要使用Bigquery-Spark Connector进行大数据查询-Spark连接，您可以按照以下步骤进行操作：

1. 首先，确保您已经安装了Spark、Scala和Bigquery-Spark Connector。您可以在Spark官方网站上找到有关Spark和Scala的安装说明。要安装Bigquery-Spark Connector，您可以使用以下命令：

pyspark --packages com.google.cloud.spark:spark-bigquery-with-dependencies_2.12:0.19.1

2. 导入所需的库和模块：

from pyspark.sql import SparkSession

3. 创建一个SparkSession对象：

spark = SparkSession.builder \
    .appName("Bigquery-Spark Connector Example") \
    .getOrCreate()

4. 使用Bigquery-Spark Connector连接到BigQuery数据集：

project_id = "your-project-id"
dataset_id = "your-dataset-id"
table_name = "your-table-name"

df = spark.read \
    .format("bigquery") \
    .option("table", f"{project_id}.{dataset_id}.{table_name}") \
    .load()

5. 对数据进行转换和操作：

# 显示数据集中的前10行
df.show(10)

# 执行一些转换操作（例如过滤、聚合等）
filtered_df = df.filter(df["column_name"] > 100)

# 执行一些计算操作
result = filtered_df.groupBy("column_name").sum("another_column")

6. 对结果进行处理和展示：

# 显示计算结果
result.show()

# 将DataFrame保存到BigQuery表中
result.write \
    .format("bigquery") \
    .option("table", f"{project_id}.{dataset_id}.{result_table_name}") \
    .save()

这是一个简单的示例，演示了如何使用Bigquery-Spark Connector进行大数据查询-Spark连接。您可以根据自己的需求进行更复杂的转换和操作。