BigQuery:在查询执行期间超过118%的峰值使用资源，在分析over()中使用最多

BigQuery是Google Cloud Platform（GCP）提供的一种全托管的大数据分析平台。它是一种快速、强大且可扩展的云原生数据仓库解决方案，适用于处理大规模结构化和非结构化数据。

BigQuery的特点和优势包括：

1. 强大的处理能力：BigQuery可以处理海量数据，支持PB级别的数据存储和查询。
2. 高性能：BigQuery采用分布式计算和列式存储，能够快速执行复杂的查询和分析任务。
3. 弹性扩展：BigQuery可以根据需求自动扩展计算和存储资源，无需用户手动管理。
4. 零操作维护：作为一种全托管的云服务，BigQuery无需用户关注底层基础设施的维护和管理。
5. 与其他GCP服务的无缝集成：BigQuery可以与其他GCP服务（如Google Cloud Storage、Google Data Studio等）无缝集成，提供全面的数据分析解决方案。

BigQuery适用于各种场景，包括但不限于：

1. 数据分析和探索：通过使用SQL查询语言，用户可以对大规模数据集进行复杂的分析和探索，发现数据中的模式和趋势。
2. 实时数据分析：BigQuery支持流式数据导入，可以实时处理和分析实时生成的数据，例如日志数据、传感器数据等。
3. 业务智能和报表：BigQuery可以与数据可视化工具（如Google Data Studio）结合使用，创建交互式的仪表板和报表，帮助用户更好地理解和展示数据。
4. 机器学习和人工智能：BigQuery可以与Google Cloud的机器学习服务（如Google Cloud AI Platform）集成，为机器学习模型提供数据支持。

对于查询执行期间超过118%的峰值使用资源和在分析over()中使用最多的问题，具体情况需要根据具体的查询语句和数据集来分析。一般来说，可以通过以下方式来优化查询性能：

1. 数据分区和分片：将数据按照时间或其他维度进行分区和分片，可以提高查询效率。
2. 数据压缩和列式存储：使用适当的压缩算法和列式存储格式，可以减少数据存储和传输的开销。
3. 查询优化：合理设计查询语句，避免不必要的计算和数据传输，使用合适的索引和过滤条件。
4. 并行计算：利用BigQuery的并行计算能力，合理设计查询任务的并发度和分片数。

对于BigQuery的相关产品和产品介绍链接地址，可以参考腾讯云的类似产品，如腾讯云的数据仓库TencentDB for TDSQL、数据分析服务Data Lake Analytics等。具体的产品选择和介绍可以根据实际需求和使用场景进行评估和选择。