在BigQuery中，异步作业和批量查询是两种不同的查询方式。

异步作业是指将查询提交给BigQuery后，不会立即返回查询结果，而是返回一个作业ID。可以使用这个作业ID来获取查询结果。异步作业适用于处理大型数据集或执行复杂查询，因为它们可以在后台运行，并且不会对用户造成延迟。以下是一个示例代码：

from google.cloud import bigquery

# 初始化BigQuery客户端
client = bigquery.Client()

# 设置查询作业配置
job_config = bigquery.QueryJobConfig()
job_config.use_legacy_sql = False

# 构建查询SQL
query = """
SELECT
  col1,
  col2,
  ...
FROM
  `project.dataset.table`
WHERE
  ...
"""

# 提交异步查询作业
job = client.query(query, job_config=job_config)

# 打印作业ID
print("Job ID: ", job.job_id)

# 等待作业完成
job.result()

# 获取查询结果
results = job.to_dataframe()
print(results)

批量查询是指将查询提交给BigQuery后，会立即返回查询结果。但是对于大型数据集或复杂查询，批量查询可能会导致超时或资源限制的问题。以下是一个示例代码：

from google.cloud import bigquery

# 初始化BigQuery客户端
client = bigquery.Client()

# 设置查询配置
job_config = bigquery.QueryJobConfig()
job_config.use_legacy_sql = False

# 构建查询SQL
query = """
SELECT
  col1,
  col2,
  ...
FROM
  `project.dataset.table`
WHERE
  ...
"""

# 提交查询
query_job = client.query(query, job_config=job_config)

# 获取查询结果
results = query_job.result()

# 打印结果
for row in results:
    print(row)

需要注意的是，批量查询可能会因为查询结果过大而导致内存不足或请求超时。因此，对于大型数据集或复杂查询，建议使用异步作业来处理。