GSP281

Ringkasan

SQL (Structured Query Language) adalah bahasa standar untuk operasi data yang memungkinkan Anda mengajukan pertanyaan dan mendapatkan insight dari set data terstruktur. Bahasa ini biasanya digunakan dalam pengelolaan database dan memungkinkan Anda melakukan berbagai tugas, seperti penulisan catatan transaksi ke dalam database relasional dan analisis data berskala petabyte.

Lab ini dibagi menjadi dua bagian: di bagian pertama, Anda akan mempelajari kata kunci kueri SQL dasar. Anda akan menjalankan kata kunci ini di BigQuery pada set data publik yang berisi informasi tentang bikeshare (fasilitas berbagi sepeda) di London.

Di bagian kedua, Anda akan mempelajari cara mengekspor subset dari set data bikeshare London ke file CSV. Kemudian, Anda akan menguploadnya ke Cloud SQL. Setelah itu, Anda akan mempelajari cara menggunakan Cloud SQL untuk membuat serta mengelola database dan tabel. Di bagian akhir, Anda akan berlatih langsung menggunakan kata kunci SQL tambahan yang memanipulasi dan mengedit data.

Yang akan Anda pelajari

Di lab ini, Anda akan mempelajari cara:

• Memuat database dan tabel ke dalam BigQuery.
• Menjalankan kueri sederhana pada tabel untuk mengambil data penting dari set data.
• Mengekspor subset data ke file CSV dan menyimpan file tersebut dalam bucket Cloud Storage baru.
• Membuat instance Cloud SQL baru dan memuat file CSV yang diekspor sebagai tabel baru.

Prasyarat

Sangat penting: Sebelum memulai lab ini, logout dari akun Gmail pribadi atau perusahaan Anda.

Ini adalah lab tingkat pengantar. Anda dianggap tidak memiliki atau hanya memiliki sedikit pengalaman dengan SQL. Pemahaman terkait Cloud Storage dan Cloud Shell direkomendasikan, tetapi tidak diwajibkan. Lab ini akan mengajarkan dasar-dasar membaca dan menulis kueri di SQL, lalu Anda akan menerapkannya menggunakan BigQuery dan Cloud SQL.

Sebelum mengikuti lab ini, pertimbangkan kemahiran Anda dalam SQL. Berikut ini adalah lab dengan level lebih tinggi yang memungkinkan Anda menerapkan pengetahuan pada kasus penggunaan yang lebih kompleks:

• Data Cuaca di BigQuery
• Menganalisis Data Kelahiran Menggunakan Vertex AI dan BigQuery

Setelah Anda siap, scroll ke bawah dan ikuti langkah berikut ini untuk menyiapkan lingkungan lab Anda.

Penyiapan dan persyaratan

Sebelum mengklik tombol Mulai Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer, yang dimulai saat Anda mengklik Start Lab, akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab praktik ini dapat Anda gunakan untuk melakukan sendiri aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun Siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Jika Anda sudah memiliki project atau akun pribadi Google Cloud, jangan menggunakannya untuk lab ini agar terhindar dari tagihan ekstra pada akun Anda.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, jendela pop-up akan terbuka untuk memilih metode pembayaran. Di sebelah kiri adalah panel Lab Details dengan berikut ini:

   • Tombol Open Google Console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Console. Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Login.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username dari panel Lab Details dan tempel ke dialog Sign in. Klik Next.

4. Salin Password dari panel Lab Details dan tempel ke dialog Welcome. Klik Next.

   Penting: Anda harus menggunakan kredensial dari panel sebelah kiri. Jangan menggunakan kredensial Google Cloud Skills Boost. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

5. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan daftar uji coba gratis.

Setelah beberapa saat, Cloud Console akan terbuka di tab ini.

Catatan: Anda dapat melihat menu dengan daftar Produk dan Layanan Google Cloud dengan mengklik Menu navigasi di kiri atas.

Tugas 1. Dasar-dasar SQL

Database dan tabel

Seperti yang telah disebutkan sebelumnya, SQL memungkinkan Anda mendapatkan informasi dari "set data terstruktur". Set data terstruktur memiliki aturan dan pemformatan yang jelas, serta sering kali disusun dalam tabel, atau data yang diformat dalam baris dan kolom.

Contoh data tidak terstruktur adalah file gambar. Data tidak terstruktur tidak dapat dioperasikan dengan SQL dan tidak dapat disimpan dalam set data atau tabel BigQuery (setidaknya secara native). Misalnya, agar dapat memanfaatkan data gambar, Anda akan menggunakan layanan seperti Cloud Vision, mungkin melalui API-nya secara langsung.

Berikut ini adalah contoh set data terstruktur, yaitu tabel sederhana:

User	Price	Shipped
Sean	$35	Yes
Rocky	$50	No

Jika Anda pernah menggunakan Google Spreadsheet sebelumnya, contoh di atas seharusnya tidak terlihat asing. Tabel ini memiliki kolom untuk User, Price, Shipped, serta dua baris yang terdiri atas nilai kolom yang diisi.

Pada dasarnya, database adalah kumpulan dari satu atau beberapa tabel. SQL adalah fitur pengelolaan database terstruktur, tetapi sering kali (dan di lab ini) Anda akan menjalankan kueri pada satu atau beberapa tabel yang digabungkan, bukan pada keseluruhan database.

SELECT dan FROM

SQL pada dasarnya bersifat fonetik dan sebelum menjalankan kueri, sebaiknya ketahui pertanyaan apa yang ingin Anda tanyakan ke data (kecuali jika Anda hanya menjelajah untuk bersenang-senang.)

SQL memiliki kata kunci standar yang Anda gunakan untuk menerjemahkan pertanyaan Anda ke dalam sintaksis SQL dalam bahasa pseudo-Inggris sehingga Anda bisa menginstruksikan mesin database untuk memberi jawaban yang Anda inginkan.

Kata kunci terpenting adalah SELECT dan FROM:

• Gunakan SELECT untuk menentukan kolom yang ingin diambil dari set data Anda.
• Gunakan FROM untuk menentukan tabel yang ingin Anda ambil datanya.

Anda mungkin akan lebih paham jika menggunakan contoh. Anggaplah Anda memiliki tabel example_table berikut, yang memiliki kolom USER, PRICE, dan SHIPPED:

Dan misalnya, Anda hanya ingin mengambil data yang ditemukan di kolom USER. Anda dapat melakukannya dengan menjalankan kueri berikut yang menggunakan SELECT dan FROM:

SELECT USER FROM example_table

Jika Anda telah menjalankan perintah di atas, pilih semua nama dari kolom USER yang ditemukan dalam example_table.

Anda juga dapat memilih beberapa kolom dengan kata kunci SELECT di SQL. Misalnya, Anda ingin menarik data yang ditemukan di kolom USER dan SHIPPED. Untuk melakukannya, ubah kueri sebelumnya dengan menambahkan nilai kolom lain ke kueri SELECT (pastikan nilai kolom dipisahkan oleh koma):

SELECT USER, SHIPPED FROM example_table

Menjalankan kueri di atas akan mengambil data USER dan SHIPPED dari memori:

Seperti itulah pembahasan dua kata kunci SQL dasar. Pembahasan selanjutnya akan lebih menarik.

WHERE

Kata kunci WHERE adalah perintah SQL lain yang memfilter tabel untuk nilai kolom spesifik. Misalnya, Anda ingin menarik nama dari example_table yang paketnya telah dikirim. Anda dapat melengkapi kueri dengan WHERE, seperti berikut ini:

SELECT USER FROM example_table WHERE SHIPPED='YES'

Menjalankan kueri di atas akan menampilkan semua USER yang paketnya berstatus SHIPPED dari memori:

Setelah Anda mendapatkan pemahaman dasar tentang kata kunci inti SQL, terapkan hal yang telah Anda pelajari dengan menjalankan jenis kueri ini di konsol BigQuery.

Uji pemahaman Anda

Berikut ini beberapa pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep yang telah dibahas sejauh ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 2. Menjelajahi konsol BigQuery

Paradigma BigQuery

BigQuery adalah data warehouse berskala petabyte terkelola sepenuhnya yang berjalan di Google Cloud. Analis data dan data scientist dapat dengan cepat membuat kueri dan memfilter set data besar, menggabungkan hasil, dan melakukan operasi kompleks tanpa harus khawatir tentang penyiapan dan pengelolaan server. BigQuery hadir dalam bentuk alat command line (sudah terinstal dalam Cloud Shell) atau konsol web. Keduanya siap digunakan untuk mengelola dan membuat kueri data yang disimpan dalam project Google Cloud.

Dalam lab ini, Anda akan menggunakan konsol web untuk menjalankan kueri SQL.

Membuka konsol BigQuery

1. Di Google Cloud Console, pilih Navigation menu > BigQuery.

Kotak pesan Welcome to BigQuery in the Cloud Console akan terbuka. Kotak pesan ini menyediakan link ke panduan memulai dan catatan rilis.

2. Klik Done.

Konsol BigQuery terbuka.

Luangkan waktu sejenak untuk mencatat beberapa fitur UI yang penting. "Editor" kueri berada di sisi kanan konsol. Di sini Anda akan menulis dan menjalankan perintah SQL seperti pada contoh yang dibahas sebelumnya. Di bawahnya adalah "Query history", yang merupakan daftar kueri yang Anda jalankan sebelumnya.

Panel konsol di sebelah kiri adalah Navigation menu. Selain histori kueri, kueri tersimpan, dan histori tugas yang mudah dipahami, ada tab Explorer.

Tingkat resource paling tinggi di tab Explorer berisi project Google Cloud, yang sama dengan project Google Cloud yang Anda masuki ketika login dan gunakan dalam tiap lab Google Cloud Skills Boost. Seperti yang Anda lihat di konsol dan screenshot terakhir, Anda hanya memiliki project di tab Explorer. Jika Anda mencoba mengklik panah di samping nama project, tidak ada yang akan ditampilkan.

Ini karena project Anda tidak berisi set data atau tabel, sehingga Anda tidak memiliki apa pun yang dapat dikueri. Sebelumnya Anda telah mempelajari bahwa set data berisi tabel. Saat Anda menambahkan data ke project, perhatikan bahwa di BigQuery, project berisi set data, dan set data berisi tabel. Sekarang, setelah lebih memahami paradigma project > set data > tabel dan seluk-beluk konsol, Anda dapat memuat beberapa data yang dapat dikueri.

Mengupload data yang dapat dikueri

Di bagian ini, Anda menarik beberapa data publik ke project sehingga Anda bisa berlatih menjalankan perintah SQL di BigQuery.

1. Klik + ADD.

2. Pilih Star a project by name.

3. Masukkan nama project sebagai bigquery-public-data.

4. Klik STAR.

Penting untuk diperhatikan bahwa Anda masih bekerja di luar project lab Anda di tab baru ini. Yang Anda lakukan hanyalah menarik project yang dapat diakses secara umum yang berisi set data dan tabel ke BigQuery untuk dianalisis. Anda tidak beralih ke project tersebut. Semua pekerjaan dan layanan Anda masih terikat ke akun Google Cloud Skills Boost Anda. Anda dapat melihatnya sendiri dengan memeriksa kolom project di dekat bagian atas konsol:

5. Anda kini memiliki akses ke data berikut:

• Project Google Cloud → bigquery-public-data
• Set data → london_bicycles

6. Klik set data london bicycles untuk mengungkap tabel terkait

• Tabel → cycle_hire
• Tabel → cycle_stations

Di lab ini, Anda akan menggunakan data dari cycle_hire. Buka tabel cycle_hire, lalu klik tab Preview. Halaman Anda akan terlihat seperti berikut:

Periksa kolom dan nilai yang terisi dalam baris. Anda telah siap menjalankan beberapa kueri SQL pada tabel cycle_hire.

Menjalankan SELECT, FROM, dan WHERE di BigQuery

Anda kini memiliki pemahaman dasar terkait kata kunci kueri SQL dan paradigma data BigQuery serta beberapa data untuk dikerjakan. Jalankan beberapa perintah SQL menggunakan layanan ini.

Di sudut kanan bawah konsol, Anda akan melihat ada sejumlah 24.369.201 baris data, atau perjalanan bikeshare perorangan yang dilakukan di London antara tahun 2015 hingga tahun 2017 (cukup jelas bahwa angka ini tidaklah kecil!)

Sekarang perhatikan kunci kolom ketujuh: end_station_name, yang menentukan tujuan akhir dari perjalanan bikeshare. Sebelum berlanjut ke tahap berikutnya, jalankan kueri sederhana untuk memisahkan kolom end_station_name.

1. Salin dan tempel perintah berikut ke Editor kueri:

SELECT end_station_name FROM `bigquery-public-data.london_bicycles.cycle_hire`;

2. Kemudian klik Run.

Setelah ~20 detik, Anda akan memperoleh 24369201 baris berisi kolom tunggal yang Anda kuerikan dari: end_station_name.

Sekarang, cari tahu jumlah perjalanan sepeda yang berdurasi 20 menit atau lebih.

3. Hapus kueri dari editor, lalu jalankan kueri berikut ini yang menggunakan kata kunci WHERE:

SELECT * FROM `bigquery-public-data.london_bicycles.cycle_hire` WHERE duration>=1200;

Proses kueri ini mungkin memerlukan waktu beberapa menit.

SELECT * menampilkan semua nilai kolom dari tabel. Durasi diukur dalam detik, itulah sebabnya Anda menggunakan nilai 1200 (60 * 20).

Jika Anda melihat ke sudut kanan bawah, Anda akan mengetahui bahwa 7.334.890 baris telah ditampilkan. Sebagai hasil bagi dari total (7334890/24369201), ini berarti bahwa ~30% perjalanan bikeshare London berlangsung selama 20 menit atau lebih (banyak juga yang bersepeda lumayan lama!)

Uji pemahaman Anda

Berikut ini beberapa pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep yang telah kita bahas sejauh ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 3. Kata Kunci SQL Lainnya: GROUP BY, COUNT, AS, dan ORDER BY

GROUP BY

Kata kunci GROUP BY akan mengagregasi baris set hasil yang memiliki kriteria umum yang sama (misalnya nilai kolom) dan akan menampilkan semua entri unik yang ditemukan untuk kriteria tersebut.

Ini adalah kata kunci yang berguna untuk mencari tahu informasi kategori pada tabel.

1. Untuk mendapatkan gambaran yang lebih baik tentang fungsi kata kunci ini, hapus kueri dari editor, lalu salin dan tempel perintah berikut:

SELECT start_station_name FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

2. Klik Run.

Hasilnya adalah daftar nilai kolom yang unik (tidak memiliki duplikat).

Tanpa GROUP BY, kueri akan menampilkan semua baris, berjumlah 24.369.201. GROUP BY akan menampilkan nilai kolom unik yang ditemukan dalam tabel. Anda dapat memeriksanya sendiri dengan melihat di sudut kanan bawah. Anda akan melihat 880 baris, yang berarti ada 880 titik awal bikeshare London yang unik.

COUNT

Fungsi COUNT() akan menampilkan jumlah baris yang memiliki kriteria sama (misalnya nilai kolom). Fungsi ini bisa sangat berguna jika dipakai bersama dengan GROUP BY.

Tambahkan fungsi COUNT ke kueri sebelumnya untuk mengetahui jumlah perjalanan yang dimulai di setiap titik awal.

• Hapus kueri dari editor, salin dan tempel perintah berikut, lalu klik Run:

SELECT start_station_name, COUNT(*) FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

Output Anda menunjukkan jumlah perjalanan bikeshare yang dimulai di setiap lokasi awal.

AS

SQL juga memiliki kata kunci AS yang membuat alias dari tabel atau kolom. Alias adalah nama baru yang diberikan pada kolom atau tabel yang ditampilkan, sesuai yang ditentukan pada perintah AS.

1. Tambahkan kata kunci AS ke kueri terakhir yang Anda jalankan untuk melihat cara kerjanya. Hapus kueri dari editor, lalu salin dan tempel perintah berikut:

SELECT start_station_name, COUNT(*) AS num_starts FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name;

2. Klik Run.

Untuk Results, nama kolom sebelah kanan berubah dari COUNT(*) menjadi num_starts.

Seperti yang Anda lihat, kolom COUNT(*) pada tabel yang ditampilkan kini disetel ke nama alias num_starts. Kata kunci ini berguna terutama jika Anda menangani set data yang besar. Perlu diingat bahwa nama tabel atau kolom yang ambigu lebih sering terjadi daripada yang Anda kira.

ORDER BY

Kata kunci ORDER BY mengurutkan data yang dihasilkan dari kueri dalam urutan naik atau turun berdasarkan kriteria atau nilai kolom yang ditentukan. Tambahkan kata kunci ini ke kueri sebelumnya untuk melakukan hal berikut:

• Menampilkan tabel berisi jumlah perjalanan bikeshare yang dimulai di tiap stasiun awal, yang disusun secara alfabetis berdasarkan stasiun awal.
• Menampilkan tabel berisi jumlah perjalanan bikeshare yang dimulai di setiap stasiun awal, yang disusun secara numerik dari terendah ke tertinggi.
• Menampilkan tabel berisi jumlah perjalanan bikeshare yang dimulai di setiap stasiun awal, yang disusun secara numerik dari tertinggi ke terendah.

Setiap perintah di bawah ini adalah kueri terpisah. Untuk setiap perintah:

1. Kosongkan Editor kueri.
2. Salin dan tempel perintah ke Editor kueri.
3. Klik Run. Periksa hasilnya.

SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY start_station_name; SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num; SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num DESC;

Hasil kueri terakhir menampilkan lokasi awal berdasarkan jumlah start dari lokasi tersebut.

Anda akan melihat bahwa "Belgrove Street, King's Cross" merupakan lokasi awal dengan jumlah start tertinggi. Namun, dengan hasil bagi dari total (234458/24369201), Anda mendapatkan hasil bahwa <1% perjalanan dimulai dari stasiun ini.

Uji pemahaman Anda

Berikut ini beberapa pertanyaan pilihan ganda untuk memperkuat pemahaman Anda tentang konsep yang telah dibahas sejauh ini. Jawab pertanyaan tersebut sebaik mungkin.

Tugas 4. Bekerja dengan Cloud SQL

Mengekspor kueri sebagai file CSV

Cloud SQL adalah layanan database terkelola sepenuhnya yang memudahkan penyiapan, pemeliharaan, pengelolaan, dan pengaturan database PostgreSQL dan MySQL relasional di cloud. Ada dua format data yang diterima oleh Cloud SQL: file dump (.sql) atau file CSV (.csv). Anda akan mempelajari cara mengekspor subset tabel cycle_hire ke file CSV, lalu menguploadnya ke Cloud Storage sebagai lokasi perantara.

Kembali ke BigQuery Console, seharusnya ini adalah perintah terakhir yang Anda jalankan:

SELECT start_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY start_station_name ORDER BY num DESC;

1. Di bagian Query Results, klik SAVE RESULTS > CSV(local file). Tindakan ini akan memulai download, yang akan menyimpan kueri sebagai file CSV. Catat lokasi dan nama file yang didownload, karena Anda akan membutuhkannya nanti.

2. Kosongkan Editor kueri, lalu salin dan jalankan perintah berikut di editor kueri:

SELECT end_station_name, COUNT(*) AS num FROM `bigquery-public-data.london_bicycles.cycle_hire` GROUP BY end_station_name ORDER BY num DESC;

Kueri tersebut akan menampilkan tabel berisi jumlah perjalanan bikeshare yang berakhir di setiap stasiun akhir, yang disusun secara numerik dari jumlah perjalanan tertinggi ke terendah.

3. Di bagian Query Results, klik SAVE RESULTS > CSV(local file). Tindakan ini akan memulai download, yang akan menyimpan kueri sebagai file CSV. Catat lokasi dan nama file yang didownload, karena Anda akan membutuhkannya di bagian selanjutnya.

Mengupload file CSV ke Cloud Storage

1. Buka Konsol Cloud. Di sini, Anda akan membuat bucket penyimpanan yang akan menjadi lokasi upload file yang baru dibuat.

2. Pilih Navigation menu > Cloud Storage > Buckets, lalu klik CREATE BUCKET.

Catatan: Jika diminta, klik LEAVE untuk Unsaved work.

3. Masukkan nama unik untuk bucket Anda, biarkan setelan lainnya dalam mode default, lalu klik Create.

4. Jika diminta, klik Confirm untuk dialog Public access will be prevented.

Menguji tugas yang sudah selesai

Klik Check my progress di bawah untuk memeriksa progres lab Anda. Jika berhasil membuat bucket, Anda akan melihat skor penilaian.

Membuat bucket Cloud Storage.

Sekarang, buka Konsol Cloud, dan Bucket Cloud Storage yang baru dibuat akan ditampilkan.

1. Klik UPLOAD FILES, lalu pilih CSV yang berisi data start_station_name.

2. Lalu klik Open. Ulangi untuk data end_station_name.

3. Ganti nama file start_station_name dengan mengklik tiga titik di sisi file paling kanan, lalu klik rename. Ganti nama file menjadi start_station_data.csv.

4. Ganti nama file end_station_name dengan mengklik tiga titik di sisi file paling kanan, lalu klik rename. Ganti nama file menjadi end_station_data.csv.

Setelah itu, Anda seharusnya dapat melihat start_station_data.csv dan end_station_data.csv dalam daftar Objects di halaman Bucket details.

Menguji tugas yang sudah selesai

Klik Check my progress untuk memverifikasi tugas yang telah dijalankan. Jika berhasil mengupload objek CSV ke bucket, Anda akan melihat skor penilaian.

Mengupload file CSV ke Cloud Storage.

Tugas 5. Membuat instance Cloud SQL

Di konsol, pilih Navigation menu > SQL.

1. Klik CREATE INSTANCE > Choose MySQL .

2. Masukkan ID instance sebagai my-demo.

3. Masukkan sandi yang aman di kolom Password (ingat sandi ini).

4. Pilih versi database sebagai MySQL 8.

5. Untuk Choose a Cloud SQL edition, pilih Enterprise.

6. Untuk Preset, pilih Development (vCPU 4, 16 GB RAM, 100 GB Storage, Single zone).

Peringatan: jika Anda memilih preset yang lebih besar daripada Development, project Anda akan ditandai dan lab Anda akan dihentikan.

7. Tetapkan kolom Multi zones (Highly available) sebagai

8. Klik CREATE INSTANCE.

Catatan: Mungkin perlu waktu beberapa menit hingga instance selesai dibuat. Setelah itu, Anda akan melihat tanda centang hijau di samping nama instance di halaman instance SQL.

9. Klik instance Cloud SQL. Halaman SQL Overview akan terbuka.

Menguji tugas yang sudah selesai

Untuk memeriksa progres lab Anda, klik Check my progress di bawah. Jika berhasil menyiapkan instance Cloud SQL, Anda akan melihat skor penilaian.

Membuat Instance CloudSQL

Tugas 6. Kueri baru di Cloud SQL

Kata kunci CREATE (database dan tabel)

Setelah instance Cloud SQL dapat berjalan, buat database di dalamnya menggunakan Command Line Cloud Shell.

1. Buka Cloud Shell dengan mengklik ikon di pojok kanan atas konsol.

2. Jalankan perintah berikut untuk menetapkan project ID Anda sebagai variabel lingkungan:

export PROJECT_ID=$(gcloud config get-value project) gcloud config set project $PROJECT_ID

Membuat database di Cloud Shell

1. Jalankan perintah berikut di Cloud Shell untuk menyiapkan autentikasi tanpa membuka browser.

gcloud auth login --no-launch-browser

Tindakan ini akan memberi Anda link untuk dibuka di browser Anda. Buka link di browser yang sama tempat Anda masuk ke akun qwiklabs. Setelah login, Anda akan mendapatkan kode verifikasi untuk disalin. Tempel kode tersebut di Cloud Shell.

2. Jalankan perintah berikut di Cloud Shell agar terhubung ke instance SQL, ganti my-demo jika Anda menggunakan nama instance yang berbeda:

gcloud sql connect my-demo --user=root --quiet Catatan: Mungkin perlu waktu satu menit untuk terhubung ke instance Anda. Jika Anda menerima pesan "Operation failed because another operation was already in progress", Anda harus menunggu instance SQL selesai dibuat, kemudian coba lagi untuk menghubungkan.

3. Saat diminta, masukkan sandi root yang Anda setel untuk instance.

Anda akan melihat output seperti ini:

Welcome to the MySQL monitor. Commands end with ; or \g. Your MySQL connection id is 494 Server version: 8.0.31-google (Google) Copyright (c) 2000, 2017, Oracle, MariaDB Corporation Ab and others. Type 'help;' or '\h' for help. Type '\c' to clear the current input statement. mysql>

Instance Cloud SQL dilengkapi dengan database yang sudah dikonfigurasi, tetapi Anda akan membuat database sendiri untuk menyimpan data bikeshare London.

4. Jalankan perintah berikut di prompt server MySQL untuk membuat database bernama bike:

CREATE DATABASE bike;

Anda akan menerima output berikut:

Query OK, 1 row affected (0.05 sec) mysql>

Menguji tugas yang sudah selesai

Periksa progres Anda dengan mengklik Check my progress untuk memverifikasi tugas yang dilakukan. Skor penilaian akan ditampilkan setelah database berhasil dibuat di instance Cloud SQL.

Membuat database.

Membuat tabel di Cloud Shell

1. Buat tabel di dalam database bike dengan menjalankan perintah berikut:

USE bike; CREATE TABLE london1 (start_station_name VARCHAR(255), num INT);

Pernyataan ini menggunakan kata kunci CREATE, tetapi kali ini klausa TABLE digunakan untuk menentukan bahwa kueri tersebut ingin membuat tabel, bukan database. Kata kunci USE menentukan database yang ingin Anda hubungkan. Anda sekarang memiliki tabel bernama "london1" yang berisi dua kolom, "start_station_name" dan "num". VARCHAR(255) menentukan kolom string dengan panjang bervariasi yang dapat menampung hingga 255 karakter, sedangkan INT adalah kolom jenis bilangan bulat.

2. Buat tabel lain bernama "london2" dengan menjalankan perintah berikut:

USE bike; CREATE TABLE london2 (end_station_name VARCHAR(255), num INT);

3. Sekarang pastikan bahwa tabel kosong Anda telah dibuat. Jalankan perintah berikut di prompt server MySQL:

SELECT * FROM london1; SELECT * FROM london2;

Anda akan menerima output berikut untuk kedua perintah di atas:

Empty set (0.04 sec)

Anda akan melihat "empty set" karena Anda belum memuat data.

Mengupload file CSV ke tabel

Kembali ke konsol Cloud SQL. Anda sekarang akan mengupload file CSV start_station_name dan end_station_name ke tabel london1 dan london2 yang baru dibuat.

1. Di halaman instance Cloud SQL, klik IMPORT.
2. Di kolom file Cloud Storage, klik Browse, klik panah di sebelah nama bucket, lalu klik start_station_data.csv. Klik Select.
3. Untuk File format, pilih CSV.
4. Pilih database bike lalu ketik london1 sebagai tabel Anda.
5. Klik Import.

Lakukan hal yang sama untuk file CSV lainnya.

1. Di halaman instance Cloud SQL, klik IMPORT.
2. Di kolom file Cloud Storage, klik Browse, klik panah di sebelah nama bucket, lalu klik end_station_data.csv. Klik Select.
3. Untuk File format, pilih CSV.
4. Pilih database bike, lalu ketik "london2" sebagai tabel Anda.
5. Klik Import.

Kedua file CSV sudah diupload ke tabel di database bike.

1. Kembalilah ke sesi Cloud Shell Anda dan jalankan perintah berikut di prompt server MySQL untuk memeriksa konten london1:

SELECT * FROM london1;

Anda akan menerima 955 baris output, satu untuk tiap nama stasiun yang unik.

2. Jalankan perintah berikut untuk memastikan london2 telah diisi:

SELECT * FROM london2;

Anda akan menerima 959 baris output, satu untuk tiap nama stasiun yang unik.

Kata kunci DELETE

Berikut adalah beberapa kata kunci SQL lainnya yang membantu kita dalam mengelola data. Pertama adalah kata kunci DELETE.

• Jalankan perintah berikut di sesi MySQL Anda untuk menghapus baris pertama london1 dan london2:

DELETE FROM london1 WHERE num=0; DELETE FROM london2 WHERE num=0;

Anda akan menerima output berikut setelah menjalankan kedua perintah di atas:

Query OK, 1 row affected (0.04 sec)

Baris yang dihapus adalah header kolom file CSV. Kata kunci DELETE tidak akan menghapus baris pertama file tersebut, tetapi semua baris dalam tabel tempat nama kolom (dalam hal ini "num") berisi nilai yang ditentukan (dalam hal ini "0"). Jika Anda menjalankan kueri SELECT * FROM london1; dan SELECT * FROM london2; dan men-scroll ke bagian atas tabel, Anda akan melihat bahwa baris tersebut sudah tidak ada lagi.

Kata kunci INSERT INTO

Anda juga dapat memasukkan nilai ke dalam tabel dengan kata kunci INSERT INTO.

• Jalankan perintah berikut untuk memasukkan baris baru ke london1, yang menetapkan start_station_name ke "test destination", dan num ke "1":

INSERT INTO london1 (start_station_name, num) VALUES ("test destination", 1);

Kata kunci INSERT INTO memerlukan tabel (london1) dan akan membuat baris baru dengan kolom yang ditentukan oleh istilah dalam tanda kurung pertama (dalam hal ini "start_station_name" dan "num"). Apa pun istilah setelah klausa "VALUES" akan dimasukkan sebagai nilai di baris baru.

Anda akan menerima output berikut:

Query OK, 1 row affected (0.05 sec)

Jika kueri SELECT * FROM london1; dijalankan, Anda akan melihat baris tambahan yang ditambahkan di bagian bawah tabel "london1".

Kata kunci UNION

Kata kunci SQL terakhir yang akan Anda pelajari adalah UNION. Kata kunci ini menggabungkan output dari dua atau beberapa kueri SELECT ke dalam set hasil. Anda menggunakan UNION untuk menggabungkan subset tabel "london1" dan "london2".

Rangkaian kueri berikut menarik data spesifik dari kedua tabel dan menggabungkannya dengan operator UNION.

• Jalankan perintah berikut di prompt server MySQL:

SELECT start_station_name AS top_stations, num FROM london1 WHERE num>100000 UNION SELECT end_station_name, num FROM london2 WHERE num>100000 ORDER BY top_stations DESC;

Kueri SELECT pertama memilih kedua kolom tersebut dari tabel "london1" dan membuat alias untuk "start_station_name", yang ditetapkan ke "top_stations". Kueri tersebut menggunakan kata kunci WHERE untuk hanya menarik nama stasiun bikeshare yang menjadi titik awal perjalanan lebih dari 100.000 sepeda.

Kueri SELECT kedua memilih dua kolom dari tabel "london2" dan menggunakan kata kunci WHERE untuk hanya menarik nama stasiun bikeshare yang menjadi titik akhir perjalanan lebih dari 100.000 sepeda.

Kata kunci UNION yang berada di antaranya menggabungkan output kedua kueri ini dengan mengasimilasi data "london2" dengan "london1". Karena "london1" digabungkan dengan "london2", nilai kolom yang diutamakan adalah "top_stations" dan "num".

ORDER BY akan mengurutkan tabel final gabungan berdasarkan nilai kolom "top_stations" secara alfabetis dalam urutan menurun.

Anda akan menerima output berikut:

Seperti yang Anda lihat, 13/14 stasiun berbagi tempat teratas untuk titik awal dan akhir transportasi online. Dengan beberapa kata kunci SQL dasar, Anda dapat membuat kueri untuk set data yang cukup besar, yang menampilkan titik data dan jawaban atas pertanyaan spesifik.

Selamat!

Dalam lab ini, Anda telah mempelajari dasar-dasar SQL dan cara menerapkan kata kunci serta menjalankan kueri di BigQuery dan CloudSQL. Anda telah mempelajari konsep inti di balik project, database, dan tabel. Anda berlatih dengan kata kunci yang memanipulasi dan mengedit data. Anda belajar cara memuat set data ke BigQuery dan berlatih menjalankan kueri pada tabel. Anda belajar cara membuat instance di Cloud SQL dan berlatih mentransfer subset data ke dalam tabel yang ada di dalam database. Anda merangkai dan menjalankan kueri di Cloud SQL untuk mendapatkan beberapa kesimpulan menarik tentang stasiun awal dan akhir bikesharing di London.

Selesaikan quest Anda

Lab mandiri ini adalah bagian dari quest Data Science on Google Cloud, Cloud SQL, BigQuery Basics for Data Analysts, NCAA® March Madness®: Bracketology with Google Cloud, Cloud Engineering, Data Catalog Fundamentals, dan Applying BQML's Classification, Regression, and Demand Forecasting for Retail Applications. Quest adalah serangkaian lab terkait yang membentuk jalur pembelajaran. Dengan menyelesaikan Quest, Anda mendapatkan badge sebagai pengakuan atas pencapaian Anda. Anda dapat menunjukkan satu atau beberapa badge kepada orang lain secara publik dan menautkannya di resume online atau akun media sosial Anda. Daftarkan diri Anda dalam Quest apa pun yang berisi lab ini dan segera dapatkan kredit penyelesaian. Lihat Katalog Google Cloud Skills Boost untuk melihat semua quest yang tersedia.

Langkah berikutnya/Pelajari lebih lanjut

Teruslah mempelajari dan berlatih dengan Cloud SQL dan BigQuery melalui lab Google Cloud Skill Boost ini:

• Data Cuaca di BigQuery
• Menjelajahi Data NCAA dengan BigQuery
• Memuat Data ke Google Cloud SQL
• Cloud SQL dengan Terraform

Pelajari Data Science lebih lanjut dengan Data Science on the Google Cloud Platform, 2nd Edition: O'Reilly Media, Inc..

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 16 Januari 2024

Lab Terakhir Diuji pada 6 Oktober 2023

Hak cipta 2024 Google LLC Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.