১. ভূমিকা
এই কোডল্যাবে, আপনি শিখবেন কীভাবে জটিল সাপ্লাই চেইন এবং লজিস্টিক সমস্যাগুলি সমাধান করতে BigQuery গ্রাফ ব্যবহার করতে হয়।
আপনি খাবারের নিরাপত্তা ও কোয়ালিটি কন্ট্রোলের উপর ফোকাস করে রেস্তোরাঁর সাপ্লাই চেইন নেটওয়ার্কের মডেল তৈরি করবেন। খাদ্য নিরাপত্তা সংক্রান্ত সমস্যা দেখা দিলে—যেমন সাপ্লায়ারের থেকে পাওয়া কোনও দূষিত উপাদান—সময় অত্যন্ত গুরুত্বপূর্ণ। "ব্লাস্ট রেডিয়াস" শনাক্ত করা এবং দ্রুত সার্জিক্যাল রিকল কার্যকর করা খরচ বাঁচাতে এবং গ্রাহকদের সুরক্ষিত রাখতে পারে।

একাধিক স্টেজের (সাপ্লায়ার -> DC -> Commissary -> স্টোর -> তৈরি হওয়া আইটেম) মাধ্যমে আইটেম ট্র্যাক করার জন্য ট্র্যাডিশনাল রিলেশনাল মডেলের ক্ষেত্রে জটিল, মাল্টি-স্টেপ JOIN অপারেশন প্রয়োজন। BigQuery Graph-এর মাধ্যমে আমরা সরাসরি এইসব কানেকশন মডেল করি, যার ফলে ISO GQL (গ্রাফ কোয়েরি ল্যাঙ্গুয়েজ) স্ট্যান্ডার্ড ব্যবহার করে ইনট্যুইটিভ ও দ্রুত কোয়েরি করা সম্ভব হয়।
আপনি কী শিখবেন
- আগে থেকে থাকা BigQuery টেবিলের উপরে কীভাবে গ্রাফ মডেল সংজ্ঞায়িত করতে হয়।
- BigQuery-এর মধ্যে কীভাবে প্রপার্টি গ্রাফ তৈরি করতে হয়।
- আপস্ট্রিম ও ডাউনস্ট্রিম প্রভাব ট্রেস করার জন্য কীভাবে ট্রাভার্সাল কোয়েরি রান করতে হয়।
আপনার কী প্রয়োজন হবে
- বিলিং চালু করা আছে এমন একটি Google Cloud প্রোজেক্ট।
- Google Cloud Shell.
আনুমানিক খরচ
এই ল্যাবের জন্য BigQuery বিশ্লেষণ ফি বাবদ $5 USD-এর কম খরচ হবে বলে আশা করা হচ্ছে, যা নতুন ব্যবহারকারীদের জন্য ফ্রি টিয়ার বরাদ্দের মধ্যেই রয়েছে।
২. সেট-আপ ও প্রয়োজনীয়তা
Cloud Shell খুলুন
আপনি Cloud Shell-এ বেশিরভাগ কাজ করবেন, এটি এমন একটি লোড করা এনভায়রনমেন্ট যা Google Cloud ব্যবহার করার জন্য আপনার প্রয়োজনীয় সবকিছু প্রদান করে।
- Google Cloud Console-এ যান।
- উপরে ডানদিকের টুলবারে Cloud Shell অ্যাক্টিভেট করুন আইকনে ক্লিক করুন।
- প্রম্পট করা হলে চালিয়ে যান বিকল্পে ক্লিক করুন।
এনভায়রনমেন্ট ভেরিয়েবল সেট-আপ করুন
Cloud Shell-এ, ভবিষ্যতে কমান্ড সহজ করতে আপনার প্রোজেক্ট আইডি সেট করুন।
export PROJECT_ID=$(gcloud config get-value project)
API চালু করুন
প্রয়োজনীয় BigQuery API চালু করতে এই কমান্ড রান করুন:
gcloud services enable bigquery.googleapis.com
৩. স্কিমা ও টেবিল তৈরি করা হচ্ছে
আপনি একটি ডেটাসেট এবং টেবিল তৈরি করবেন যা আপনার সাপ্লাই চেনের উপাদানগুলিকে উপস্থাপন করবে:
item: আইটেমের সাধারণ সংজ্ঞা (যেমন, টমেটো, চিকেন)।location: সুবিধা (সাপ্লায়ার, ডিস্ট্রিবিউশন সেন্টার, ক্যাফে)।itemlocation: ইন্টারসেকশন টেবিল ইনভেনটরি লোকেশন দেখায়।bom: মেটেরিয়ালের বিল (ওজনের সম্পর্ক নির্ধারণ করে, যেমন আইটেম A, আইটেম B-তে যায়)।makes: Mapsitem-এরitemlocation।stored_at: Mapsitemlocationথেকেlocationপর্যন্ত।
ডেটাসেট তৈরি করুন
আপনি Cloud Shell বা BigQuery কনসোল ব্যবহার করে এই ল্যাবে SQL কমান্ড রান করতে পারবেন।
BigQuery কনসোল ব্যবহার করতে:
- নতুন ট্যাবে BigQuery Console খুলুন।
- এই ল্যাব থেকে প্রতিটি SQL স্নিপেট এডিটরে পেস্ট করুন, তারপর এটি এক্সিকিউট করতে রান করুন বোতামে ক্লিক করুন।

Cloud Shell-এ নিম্নলিখিত কমান্ড রান করুন অথবা স্কিমা তৈরি করতে BigQuery কনসোল ব্যবহার করুন। আপনি নিজের SQL-এ নোড ভেরিয়েবল ব্যবহার করবেন।

মনে রাখবেন: (১) Google Colab-এ এটি এক্সিকিউট করতে, আপনি BigQuery ম্যাজিক কমান্ডও ব্যবহার করতে পারেন: %%bigquery নিম্নলিখিত স্নিপেট আপনার প্রোজেক্টের মধ্যে রেস্তোরাঁ স্কিমা তৈরি করে যাতে আপনার গ্রাফ ডেটা রাখা যায়। (২) আপনি Google Colab থেকে চালালে, আপনাকে %%bigquery –project <PROJECT_ID> ব্যবহার করতে হবে। PROJECT_ID ফিল্ডটি আপনি যে প্রোজেক্ট ব্যবহার করতে চান তার সাথে ম্যাপ করা আছে কিনা তা নিশ্চিত করুন: PROJECT_ID = "argolis-project-340214" # @param {"type":"string"} (3) আপনি colab ব্যবহার করলে, আপনার প্রয়োজনীয়তার উপর নির্ভর করে আপনাকে কিছু লাইব্রেরি ইনস্টল করতে হবে। আপনি যদি গ্রাফ ভিজ্যুয়ালাইজেশন ব্যবহার করতে চান, তাহলে নিশ্চিত করুন যে আপনি pip-এর মাধ্যমে এই লাইব্রেরিটি ইনস্টল করেছেন: spanner-graph-notebook==1.1.5

%%bigquery --project=$PROJECT_ID
CREATE SCHEMA IF NOT EXISTS restaurant ;
সারণী তৈরি করুন
টেবিল তৈরি করতে নিম্নলিখিত SQL কোড এক্সিকিউট করুন।
%%bigquery --project=$PROJECT_ID
-- 1. Item Table
DROP TABLE IF EXISTS `restaurant.item`;
CREATE TABLE `restaurant.item` (
itemKey STRING,
itemName STRING,
itemCategory STRING,
shelfLifeDays INT64,
PRIMARY KEY (itemKey) NOT ENFORCED
);
-- 2. Location Table
DROP TABLE IF EXISTS `restaurant.location`;
CREATE TABLE `restaurant.location` (
locationKey STRING,
locationType STRING,
locationCity STRING,
locationState STRING,
dunsNumber INT64,
PRIMARY KEY (locationKey) NOT ENFORCED
);
-- 3. ItemLocation Table
DROP TABLE IF EXISTS `restaurant.itemlocation`;
CREATE TABLE `restaurant.itemlocation` (
itemLocationKey STRING,
itemKey STRING,
locationKey STRING,
variants INT64,
PRIMARY KEY (itemLocationKey) NOT ENFORCED,
-- Foreign Key Definitions
FOREIGN KEY (itemKey) REFERENCES `restaurant.item`(itemKey) NOT ENFORCED,
FOREIGN KEY (locationKey) REFERENCES `restaurant.location`(locationKey) NOT ENFORCED
);
-- 4. BOM Table
DROP TABLE IF EXISTS `restaurant.bom`;
CREATE TABLE `restaurant.bom` (
bomKey INT64,
parentItemLocation STRING,
childItemLocation STRING,
childQuantity FLOAT64,
PRIMARY KEY (bomKey) NOT ENFORCED
);
-- 5. Makes Table
DROP TABLE IF EXISTS `restaurant.makes`;
CREATE TABLE `restaurant.makes` (
itemLocationKey STRING,
itemKey STRING,
locationKey STRING,
variants INT64,
PRIMARY KEY (itemLocationKey) NOT ENFORCED
);
DROP TABLE IF EXISTS `restaurant.stored_at`;
CREATE TABLE `restaurant.stored_at` (
itemLocationKey STRING,
itemKey STRING,
locationKey STRING,
variants INT64,
PRIMARY KEY (itemLocationKey) NOT ENFORCED
);
৪. স্যাম্পেল ডেটা লোড করা হচ্ছে
এই ল্যাবকে সম্পূর্ণ স্বয়ংসম্পূর্ণ করতে, আপনি পিওর SQL LOAD DATA স্টেটমেন্ট ব্যবহার করে স্যাম্পেল ডেটা দিয়ে টেবিল পপুলেট করবেন। এটি এমন একটি নেটওয়ার্ককে দেখায় যা সাপ্লায়ার দিয়ে শুরু হয়, ডিস্ট্রিবিউশন সেন্টার (DC) ও কমিশারি কিচেন হয়ে রিটেল ক্যাফে-তে শেষ হয়।
ডেটা লোড করতে নিম্নলিখিত SQL কোয়েরি রান করুন:

মনে রাখবেন: আপনি সরাসরি bigquery স্টুডিওতে রান করলে %%bigquery বাদ দিতে পারেন
%%bigquery --project=$PROJECT_ID
-- Load Item
LOAD DATA OVERWRITE `restaurant.item`
FROM FILES (format = 'CSV', uris = ['gs://supply_chain_demo/item2.csv'], skip_leading_rows = 1);
-- Load Location
LOAD DATA OVERWRITE `restaurant.location`
FROM FILES (format = 'CSV', uris = ['gs://supply_chain_demo/location.csv'], skip_leading_rows = 1);
-- Load ItemLocation
LOAD DATA OVERWRITE `restaurant.itemlocation`
FROM FILES (format = 'CSV', uris = ['gs://supply_chain_demo/itemlocation.csv'], skip_leading_rows = 1);
-- Load BOM
LOAD DATA OVERWRITE `restaurant.bom`
FROM FILES (format = 'CSV', uris = ['gs://supply_chain_demo/bom2.csv'], skip_leading_rows = 1);
-- Load Makes
LOAD DATA OVERWRITE `restaurant.makes`
FROM FILES (format = 'CSV', uris = ['gs://supply_chain_demo/makes.csv'], skip_leading_rows = 1);
-- Load StoredAt
LOAD DATA OVERWRITE `restaurant.stored_at`
FROM FILES (format = 'CSV', uris = ['gs://supply_chain_demo/itemlocation.csv'], skip_leading_rows = 1);
৫. সমস্যা যোগ করা এবং গ্রাফ নির্ধারণ করা
গ্রাফ তৈরি করার আগে, আপনি স্ট্যান্ডার্ড SQL প্রাথমিক কী এবং ফরেন কী কনস্ট্রেন্ট ব্যবহার করে শব্দার্থিক সম্পর্ক ঘোষণা করেন। এগুলি BigQuery-কে Node শনাক্তকারী বুঝতে এবং Node টেবিলের সাথে Edge টেবিল কানেক্ট করতে সাহায্য করে।
প্রপার্টি গ্রাফ তৈরি করুন
এখন, আপনি এই টেবিলগুলিকে restaurant.bombod নামক একটি একক সমন্বিত গ্রাফ স্ট্রাকচারে একত্রিত করেন।
আপনি নির্ধারণ করেন:
- নোড:
item,location,itemlocation - এজ:
makes,stored_atএবংconsists_of(BOM)
%%bigquery --project=$PROJECT_ID
CREATE OR REPLACE PROPERTY GRAPH `restaurant.bombod`
NODE TABLES (
`restaurant.item` KEY (itemKey) LABEL item PROPERTIES ALL COLUMNS,
`restaurant.location` KEY (locationKey) LABEL location PROPERTIES ALL COLUMNS,
`restaurant.itemlocation` KEY (itemLocationKey) LABEL itemlocation PROPERTIES ALL COLUMNS
)
EDGE TABLES (
`restaurant.makes`
KEY (itemLocationKey)
SOURCE KEY (itemLocationKey) REFERENCES `restaurant.itemlocation`(itemLocationKey)
DESTINATION KEY (itemKey) REFERENCES `restaurant.item`(itemKey)
LABEL makes PROPERTIES ALL COLUMNS,
`restaurant.bom`
KEY (bomKey)
SOURCE KEY (childItemLocation) REFERENCES `restaurant.itemlocation`(itemLocationKey)
DESTINATION KEY (parentItemLocation) REFERENCES `restaurant.itemlocation`(itemLocationKey)
LABEL consists_of PROPERTIES ALL COLUMNS,
`restaurant.stored_at`
KEY (itemLocationKey)
SOURCE KEY (itemLocationKey) REFERENCES `restaurant.itemlocation`(itemLocationKey)
DESTINATION KEY (locationKey) REFERENCES `restaurant.location`(locationKey)
LABEL stored_at PROPERTIES ALL COLUMNS
);
৬. সাপ্লাই চেনের ভিজ্যুয়ালাইজেশন
আপনি সম্পূর্ণ সাপ্লাই চেইন নেটওয়ার্ক দেখতে টপ-ডাউন ট্রাভার্সাল কোয়েরি চালাতে পারেন। স্ট্যান্ডার্ড নোটবুক বা UI-তে যা এটি সাপোর্ট করে (যেমন %%bigquery --graph), এটি একটি ভিজ্যুয়াল ম্যাপ রিটার্ন করে।
নোড ও এজ সেট-আপ পেতে অ্যাবসোলিউট গ্রাফ কোয়েরি ব্যবহার করুন।
মনে রাখবেন: আগে যেমন উল্লেখ করা হয়েছে, Google Colab বা Colab Enterprise নোটবুকে এটি এক্সিকিউট করতে, আপনি BigQuery ম্যাজিক কমান্ডও ব্যবহার করতে পারেন: %%bigquery এছাড়াও, Google Colab বা Colab Enterprise নোটবুকে গ্রাফ ভিজ্যুয়ালাইজ করতে, –graph ফ্ল্যাগ এইভাবে যোগ করুন: %%bigquery –graph
%%bigquery --project=$PROJECT_ID --graph output
Graph restaurant.bombod
match p=(a:itemlocation)-[c:consists_of]->(b:itemlocation)
match q=(a)-[d:stored_at]->(e:location)
optional match z=(f)-[g:makes]-(b)
return to_json(p) as ppath, to_json(q) as qpath, to_json(z) as zpath
আউটপুট:

৭. ব্যবহারের উদাহরণ ১: আপস্ট্রিম অভিযোগ ট্রেস করা
পরিস্থিতি: একজন গ্রাহক নিউ ইয়র্কের স্টোরে তার স্যান্ডউইচে চিকেনের কোয়ালিটি সম্পর্কে অভিযোগ করেছেন। তৈরি হয়ে যাওয়া আইটেমটি কীভাবে তৈরি হয়েছে তা দেখতে আপনাকে সেটির অ্যাসেম্বলি স্টেজের ঠিক আগের স্টেজটি দেখতে হবে।
ট্র্যাভার্সাল কোয়েরি
গ্রাফ ট্রাভার্সাল কোয়েরি ফর্ম্যাট ব্যবহার করে কোয়েরি রান করুন। এটি consists_ofটি এজ দেখে যা ডাউনস্ট্রিম অ্যাসেম্বলিকে আপস্ট্রিম উপাদানের সাথে সম্পর্কিত করে।
%%bigquery --project=$PROJECT_ID --graph
GRAPH restaurant.bombod
MATCH p=(a:itemlocation)-[c:consists_of]->(b:itemlocation)
OPTIONAL MATCH q=(b)-[d:stored_at]-(e)
return to_json(p) as ppath, to_json(q) as qpath
consists_of এজ টেবিল (Ingredient -> Finished)-এ তীরচিহ্নের দিকনির্দেশের কারণে, আপস্ট্রিমে প্রবাহিত একটি সার্চ দ্রুত লিঙ্কগুলি প্রদান করে যা নির্ভরশীল মেটেরিয়াল এবং স্টোরেজ লোকেশনগুলিকে আলাদা করে।
আউটপুট: 
৮. ব্যবহারিক ক্ষেত্র ২: ইমপ্যাক্ট অ্যানালিসিস
পরিস্থিতি: তুষারঝড়ের কারণে ওহাইও-র কলম্বাসে ডিস্ট্রিবিউশন সেন্টার বন্ধ হয়ে গেছে। আপনাকে জানতে হবে যে কোন কোন ডাউনস্ট্রিম প্রস্তুতি বা তৈরি হয়ে যাওয়া আইটেম অবিলম্বে প্রভাবিত হয়েছে।
ট্র্যাভার্সাল কোয়েরি
আপনি নির্দিষ্ট location থেকে শুরু করেন যা ডিস্ট্রিবিউশন সেন্টারকে উপস্থাপন করে, সেখানে স্টোর করা ইনভেনটরি শনাক্ত করেন এবং কোন কোন তৈরি আইটেমের জন্য সেগুলি প্রয়োজন তা দেখেন।
# @title Impact of a storm on a DC
%%bigquery --project=$PROJECT_ID --graph
Graph restaurant.bombod
match path1=(z:itemlocation)-[m:stored_at]->(dc:location) where dc.locationKey like '%DC-Sysco-Columbus-OH%'
match path2=(z:itemlocation)-[c:consists_of]->(b:itemlocation)
match path3=(b:itemlocation)-[n:makes]->(item:item)
optional match path4=(b)-[p:stored_at]->(q:location)
return to_json(path1) as path1, to_json(path2) as path2,to_json(path3) as path3, to_json(path4) as path4
আউটপুট: 
৯. ব্যবহারের ক্ষেত্র ৩: ডাউনস্ট্রিম রিকল
পরিস্থিতি: সাপ্লায়ার আপনাকে দূষিত প্রোডাক্টের একটি নির্দিষ্ট ব্যাচ সম্পর্কে জানায়: সাপ্লায়ারের থেকে লতা-পাকা টমেটো। আপনাকে ক্যাফেতে প্রভাবিত হওয়া সব ফাইনাল মেনু আইটেম খুঁজে বের করতে হবে।
ট্র্যাভার্সাল কোয়েরি
আপনি দূষিত কাঁচামালের লোকেশন খুঁজছেন, তারপর চূড়ান্তভাবে প্রভাবিত আইটেমগুলি খুঁজে পেতে ডাউনস্ট্রিমে প্রবাহিত একটি পাথ ট্রাভার্সাল পারফর্ম করুন।
%%bigquery --project=$PROJECT_ID --graph
Graph restaurant.bombod
match path1=(a:itemlocation)-[c:consists_of]->(b:itemlocation)-[e:makes]->(f:item) where f.itemKey like '%Tomato%'
return to_json(path1) as result
এই কোয়েরি ‘টমেটো’ শব্দের সাথে প্যাটার্ন ম্যাচ করে এমন সব আইটেম খুঁজে বের করে এবং আপস্ট্রিম রিলেশনশিপের সাথে ইন্টারটুইন করে, যার ফলে এটি একটি শক্তিশালী ম্যাপিং তৈরি করে যা কোন ক্যাফে আইটেমগুলি অবশ্যই রিকল করতে হবে তা খুঁজে বের করার জন্য প্রোপাগেট করে।
আউটপুট: 
১০. ক্লিন আপ করুন
আপনার ওয়ার্কস্পেসে কোনও অবশিষ্ট চার্জ এড়াতে, ওয়াকথ্রু ধাপগুলি সম্পূর্ণ করার পরে রিসোর্স মুছে দিন।
DROP SCHEMA `restaurant` CASCADE;
১১. উপসংহার
অভিনন্দন! আপনি BigQuery Graph ব্যবহার করে সাপ্লাই চেইনের মডেল তৈরি করেছেন এবং প্রভাব বিশ্লেষণ করেছেন।
পুরো বিষয়টি একনজরে
আপনি শিখেছেন:
- প্রাইমারি/ফরেন কী সহ গ্রাফ-কেন্দ্রিক রিলেশনাল সম্পর্ক ঘোষণা করুন।
- ইউনিফায়েড প্রপার্টি গ্রাফ তৈরি করুন।
- গ্রাফ কোয়েরি ট্রাভার্সাল লজিক ব্যবহার করে দক্ষতার সাথে মাল্টি-নোড সম্পর্ক নেভিগেট করুন।
গ্রাফ আর্কিটেকচার সম্পর্কে আরও ইনসাইট পেতে, Google Cloud ডকুমেন্ট দেখুন।