【前言】作为中国的 “Fivetran/Airbyte”, Tapdata 是一个以低延迟数据移动为核心优势构建的现代数据平台，内置 60+ 数据连接器，拥有稳定的实时采集和传输能力、秒级响应的数据实时计算能力、稳定易用的数据实时服务能力，以及低代码可视化操作等。典型用例包括数据库到数据库的复制、将数据引入数据仓库或数据湖，以及通用 ETL 处理等。
随着 Tapdata Connector 的不断增长，我们最新推出《Tapdata Connector 实用指南》系列内容，以文字解析辅以视频演示，还原技术实现细节，模拟实际技术及应用场景需求，提供可以“收藏跟练”的实用专栏。本期实用指南以 SQL Server → BigQuery 为例，演示数据入仓场景下，如何将数据实时同步到 BigQuery。
数据规模仍在持续扩大的今天，为了从中获得可操作的洞察力，进一步实现数据分析策略的现代化转型，越来越多的企业开始把目光投注到 BigQuery 之上，希望通过 BigQuery 来运行大规模关键任务应用，从而达到优化运营、改善客户体验并降低总体拥有成本的目的。
作为自带 ETL 的实时数据平台，我们也看到了很多从传统内部数据仓库向 BigQuery 的数据迁移需求。
一、BigQuery 的云数仓优势
作为一款由 Google Cloud 提供的云原生企业级数据仓库，BigQuery 借助 Google 基础架构的强大处理能力，可以实现海量数据超快速 SQL 查询，以及对 PB 级数据进行安全并可扩展的分析。同时也因其天然具备的无服务器架构、低成本等特性，备受数据分析师和数据工程师的青睐，在数据存储和处理上表现出更出色的便利性。
BigQuery 在企业中通常用于存储来自多个系统的历史与最新数据，作为整体数据集成策略的一部分，也常作为既有数据库的补充存在。其优势在于：
- 在不影响线上业务的情况下进行快速分析：BigQuery 专为快速高效的分析而设计, 通过在 BigQuery 中创建数据的副本, 可以针对该副本执行复杂的分析查询, 而不会影响线上业务。
- 数据集中存储, 提高分析效率：对于分析师而言，使用多个平台耗时费力，如果将来自多个系统的数据组合到一个集中式数据仓库中，可以有效减少这些成本。
- 安全性保障：可以控制对加密项目或数据集的访问，并实施身份访问管理。
- 可扩展性：支持根据公司的规模、性能和成本要求定制数据存储。
- 友好兼容：作为 Google Cloud 的一部分，它与 Google 系产品更兼容，对相关用户更友好。
为了实现上述优势，我们需要首先实现数据向 BigQuery 的同步。
二、SQLServer → BigQuery 的数据入仓任务
[
标签：Tapdata,创建,BigQuery,Connector,入仓,数据,Cloud,实时 From： https://www.cnblogs.com/tapdata/p/17138566.html