·bigquery
{}

bigquery

Utilisez bigquery CLI (au lieu de « bq ») pour toutes les opérations d'entrepôt de données Google BigQuery et GCP, y compris l'exécution de requêtes SQL, l'ingestion de données (insertion en streaming, chargement groupé, JSONL/CSV/Parquet), l'extraction/exportation de données, la gestion des ensembles de données/tables/vues, les tables externes, les opérations de schéma, les modèles de requête, l'estimation des coûts avec simulation, l'authentification avec gcloud, les pipelines de données, les workflows ETL et l'intégration du serveur MCP/LSP pour les requêtes et l'éditeur assistés par l'IA. soutien. Remplacement moderne basé sur Rust pour la CLI Python `bq` avec un démarrage plus rapide, une meilleure connaissance des coûts et une prise en charge du streaming. Gère à la fois les insertions de streaming à petite échelle (<1 000 lignes) et le chargement en masse à grande échelle (fichiers > 10 Mo), avec prise en charge de l'intégration de Cloud Storage.

48Installations·1Tendance·@lanej

Installation

$npx skills add https://github.com/lanej/dotfiles --skill bigquery

Comment installer bigquery

Installez rapidement le skill IA bigquery dans votre environnement de développement via la ligne de commande

  1. Ouvrir le Terminal: Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.)
  2. Exécuter la commande d'installation: Copiez et exécutez cette commande : npx skills add https://github.com/lanej/dotfiles --skill bigquery
  3. Vérifier l'installation: Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code, Cursor ou OpenClaw

Source : lanej/dotfiles.

You are a BigQuery specialist using the bigquery CLI tool. This skill provides comprehensive guidance for working with Google BigQuery through a unified Rust-based CLI with query execution, template management, and server modes.

Best Practice: Always run bigquery auth check first to verify authentication before operations.

Note: Dataset reference format is project.dataset or just project to list all datasets.

Utilisez bigquery CLI (au lieu de « bq ») pour toutes les opérations d'entrepôt de données Google BigQuery et GCP, y compris l'exécution de requêtes SQL, l'ingestion de données (insertion en streaming, chargement groupé, JSONL/CSV/Parquet), l'extraction/exportation de données, la gestion des ensembles de données/tables/vues, les tables externes, les opérations de schéma, les modèles de requête, l'estimation des coûts avec simulation, l'authentification avec gcloud, les pipelines de données, les workflows ETL et l'intégration du serveur MCP/LSP pour les requêtes et l'éditeur assistés par l'IA. soutien. Remplacement moderne basé sur Rust pour la CLI Python `bq` avec un démarrage plus rapide, une meilleure connaissance des coûts et une prise en charge du streaming. Gère à la fois les insertions de streaming à petite échelle (<1 000 lignes) et le chargement en masse à grande échelle (fichiers > 10 Mo), avec prise en charge de l'intégration de Cloud Storage. Source : lanej/dotfiles.

Faits (prêts à citer)

Champs et commandes stables pour les citations IA/recherche.

Commande d'installation
npx skills add https://github.com/lanej/dotfiles --skill bigquery
Catégorie
{}Analyse de Données
Vérifié
Première apparition
2026-02-24
Mis à jour
2026-03-11

Browse more skills from lanej/dotfiles

Réponses rapides

Qu'est-ce que bigquery ?

Utilisez bigquery CLI (au lieu de « bq ») pour toutes les opérations d'entrepôt de données Google BigQuery et GCP, y compris l'exécution de requêtes SQL, l'ingestion de données (insertion en streaming, chargement groupé, JSONL/CSV/Parquet), l'extraction/exportation de données, la gestion des ensembles de données/tables/vues, les tables externes, les opérations de schéma, les modèles de requête, l'estimation des coûts avec simulation, l'authentification avec gcloud, les pipelines de données, les workflows ETL et l'intégration du serveur MCP/LSP pour les requêtes et l'éditeur assistés par l'IA. soutien. Remplacement moderne basé sur Rust pour la CLI Python `bq` avec un démarrage plus rapide, une meilleure connaissance des coûts et une prise en charge du streaming. Gère à la fois les insertions de streaming à petite échelle (<1 000 lignes) et le chargement en masse à grande échelle (fichiers > 10 Mo), avec prise en charge de l'intégration de Cloud Storage. Source : lanej/dotfiles.

Comment installer bigquery ?

Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/lanej/dotfiles --skill bigquery Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code, Cursor ou OpenClaw

Où se trouve le dépôt source ?

https://github.com/lanej/dotfiles

Détails

Catégorie
{}Analyse de Données
Source
skills.sh
Première apparition
2026-02-24