列出超过90天的GCP BigQuery表

GCP BigQuery是Google Cloud Platform（GCP）提供的一种托管式数据仓库和分析服务。它是一种快速、可扩展且完全托管的云原生数据仓库解决方案，适用于大规模数据分析和业务智能应用。

GCP BigQuery的主要特点和优势包括：

1. 高性能：BigQuery利用Google的基础设施和分布式计算技术，能够在处理大规模数据时提供快速的查询和分析能力。
2. 弹性扩展：BigQuery可以根据数据量的增长自动扩展，无需用户手动调整硬件资源。
3. 零管理：作为一种托管式服务，BigQuery无需用户关注底层基础设施的管理，用户只需专注于数据分析和查询。
4. 高可靠性：BigQuery提供了数据冗余和持久性保证，确保数据的安全性和可靠性。
5. SQL兼容性：BigQuery支持标准SQL查询语言，使得开发人员和数据分析师能够快速上手和使用。
6. 与其他GCP服务集成：BigQuery可以与其他GCP服务（如Google Cloud Storage、Google Data Studio等）无缝集成，提供更全面的数据分析和可视化能力。

对于超过90天的GCP BigQuery表，可以采取以下步骤：

1. 创建表：使用BigQuery提供的API或控制台界面，创建一个新的表，并指定相应的表模式（schema）和字段类型。
2. 导入数据：将需要分析的数据导入到BigQuery表中。可以通过多种方式导入数据，如批量导入、实时流式导入、外部数据源导入等。
3. 数据分析：使用BigQuery的SQL查询语言，编写查询语句对表中的数据进行分析。可以进行聚合、过滤、连接等操作，以获取所需的分析结果。
4. 数据可视化：将查询结果导出到其他工具或使用Google Data Studio等可视化工具，对数据进行可视化展示和分析。
5. 数据维护：根据实际需求，定期维护和更新BigQuery表中的数据，以保持数据的准确性和完整性。

在GCP中，除了BigQuery，还有其他相关的产品和服务可以结合使用，以提升数据分析和处理的能力。以下是一些推荐的腾讯云相关产品和产品介绍链接地址：

1. Google Cloud Storage：用于存储和管理大规模数据的对象存储服务。链接：https://cloud.google.com/storage
2. Google Data Studio：用于创建和共享数据可视化报表和仪表盘的在线工具。链接：https://datastudio.google.com/
3. Google Cloud Pub/Sub：用于实现可靠的、实时的消息传递和事件驱动的服务。链接：https://cloud.google.com/pubsub
4. Google Cloud Dataflow：用于构建和执行大规模数据处理和ETL（抽取、转换、加载）流水线的托管式服务。链接：https://cloud.google.com/dataflow
5. Google Cloud Dataproc：用于在云中快速创建和管理Apache Hadoop和Apache Spark集群的托管式服务。链接：https://cloud.google.com/dataproc

通过结合使用这些产品和服务，可以构建强大的数据分析和处理解决方案，满足各种业务需求。