BigQuery Graph jest już ogólnie dostępny

Analityka danych ,
Workflow BigQuery mapujący trzy tabele na graf właściwości z zapytaniem GQL.

BigQuery Graph jest już ogólnie dostępny. Zamienisz istniejące tabele w węzły i krawędzie, a potem odpytasz je w GQL wprost w BigQuery. Bez osobnej bazy grafowej. Bez eksportu danych.

Google ogłosił status GA 1 września 2026 roku. Dane zostają na miejscu i podlegają regułom, które już ustawiłeś.

Co odwzorowuje graf właściwości

Graf właściwości działa na tabelach, które już masz. Składa się z trzech elementów:

  • tabele węzłów — osoby, urządzenia, produkty, dostawcy;
  • tabele krawędzi — zakup, logowanie, przelew, umowa;
  • etykiety i właściwości — typy i pola widoczne dla wzorców.

Kroki grafowe i SQL działają w jednym zapytaniu. W tym samym przepływie wywołasz też funkcje BigQuery ML i AI.

Zabezpieczenia na poziomie wierszy i kolumn nadal obowiązują. Ten szczegół ma znaczenie, gdy ścieżka mogłaby ujawnić powiązanie przez dane niedostępne dla analityka.

Kiedy GQL wygrywa ze złączeniem

Złączenia działają dobrze, gdy znasz ścieżkę i liczbę kroków. Robią się uciążliwe, kiedy trasa jest nieznana.

Zapytaj, jak łączą się dwa konta. Zapytaj, które usługi zależą od zepsutego elementu. Zapytaj, czy pieniądze wracają do punktu wyjścia. GQL zapisuje takie pytania jako wzorce.

W wersji GA doszła instrukcja CALL i szersza obsługa podzapytań grafowych. Inżynierowie danych mogą publikować małe, sprawdzone operacje zamiast jednego wielkiego wzorca na każdy przypadek.

Sprawdź obietnice wydajności sam

Google podaje, że GQL działa dwa razy szybciej niż w preview, a przejścia nieskierowane nawet sto razy szybciej. To benchmarki dostawcy, nie plan pojemności.

Przetestuj cztery zapytania, zanim uwierzysz w liczby:

Test Co pokazuje
Ograniczone sąsiedztwo Koszt zwykłych odczytów interaktywnych
Ścieżka nieskierowana Zysk na najwolniejszym typie przejścia
Szukanie cyklu Zachowanie trybów ACYCLIC i TRAIL
Najgorsze zapytanie wielokrokowe Realny sufit produkcyjny

Zapisz liczbę skanowanych bajtów i zużycie slotów, nie tylko czas. Szybkie przejście nadal bywa drogie, jeśli każde żądanie skanuje źle ograniczony graf.

Bezpieczny pierwszy projekt

Wybierz jedną małą domenę: powiązania kont z urządzeniami, zależności usług albo łańcuch dostawców. Potem wykonaj pięć kroków:

  1. Znajdź stabilne klucze węzłów oraz jasne klucze źródła i celu dla krawędzi.
  2. Zbuduj graf na istniejących tabelach, a nie na kopiach.
  3. Najpierw odtwórz znany wynik z SQL.
  4. Przetestuj dostęp na koncie z ograniczeniami, nie na administratorze.
  5. Ogranicz przejścia interaktywne i pilnuj kosztu oraz opóźnienia.

Jakość modelu wygrywa ze sprytnym zapytaniem. Jeden wspólny adres IP to słaby sygnał. Wielokrotne użycie tego samego zweryfikowanego urządzenia jest mocniejsze. Zapis obu przypadków jako mglistej krawędzi RELATED_TO psuje zaufanie do wyników.

Kontekst grafowy dla agentów AI

Google promuje też BigQuery Graph jako grunt dla agentów i workflow GraphRAG. Odpowiedź może nieść ścieżkę, którą powstała, co pomaga w audycie.

Ta ścieżka nie czyni odpowiedzi poprawną. Wygenerowany GQL nadal wymaga przeglądu, a uprawnienia nadal obowiązują na danych źródłowych.

Przeczytaj drobny druk: status GA ma sam BigQuery Graph. Eksploracja konwersacyjna, narzędzia MCP i dostęp między chmurami mogą zostać w preview. Sprawdź status we własnym projekcie.

Źródła