当使用BigQuery和Cloud SQL作为仪表板后端时，可以进行以下对比：

1. 数据存储方式：

• BigQuery是一种完全托管的无服务器数据仓库，适用于大规模的分析查询。数据以表格形式存储在BigQuery中，支持高并发查询和复杂的数据分析操作。
• Cloud SQL是一种托管的关系型数据库服务，支持MySQL和PostgreSQL。数据以表格形式存储在Cloud SQL实例中，具有ACID特性和事务支持。

2. 数据查询和分析能力：

• BigQuery具有强大的数据分析和查询功能，可以处理大型数据集，并支持复杂的SQL查询、聚合操作和窗口函数等。它还提供了嵌套查询、用户定义函数和标准SQL等高级功能。
• Cloud SQL也支持SQL查询和聚合操作，但相对于BigQuery来说，它更适用于小型规模的查询和事务处理。

3. 性能：

• BigQuery是为大规模分析查询而设计的，可以处理TB级别的数据。它具有自动扩展和优化查询性能的能力，并支持并行查询和智能数据分片。
• Cloud SQL适用于小规模的事务处理和查询，性能相对较低，尤其是在处理大数据集时。

下面是使用BigQuery和Cloud SQL的代码示例：

使用BigQuery查询数据：

from google.cloud import bigquery

# 创建BigQuery客户端
client = bigquery.Client()

# 查询数据
query = """
    SELECT *
    FROM `project.dataset.table`
    WHERE date >= '2022-01-01'
"""

# 执行查询
query_job = client.query(query)

# 获取查询结果
results = query_job.result()

# 处理查询结果
for row in results:
    print(row)

使用Cloud SQL查询数据：

import pymysql

# 创建MySQL连接
conn = pymysql.connect(
    host='localhost',
    user='username',
    password='password',
    db='database'
)

# 创建游标
cursor = conn.cursor()

# 执行查询
query = """
    SELECT *
    FROM table
    WHERE date >= '2022-01-01'
"""
cursor.execute(query)

# 获取查询结果
results = cursor.fetchall()

# 处理查询结果
for row in results:
    print(row)

# 关闭连接
cursor.close()
conn.close()

以上代码示例分别演示了如何使用BigQuery和Cloud SQL执行查询操作。具体的连接和查询语句需要根据实际情况进行修改。