbindung verwendet werden.

Geschachtelte Felder

Aus Gründen der Leistungsoptimierung eignet sich Google BigQuery gut für große Datasets, wenn diese denormalisiert, reduziert und verschachtelt sind.

Der Google BigQuery-Konnektor unterstützt eingebettete Felder, die als Textspalten im JSON-Format geladen werden.

Benutzer sollten Transform Data auswählen und dann die JSON-Analysefunktionen im Power Query-Editor verwenden, um die Daten zu extrahieren.

1. Unter der Ribbon-Registerkarte Transformationen in der Kategorie Textspalte wählen Sie die Funktion Parsen und anschließend JSON aus.
2. Extrahieren Sie die JSON-Datensatzfelder mit der Option Spalte erweitern.

Einrichten eines Kontos für Google-Dienste

Weitere Informationen zum Einrichten oder Verwenden von Konten für Google-Dienste finden Sie unter Schlüssel für Dienstkonten erstellen und verwalten in der Google-Dokumentation.

Authentifizierung über ein Konto für einen Google-Dienst

Wenn Sie sich über ein Google-Dienstkonto in Power BI Desktop authentifizieren, gibt es ein bestimmtes Anmeldeinformationsformat, das vom Connector benötigt wird.

• Dienstkonto-E-Mail: Muss im E-Mail-Format vorliegen.
• Inhalt der JSON-Schlüsseldatei des Dienstkontos: Sobald dieser JSON-Schlüssel heruntergeladen ist, müssen alle Zeilenumbrüche aus der Datei entfernt werden, damit der Inhalt in einer Zeile steht. Sobald die JSON-Datei in diesem Format vorliegt, kann der Inhalt in dieses Feld eingefügt werden.

Wenn Sie sich über ein Google-Dienstkonto in Power BI service oder Power Query Online authentifizieren, müssen Benutzer die "Standardauthentifizierung" verwenden. Das Feld Benutzername wird dem Feld Dienstkonto E-Mail zugeordnet, und das Feld Kennwort wird dem Feld Inhalt der JSON-Schlüsseldatei des Dienstkontos zugeordnet. Die Formatanforderungen für die einzelnen Anmeldeinformationen bleiben in Power BI Desktop, Power BI service und Power Query Online gleich.

Authentifizierung mit Google BigQuery Speicher-API nicht möglich

Der Google BigQuery-Konnektor verwendet standardmäßig die Google BigQuery Storage-API. Diese Funktion wird über die erweiterte Option UseStorageApi gesteuert. Es kann zu Problemen mit dieser Funktion kommen, wenn Sie detaillierte Berechtigungen verwenden. In diesem Fall wird möglicherweise die folgende Fehlermeldung angezeigt, oder Sie erhalten keine Daten aus Ihrer Abfrage:

ERROR [HY000] [Microsoft][BigQuery] (131) Unable to authenticate with Google BigQuery Storage API. Check your account permissions

Sie können dieses Problem beheben, indem Sie die Berechtigungen der Benutzer*innen für die BigQuery Storage-API korrekt anpassen. Diese Berechtigungen für die Storage-API sind erforderlich, um mit der BigQueryStorage-API korrekt auf Daten zuzugreifen:

• bigquery.readsessions.create: Erstellt eine neue Lesesitzung mit der BigQuery Storage-API.
• bigquery.readsessions.getData: Liest Daten aus einer Lesesitzung über die BigQuery Storage API.
• bigquery.readsessions.update: Aktualisiert eine Lesesitzung über die BigQuery Storage-API.

Diese Berechtigungen werden in der Regel in der BigQuery.User-Rolle bereitgestellt. Weitere Informationen erhalten Sie unter "Vordefinierte Rollen und Berechtigungen von Google BigQuery".

Wenn die obigen Schritte das Problem nicht beheben, können Sie die BigQuery Storage-API deaktivieren.

Daten vom Typ DateTime können im Direct Query-Modus nicht verwendet werden

Es gibt ein bekanntes Problem, bei dem der DateTime Typ nicht über Direct Query unterstützt wird. Wenn Sie eine Spalte mit dem DateTime Typ auswählen, wird ein Invalid query Fehler oder ein visueller Fehler verursacht.

Einschränkungen beim Abfragen von Spalten mit demselben Namen wie der Tabellenname

Beim Abfragen einer Spalte, die denselben Namen wie die Tabelle hat, interpretiert BigQuery die Spalte als ein "struct", das alle Spalten in der Tabelle enthält, anstatt der angegebenen Spalte. Beispielsweise gibt SELECT debug FROM dataset.debug ein struct mit allen Spalten in der Debugtabelle zurück, anstatt der angegebenen Debugspalte. Dieses Verhalten ist nicht intuitiv, und es wird eine Lösung untersucht. Für dieses Problem gibt es drei Umgehungen:

• Problemumgehung 1: Umgeben Sie die Tabelle mit einer Ansicht, die nicht mit dem Spaltennamen in Konflikt steht—CREATE VIEW dataset.new_view AS SELECT * FROM dataset.debug
• Problemumgehung 2: Benennen Sie die Spalte um, um Konflikte mit dem Tabellennamen zu vermeiden: ALTER TABLE dataset.debug RENAME COLUMN debug to new_debug
• Problemumgehung 3: Ändern Sie die SELECT-Abfrage so, dass „table.column“ verwendet wird, um auf die Konflikt-Spalte zu verweisen – SELECT debug.debug FROM dataset.debug

Materialisierte Ansichten werden im Power BI Desktop navigator nicht unterstützt.

Ein bekanntes Problem ist, dass der Google BigQuery-Connector derzeit keine materialisierten Ansichten im Power BI Desktop Navigator unterstützt.

• Problemumgehung: Verwenden Sie native SQL-Abfrageanweisungen, um materialisierte Sichten aus Google BigQuery abzurufen.

HTTP-Fehler 403: quotaExceeded (Kontingent überschritten: Ihr Benutzer hat das Kontingent für gleichzeitige Project.lists-Anforderungen überschritten)

• Das Kontingent wird über die Nutzung des Kundenkontos von Project.lists-API-Aufrufen an Google überschritten. Wenn mehrere Berichte gleichzeitig aktualisiert werden, wird möglicherweise ein Fehler in verschiedenen Abfragen oder Berichten ausgelöst. Um den Fehler zu verhindern, planen Sie Aktualisierungen des Berichts in gestaffelten Intervallen.
• Aktualisieren Sie die Abfrage, um eine Projektabrechnungs-ID einzuschließen - GoogleBigQuery.Database([BillingProject="Include-Billing-Project-Id-Here"]).
• Aufrufe an GoogleBigQuery.Database sollten sich in derselben Abfrage wie die Schema- und Tabellenauswahl befinden, um den Fehler zu vermeiden.

ExecuteQueryInternalAsync-Fehler bei Verwendung von ADBC

Einigen Benutzern können möglicherweise Probleme auftreten, wenn sie eine Verbindung zu BigQuery mithilfe des Implementation="2.0" Pfads herstellen und den Fehler Cannot execute <ExecuteQueryInternalAsync>b__2 after 5 tries erhalten. Dieses Problem kann auf einige Faktoren zurückzuführen sein:

• Das im folgenden Abschnitt beschriebene Berechtigungsproblem.
• Wenn LargeResultDataset übergeben wird, versucht der Treiber, den Ausgabedatensatz mit dem angegebenen Namen zu erstellen. Für diese Erstellung sind die richtigen Berechtigungen erforderlich.
• Wenn während der Dataset-Erstellung keine Region explizit angegeben wird, verwendet die BigQuery-API standardmäßig die US-Multiregion. Dieses Verhalten wird von der API selbst und nicht von der Konnektor- oder Clientkonfiguration gesteuert.

Problemumgehungsoptionen

Manuelle Datensatzerstellung

Um unerwartete Regionsstandardwerte zu vermeiden, erstellen Sie das Dataset manuell in Ihrer gewünschten Region mithilfe der BigQuery-Konsole.

Desktop Connector-Konfiguration

Wenn Sie Power BI Desktop verwenden und beim Navigieren in Tabellen Fehler auftreten:

1. Wechseln sie zu "Dateioptionen>" und "Einstellungsoptionen">
2. Deaktivieren Sie unter "Vorschaufeatures" die Option " Neue Google BigQuery-Connectorimplementierung verwenden".

Wenn Sie diese Nachricht zusammen mit zusätzlichen Details erhalten, die Last exception: ... enthalten und ... weitere Einzelheiten des Fehlers darstellen, erstellen Sie einen Fall für eine weitere Untersuchung.

Berechtigungsprobleme beim Herstellen einer Verbindung mit ADBC

Einige Umgebungen erfordern möglicherweise zusätzliche Berechtigungen zum Herstellen einer Verbindung mit Implementation="2.0"/ADBC. Dies liegt daran, dass der ADBC-Pfad verschiedene BigQuery-APIs verwendet, um Daten abzufragen und zu laden als ODBC. Die erforderlichen Berechtigungen werden im GitHub-Repository des Treibers beschrieben.

Partitionierte Modelle mit ADBC können nicht aktualisiert werden.

Ein bekanntes Problem im Google BigQuery-Connector besteht darin, dass partitionierte semantische Modelle möglicherweise nicht ordnungsgemäß aktualisiert werden. Dies wird häufig mit dem Cannot execute <ReadChunkWithRetries>b__0 after 5 tries Fehler angezeigt. Für dieses Problem wurde ein neuer Fix veröffentlicht und sollte im Oktober 2025 bereitgestellt werden. Wenn Sie diese Nachricht zusammen mit zusätzlichen Details erhalten, die Last exception: ... enthalten und ... weitere Einzelheiten des Fehlers darstellen, erstellen Sie einen Fall für eine weitere Untersuchung.