创建 Delta Lake BigLake 表

如需针对此功能提交反馈或请求支持,请发送电子邮件至 biglake-help@google.com

BigLake 可让您通过更精细的访问权限控制来访问 Delta Lake 表。Delta Lake 是由 Databricks 开发的开源表格数据存储格式,支持 PB 级数据表。

BigQuery 支持 Delta Lake 表的以下功能:

  • 访问权限委派:使用访问权限委派查询外部数据存储区中的结构化数据。委托访问权限功能将对 Delta Lake 表的访问权限与对底层数据存储区的访问权限分离。
  • 精细的访问权限控制: 在表级层强制执行精细的安全措施,包括行级层列级层安全性。对于基于 Cloud Storage 的 Delta Lake 表,您还可以使用动态数据遮盖
  • 架构演变:系统会自动检测 Delta Lake 表中的架构更改。对架构的更改会反映在 BigQuery 表中。

当您将 Delta Lake 表配置为 BigLake 表时,该表还支持所有 BigLake 功能。

准备工作

  1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  2. 确保您的 Google Cloud 项目已启用结算功能

  3. Enable the BigQuery Connection and BigQuery Reservation APIs.

    Enable the APIs

  4. In the Google Cloud console, activate Cloud Shell.

    Activate Cloud Shell

  5. 确保您拥有 BigQuery 数据集

  6. 确保您的 Google Cloud SDK 为 366.0.0 版或更高版本:

    gcloud version
    

    如有需要,请更新 Google Cloud SDK

  7. 创建基于外部数据源的 Cloud 资源连接,并为该连接授予 Cloud Storage 的访问权限。如果您没有适当的权限来创建连接,请让 BigQuery 管理员创建一个连接并与您共享。

所需的角色

创建 Delta Lake 表需要以下权限:

  • bigquery.tables.create
  • bigquery.connections.delegate

BigQuery Admin (roles/bigquery.admin) 预定义的 Identity and Access Management 角色包含这些权限。

如果您不是此角色的主账号,请让您的管理员授予您这些权限或为您创建 Delta Lake 表。

此外,如需允许 BigQuery 用户查询表,与连接关联的服务账号必须具有以下权限和访问权限:

  • BigQuery Viewer (roles/bigquery.viewer) 角色
  • BigQuery Connection User (roles/bigquery.connectionUser) 角色
  • 访问包含这些数据的 Cloud Storage 存储桶

如需详细了解 BigQuery 中的 Identity and Access Management 角色和权限,请参阅预定义的角色和权限

使用 Delta Lake 创建表

如需创建 Delta Lake 表,请按照以下步骤操作。

SQL

使用 CREATE EXTERNAL TABLE 语句创建 Delta Lake 表:

CREATE EXTERNAL TABLE `PROJECT_ID.DATASET.DELTALAKE_TABLE_NAME`
WITH CONNECTION `PROJECT_ID.REGION.CONNECTION_ID`
OPTIONS (
  format ="DELTA_LAKE",
  uris=['DELTA_TABLE_GCS_BASE_PATH']);

替换以下值:

  • PROJECT_ID:您要在其中创建 Delta Lake 表的项目的 ID
  • DATASET:包含 Delta Lake 表的 BigQuery 数据集
  • DELTALAKE_TABLE_NAME:Delta Lake 表的名称
  • REGION:包含用于创建 Delta Lake 表的连接的区域,例如 us
  • CONNECTION_ID:连接 ID,例如 myconnection

    当您在 Google Cloud 控制台中查看连接详情时,连接 ID 是连接 ID 中显示的完全限定连接 ID 的最后一部分中的值,例如 projects/myproject/locations/connection_location/connections/myconnection

  • DELTA_TABLE_GCS_BASE_PATH:Delta Lake 表前缀

bq

在命令行环境中,使用 bq mk 命令创建 Delta Lake 表:

bq mk --table --external_table_definition=DEFINITION_FILE PROJECT_ID:DATASET.DELTALAKE_TABLE_NAME

替换以下值:

  • DEFINITION_FILE:表定义文件的路径
  • PROJECT_ID:您要在其中创建 Delta Lake 表的项目的 ID
  • DATASET:包含 Delta Lake 表的 BigQuery 数据集
  • DELTALAKE_TABLE_NAME:Delta Lake 表的名称

REST

使用 BigQuery API 通过调用 tables.insert API 方法创建 Delta Lake 表:

REQUEST='{
  "autodetect": true,
  "externalDataConfiguration": {
  "sourceFormat": "DELTA_LAKE",
  "connectionId": "PROJECT_ID.REGION.CONNECTION_ID",
  "sourceUris": [
    "DELTA_TABLE_GCS_BASE_PATH"
  ],
 },
"tableReference": {
"tableId": "DELTALAKE_TABLE_NAME"
}
}'

echo $REQUEST | curl -X POST -d @- -H "Content-Type: application/json" -H "Authorization: Bearer $(gcloud auth print-access-token)" https://bigquery.googleapis.com/bigquery/v2/projects/PROJECT_ID/datasets/DATASET/tables?autodetect_schema=true

替换以下值:

  • PROJECT_ID:您要在其中创建 Delta Lake 表的项目的 ID
  • REGION:包含用于创建 Delta Lake 表的连接的区域,例如 us
  • CONNECTION_ID:连接 ID,例如 myconnection

    当您在 Google Cloud 控制台中查看连接详情时,连接 ID 是连接 ID 中显示的完全限定连接 ID 的最后一部分中的值,例如 projects/myproject/locations/connection_location/connections/myconnection

  • DELTA_TABLE_GCS_BASE_PATH:Delta Lake 表前缀

  • DELTALAKE_TABLE_NAME:Delta Lake 表的名称

  • DATASET:包含 Delta Lake 表的 BigQuery 数据集

创建 Delta Lake 表时,Delta Lake 前缀将用作表的 URI。例如,对于在存储桶 gs://bucket/warehouse/basictable/_delta_log 中包含日志的表,表 URI 为 gs://bucket/warehouse/basictable。在 Delta Lake 表运行查询时,BigQuery 会读取前缀下的数据以标识表的当前版本,然后计算该表的元数据和文件。

更新 Delta Lake 表

如需更新(刷新)Delta Lake 表的架构,请按照以下步骤操作。

bq

在命令行环境中,使用 bq update 命令更新(刷新)Delta Lake 表的架构:

bq update --autodetect_schema PROJECT_ID:DATASET.DELTALAKE_TABLE_NAME

替换以下值:

  • PROJECT_ID:您要在其中创建 Delta Lake 表的项目的 ID
  • DATASET:包含 Delta Lake 表的 BigQuery 数据集
  • DELTALAKE_TABLE_NAME:Delta Lake 表的名称

REST

使用 BigQuery API 通过调用 tables.patch API 方法更新 Delta Lake 表:

REQUEST='{
  "externalDataConfiguration": {
    "sourceFormat": "DELTA_LAKE",
    "sourceUris": [
      "DELTA_TABLE_GCS_BASE_PATH"
    ],
    "connectionId": "PROJECT_ID.REGION.CONNECTION_ID",
    "autodetect": true
  },
  "tableReference": {
    "tableId": "DELTALAKE_TABLE_NAME"
  }
}'
echo $REQUEST |curl -X POST -d @- -H "Content-Type: application/json" -H "Authorization: Bearer $(gcloud auth print-access-token)" https://bigquery.googleapis.com/bigquery/v2/projects/PROJECT_ID/datasets/DATASET/tables

替换以下值:

  • DELTA_TABLE_GCS_BASE_PATH:Delta Lake 表前缀
  • PROJECT_ID:您要在其中创建 Delta Lake 表的项目的 ID
  • REGION:包含用于创建 Delta Lake 表的连接的区域,例如 us
  • CONNECTION_ID:连接 ID,例如 myconnection

    当您在 Google Cloud 控制台中查看连接详情时,连接 ID 是连接 ID 中显示的完全限定连接 ID 的最后一部分中的值,例如 projects/myproject/locations/connection_location/connections/myconnection

  • DELTALAKE_TABLE_NAME:Delta Lake 表的名称

  • DATASET:包含 Delta Lake 表的 BigQuery 数据集

查询 Delta Lake 表

创建 Delta Lake BigLake 表后,您可以使用 GoogleSQL 语法查询表,就像查询标准 BigQuery 表一样。例如:

SELECT field1, field2 FROM mydataset.my_cloud_storage_table;

如需了解详情,请参阅查询 BigLake 表中的 Cloud Storage 数据

与服务账号关联的外部连接用于连接到数据存储区。由于服务账号从数据存储区中检索数据,因此用户只需要访问 Delta Lake 表。

数据映射

BigQuery 会将 Delta Lake 数据类型转换为 BigQuery 数据类型,如下表所示:

Delta Lake 类型 BigQuery 类型
boolean BOOL
byte INT64
int INT64
long INT64
float FLOAT64
double FLOAT64
Decimal(P/S) NUMERICBIG_NUMERIC,具体取决于精度
date DATE
time TIME
timestamp (not partition column) TIMESTAMP
timestamp (partition column) DATETIME
string STRING
binary BYTES
array<Type> ARRAY<Type>
struct STRUCT
map<KeyType, ValueType> ARRAY<Struct<key KeyType, value ValueType>>

限制

Delta Lake 表除了 BigLake 表限制之外,还具有以下限制:

  • 支持具有删除向量和列映射的 Delta Lake 读取器版本 3。
  • 您必须在最后一个日志条目文件中列出读取器版本。例如,新表必须包含 00000..0.json
  • 不支持变更数据捕获 (CDC) 操作。任何现有 CDC 操作都会被忽略。
  • 架构是自动检测的。 不支持使用 BigQuery 修改架构。
  • 表列名称必须遵循 BigQuery 列名称限制
  • 不支持具体化视图。
  • Delta Lake 不支持 Read API。