لاگ ها را با BigQuery تجزیه و تحلیل کنید
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
BigQuery یک ابزار قدرتمند برای انجام تجزیه و تحلیل است. می توانید از آن برای ذخیره گزارش های طولانی مدت و انجام پرس و جوهای SQL مانند در برابر داده ها استفاده کنید. برای استفاده از BigQuery برای تجزیه و تحلیل، باید به طور واضح گزارش های خود را به BigQuery هدایت کنید، همانطور که در بخش بعدی توضیح داده شد.
گزارش مسیر به BigQuery
- در Logs Explorer ، فیلتری ایجاد کنید که گزارش‌های Fleet Engine را ایزوله می‌کند:
Fleetengine.googleapis.com/Fleet . - در قسمت Query Results ، روی منوی Actions یا More Actions کلیک کنید و Create Sink را انتخاب کنید.
- نام سینک را مشخص کنید (به عنوان مثال FleetEngineLogsSink ). روی Next کلیک کنید.
- در Sink Destination ، مجموعه داده BigQuery را انتخاب کنید.
- در انتخاب مجموعه داده BigQuery ، ایجاد مجموعه داده BigQuery جدید را انتخاب کنید.
- در گفتگوی ایجاد مجموعه داده ، شناسه مجموعه داده را وارد کنید.
- بقیه موارد را همانطور که هست رها کنید و روی ایجاد مجموعه داده کلیک کنید.
- استفاده از جداول پارتیشن بندی شده را علامت بزنید. روی Next کلیک کنید.
- ترک Choose logs to in sink و Choose logs to filter out of sink همانطور که هستند را ترک کنید.
- روی ایجاد سینک کلیک کنید.
گزارش‌های شما اکنون باید شروع به پر کردن مجموعه داده BigQuery کنند که ممکن است کمی طول بکشد. همچنین به گزارش های مسیر به مقصدهای پشتیبانی شده مراجعه کنید.
هنگامی که داده های گزارش را به BigQuery مسیریابی می کنید، چندین جدول در زیر مجموعه داده FleetEngineLogs به طور خودکار پر می شوند، یکی برای هر نوع گزارش:
- Create Vehicle
- GetVehicle
- ListVehicles
- جستجوی وسایل نقلیه
- Update Vehicle
- CreateTrip
- GetTrip
- UpdateTrip
- ListTrips
نام جدول از الگوی زیر استفاده می کند:
project_id.data_set.log_name
به عنوان مثال، اگر پروژه تست-پروژه نامیده شود و نام مجموعه داده FleetEngineLogs باشد، جدول CreateTrip دارای نام زیر است:
test-project.FleetEngineLogs.fleetengine_googleapis_com_create_trip
پرس و جوهای مثال برای BigQuery
نمونه پرس و جوهای زیر نشان می دهد که چگونه می توانید ورودی های مختلف گزارش را در BigQuery جستجو کنید.
تعداد گزارش‌های CreateTrips که بر اساس ساعت گروه‌بندی شده‌اند
SELECT TIMESTAMP_TRUNC(timestamp, HOUR) as hour,
count(*) as num_trips_created
FROM
`ProjectId.FleetEngineLogs.fleetengine_googleapis_com_create_trip`
GROUP BY hour
ORDER by hour
تعداد توقف در هر وسیله نقلیه در ساعت
SELECT
jsonpayload_v1_updatevehiclelog.request.vehicleid AS vehicle,
TIMESTAMP_TRUNC(timestamp, HOUR) AS hour,
COUNT(*) AS num_stops
FROM
`ProjectId.FleetEngineLogs.fleetengine_googleapis_com_update__vehicle`
WHERE
ARRAY_LENGTH(jsonpayload_v1_updatevehiclelog.request.vehicle.remainingvehiclejourneysegments) > 0
AND jsonpayload_v1_updatevehiclelog.request.vehicle.remainingvehiclejourneysegments[
OFFSET
(0)].stop.state = 'VEHICLE_STOP_STATE_LOG_ARRIVED'
GROUP BY
1,
2
ORDER BY
2
به عنوان مثال، این پرس و جو می تواند به شما بگوید که در آخرین ساعت:
- وسیله نقلیه A 10 توقف را در ساعت 12 و 8 توقف را در ساعت 13 انجام داد.
- وسیله نقلیه B 5 توقف در ساعت 11 و 7 توقف در ساعت 12 انجام داد.
- وسیله نقلیه C در ساعت 13 12 توقف و در ساعت 14 9 توقف انجام داد.
همچنین مشاهده گزارش‌های مسیریابی شده به BigQuery را ببینید.
BigQuery را با Looker Studio ادغام کنید
BigQuery را می توان با ابزارهای هوش تجاری برای ایجاد داشبورد برای تجزیه و تحلیل کسب و کار ادغام کرد. استودیو Looker را ببینید.
مثال زیر نحوه ساخت داشبورد Looker Studio را برای تجسم سفرها و حرکات وسیله نقلیه بر روی نقشه نشان می دهد.
- یک داشبورد Looker Studio جدید راه اندازی کنید و BigQuery را به عنوان اتصال داده انتخاب کنید.
- درخواست سفارشی را انتخاب کنید و به صورت دستی پروژه Cloud را که باید برای آن صورتحساب داده شود وارد یا انتخاب کنید.
- یکی از پرس و جوهای زیر را در کادر پرس و جو وارد کنید.
درخواست نمونه سفرهای درخواستی
SELECT
timestamp,
labels.vehicle_id,
jsonpayload_v1_updatevehiclelog.response.lastlocation.location.latitude AS lat,
jsonpayload_v1_updatevehiclelog.response.lastlocation.location.longitude AS lng
FROM
`ProjectId.TableName.fleetengine_googleapis_com_update_vehicle`
پرس و جو نمونه کارهای Scheduled Tasks
SELECT
labels.delivery_vehicle_id,
jsonpayload_v1_updatedeliveryvehiclelog.response.lastlocation.rawlocation.longitude as lat, jsonpayload_v1_updatedeliveryvehiclelog.response.lastlocation.rawlocation.latitude as lng
FROM `ProjectID.TableName.fleetengine_googleapis_com_update_delivery_vehicle`
- نوع نمودار را به عنوان نقشه حبابی انتخاب کنید و سپس فیلد مکان را انتخاب کنید.
- افزودن فیلد را انتخاب کنید.
- فیلد را نامگذاری کنید و فرمول زیر را اضافه کنید:
CONCAT(lat, ",", lng) . - نوع را روی Geo->Latitude, Longitude تنظیم کنید.
- برای فیلتر کردن داده ها می توانید کنترل هایی را به داشبورد اضافه کنید. به عنوان مثال، فیلتر محدوده تاریخ را انتخاب کنید.
- کادر محدوده تاریخ را برای انتخاب یک محدوده تاریخ پیش فرض ویرایش کنید.
- می‌توانید کنترل‌های فهرست کشویی اضافی برای
vehicle_id اضافه کنید. با این کنترل ها می توانید حرکت وسیله نقلیه یا حرکت در یک سفر را تجسم کنید.
خروجی نمونه Looker Studio:
بعدش چی
برای پیروی از خط‌مشی‌های حفظ داده‌ها، به محدود کردن حفظ گزارش مراجعه کنید.
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خط‌مشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-09-10 بهوقت ساعت هماهنگ جهانی.
[[["درک آسان","easyToUnderstand","thumb-up"],["مشکلم را برطرف کرد","solvedMyProblem","thumb-up"],["غیره","otherUp","thumb-up"]],[["اطلاعاتی که نیاز دارم وجود ندارد","missingTheInformationINeed","thumb-down"],["بیشازحد پیچیده/ مراحل بسیار زیاد","tooComplicatedTooManySteps","thumb-down"],["قدیمی","outOfDate","thumb-down"],["مشکل ترجمه","translationIssue","thumb-down"],["مشکل کد / نمونهها","samplesCodeIssue","thumb-down"],["غیره","otherDown","thumb-down"]],["تاریخ آخرین بهروزرسانی 2025-09-10 بهوقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eBigQuery enables analysis of Fleet Engine logs via SQL-like queries after routing logs to a BigQuery dataset.\u003c/p\u003e\n"],["\u003cp\u003eRouting logs to BigQuery involves creating a sink in the Logs Explorer and selecting a BigQuery dataset as the destination.\u003c/p\u003e\n"],["\u003cp\u003eBigQuery automatically populates tables for each Fleet Engine log type under the specified dataset.\u003c/p\u003e\n"],["\u003cp\u003eExample queries demonstrate how to analyze trip creation, vehicle stops, and other data points within BigQuery.\u003c/p\u003e\n"],["\u003cp\u003eBigQuery integrates with Looker Studio for creating dashboards and visualizing data, such as vehicle movement on a map.\u003c/p\u003e\n"]]],[],null,["BigQuery is a powerful tool for performing analytics. You can use it to store\nlonger-term logs and to perform SQL-like queries against the data. To use\nBigQuery for analysis, you must explicitly route your logs to BigQuery, as\ndescribed in the next section.\n\nRoute logs to BigQuery\n\n1. In the [Logs Explorer](https://cloud.google.com/logging/docs/view/logs-explorer-interface), create a filter that isolates the Fleet Engine logs: `Fleetengine.googleapis.com/Fleet`.\n2. In the **Query Results pane** , click the **Actions** or **More Actions** menu and choose **Create Sink**.\n3. Specify a sink name (for example, *FleetEngineLogsSink* ). Click **Next**.\n4. In the **Sink Destination** , select **BigQuery dataset**.\n5. In **Select BigQuery dataset** , select **Create new BigQuery dataset**.\n6. In the **Create dataset** dialog, enter a **Dataset ID**.\n7. Leave everything else as is and click **Create dataset**.\n8. Check **Use partitioned tables** . Click **Next**.\n9. Leave **Choose logs to include in sink** and **Choose logs to filter out of\n sink** as they are.\n10. Click **Create Sink**.\n\nYour logs should now begin to populate the BigQuery dataset, which can take a\nshort while. See also [Route logs to supported destinations](https://cloud.google.com/logging/docs/export/configure_export_v2).\n\nOnce you are routing log data to BigQuery, several tables under the\n*FleetEngineLogs* dataset are automatically populated, one for each log type:\n\n- CreateVehicle\n- GetVehicle\n- ListVehicles\n- SearchVehicles\n- UpdateVehicle\n- CreateTrip\n- GetTrip\n- UpdateTrip\n- ListTrips\n\nThe table names use the following pattern: \n\n project_id.data_set.log_name\n\nFor example, if the project is called *test-project* and the dataset name is\n*FleetEngineLogs* , the `CreateTrip` table has the following name: \n\n test-project.FleetEngineLogs.fleetengine_googleapis_com_create_trip\n\nExample queries for BigQuery\n\nThe following example queries show how you can search for different log entries\nin BigQuery.\n\nNumber of CreateTrips logs grouped by hour \n\n SELECT TIMESTAMP_TRUNC(timestamp, HOUR) as hour,\n count(*) as num_trips_created\n FROM\n `ProjectId.FleetEngineLogs.fleetengine_googleapis_com_create_trip`\n GROUP BY hour\n ORDER by hour\n\nNumber of stops per vehicle per hour \n\n SELECT\n jsonpayload_v1_updatevehiclelog.request.vehicleid AS vehicle,\n TIMESTAMP_TRUNC(timestamp, HOUR) AS hour,\n COUNT(*) AS num_stops\n FROM\n `ProjectId.FleetEngineLogs.fleetengine_googleapis_com_update__vehicle`\n WHERE\n ARRAY_LENGTH(jsonpayload_v1_updatevehiclelog.request.vehicle.remainingvehiclejourneysegments) \u003e 0\n AND jsonpayload_v1_updatevehiclelog.request.vehicle.remainingvehiclejourneysegments[\n OFFSET\n (0)].stop.state = 'VEHICLE_STOP_STATE_LOG_ARRIVED'\n GROUP BY\n 1,\n 2\n ORDER BY\n 2\n\nFor example, this query could tell you that in the last hour:\n\n- Vehicle A completed 10 stops in hour 12 and 8 stops in hour 13.\n- Vehicle B completed 5 stops in hour 11 and 7 stops in hour 12.\n- Vehicle C completed 12 stops in hour 13 and 9 stops in hour 14.\n\nSee also [View logs routed to BigQuery](https://cloud.google.com/logging/docs/export/bigquery).\n\nIntegrate BigQuery with Looker Studio\n\nBigQuery can be integrated with business intelligence tools to create dashboards\nfor business analytics. See [Looker Studio](https://lookerstudio.google.com).\n\nThe following example shows how to build a Looker Studio dashboard for\nvisualizing trips and vehicle movements on a map.\n\n1. Launch a new [Looker Studio](https://lookerstudio.google.com) dashboard and select **BigQuery** as the data connection.\n2. Select **Custom Query** and manually enter or select the Cloud Project to which it should be billed.\n3. Enter one of the following queries into the query box.\n\nOn-demand trips example query \n\n SELECT\n timestamp,\n labels.vehicle_id,\n jsonpayload_v1_updatevehiclelog.response.lastlocation.location.latitude AS lat,\n jsonpayload_v1_updatevehiclelog.response.lastlocation.location.longitude AS lng\n FROM\n `ProjectId.TableName.fleetengine_googleapis_com_update_vehicle`\n\nScheduled Tasks example query \n\n SELECT\n labels.delivery_vehicle_id,\n jsonpayload_v1_updatedeliveryvehiclelog.response.lastlocation.rawlocation.longitude as lat, jsonpayload_v1_updatedeliveryvehiclelog.response.lastlocation.rawlocation.latitude as lng\n FROM `ProjectID.TableName.fleetengine_googleapis_com_update_delivery_vehicle`\n\n1. Select **Chart Type as Bubble Map** , and then select the **location** field.\n2. Select **Add a Field**.\n3. Name the field and add the following formula: `CONCAT(lat, \",\", lng)`.\n4. Set the type to **Geo-\\\u003eLatitude, Longitude**.\n5. You can add controls to the dashboard to filter data. For example, select the **Date-range** filter.\n6. Edit the date range box to select a default date range.\n7. You can add additional *drop-down list* controls for `vehicle_id`. With these controls, you can visualize the movement of the vehicle or the movement within a trip.\n\nLooker Studio example output:\n\nWhat's next\n\nTo comply with data retention policies, see [Restrict log\nretention](/maps/documentation/mobility/operations/cloud-logging/reduce-cost)."]]
