Como criar e usar tabelas particionadas por tempo de ingestão

Neste documento, você verá como criar e usar tabelas particionadas por tempo de ingestão no BigQuery. Para mais informações sobre tabelas particionadas por data e carimbo de data/hora, consulte Como criar e usar tabelas particionadas por data e carimbo de data/hora. Para mais informações sobre tabelas particionadas por intervalo de número inteiro, consulte Como criar e usar tabelas particionadas por intervalo de números inteiros.

Depois de criar uma tabela particionada por tempo de ingestão, será possível:

• controlar o acesso aos dados de sua tabela;
• Receber informações sobre suas tabelas particionadas
• Listar as tabelas particionadas em um conjunto de dados
• receber os metadados das tabelas particionadas usando metatabelas.

Para mais informações sobre como gerenciar tabelas particionadas, incluindo atualização de propriedades, cópia e exclusão de tabelas, consulte Como gerenciar tabelas particionadas.

Como criar tabelas particionadas por tempo de ingestão

É possível criar uma tabela particionada por tempo de ingestão no BigQuery:

• usando uma instrução DDL CREATE TABLE com partition_expression;
• manualmente, usando o Console do Cloud ou a IU da Web clássica do BigQuery;
• usando o comando bq mk da ferramenta de linha de comando;
• programaticamente, chamando o método da API tables.insert;
• usando as bibliotecas de cliente;
• dos resultados da consulta;
• ao carregar dados;
• ao converter tabelas com dados fragmentados em tabelas particionadas.

Nomenclatura de tabelas

Ao criar uma tabela no BigQuery, o nome dela precisa ser exclusivo para cada conjunto de dados. Esse nome pode:

• conter até 1.024 caracteres;
• conter letras (maiúsculas e minúsculas), números e sublinhados.

Permissões necessárias

Para criar uma tabela, você precisa ter pelo menos as seguintes permissões:

• bigquery.tables.create para criar a tabela
• bigquery.tables.updateData para gravar dados na tabela usando um job de carregamento, de consulta ou de cópia
• bigquery.jobs.create para executar um job de consulta, de carregamento ou de cópia que grave os dados na tabela

Outras permissões, como bigquery.tables.getData, podem ser necessárias para acessar os dados que você está gravando na tabela.

Os seguintes papéis predefinidos do Cloud IAM incluem as permissões bigquery.tables.create e bigquery.tables.updateData:

• bigquery.dataEditor
• bigquery.dataOwner
• bigquery.admin

Os papéis predefinidos do Cloud IAM abaixo incluem permissões bigquery.jobs.create:

• bigquery.user
• bigquery.jobUser
• bigquery.admin

Além disso, se um usuário tiver permissões bigquery.datasets.create ao criar um conjunto de dados, será concedido o acesso bigquery.dataOwner. O acesso bigquery.dataOwner permite que o usuário crie e atualize tabelas no conjunto de dados.

Para mais informações sobre os papéis e permissões do Cloud IAM no BigQuery, consulte Permissões e papéis predefinidos.

Como criar uma tabela particionada por tempo de ingestão vazia com definição de esquema

Ao criar uma tabela particionada por tempo de ingestão vazia com uma definição de esquema, é possível:

• usar o Console do Cloud ou a IU da Web clássica do BigQuery para inserir o esquema;
• usar a ferramenta de linha de comando para fornecer o esquema in-line;
• usar a ferramenta de linha de comando para enviar um arquivo de esquema JSON;
• fornecer o esquema em um recurso de tabela ao chamar o método tables.insert da API.

Para mais informações sobre como especificar um esquema de tabela, consulte Como especificar um esquema.

Após a criação da tabela particionada por tempo, é possível:

• carregar dados nela;
• Gravar os resultados da consulta nela
• copiar dados para ela.

Para criar uma tabela particionada por tempo de ingestão vazia com definição de esquema:

Console

1. Selecione um conjunto de dados na seção Recursos do painel de navegação. Clique em Criar tabela do lado direito da janela.
2. Na página Criar tabela, na seção Origem, selecione Criar tabela vazia.

3. Na página Criar tabela, na seção Destino:

   • Em Nome do conjunto de dados, escolha o conjunto apropriado.

   • No campo Nome da tabela, insira o nome da tabela que você está criando no BigQuery.

   • Verifique se o Tipo de tabela está definido como Tabela nativa.

4. Na seção Esquema, insira a definição do esquema.

   • Insira as informações do esquema manualmente:

     • ative Editar como texto e insira o esquema da tabela como uma matriz JSON.

       Observação: para ver o esquema de uma tabela atual no formato JSON, insira o seguinte comando da CLI: bq show --format=prettyjson dataset.table.

     • Use Adicionar campo para inserir manualmente o esquema.

5. Na seção Configurações de particionamento e cluster:

   • Em Particionamento, clique em Sem particionamento e selecione Partição por tempo de ingestão.

6. Opcional: em Filtro de particionamento, clique na caixa Exigir filtro de particionamento para solicitar que os usuários incluam uma cláusula WHERE que especifique as partições a serem consultadas. Exigir um filtro de partição pode reduzir os custos e melhorar o desempenho. Para mais informações, acesse Como consultar tabelas particionadas.

7. Opcional: clique em Opções avançadas e, para Criptografia, selecione Chave gerenciada pelo cliente para usar uma chave do Cloud Key Management Service. Se você escolher a configuração Chave gerenciada pelo Google, o BigQuery criptografará os dados em repouso.

8. Clique em Criar tabela.

Observação: ao criar uma tabela particionada vazia usando a IU da Web, não é possível adicionar um rótulo, uma descrição, uma validade da tabela ou da partição. É possível adicionar essas propriedades opcionais ao criar uma tabela usando a CLI ou a API.

Após a criação da tabela, é possível atualizar a validade, a descrição e os rótulos da tabela particionada. Não é possível adicionar uma expiração de partição após a criação de uma tabela usando a IU da Web do BigQuery.

IU clássica

1. Clique no ícone de seta para baixo ao lado do nome do conjunto de dados na navegação e clique em Criar nova tabela.

2. Na página Criar tabela, na seção Dados de origem, clique em Criar tabela vazia.

3. Na página Create Table, na seção Destination Table:

   • Em Table name, escolha o conjunto de dados apropriado e, no campo adequado, insira o nome da tabela que você está criando.
   • Verifique se o Tipo de tabela está definido como Tabela nativa.

4. Na seção Esquema, insira manualmente a definição do esquema.

   • É possível inserir informações de esquema manualmente com um destes procedimentos:

     • Clique em Editar como texto e insira o esquema da tabela como uma matriz JSON:

       

       Observação: para ver o esquema de uma tabela no formato JSON, insira o seguinte comando da CLI: bq show --schema
--format=prettyjson
project_id:dataset.table.

     • Use Adicionar campo para inserir o esquema:

       

5. Na seção Opções:

   • Em Particionamento, clique em Nenhum e selecione Dia.
   • Em Tipo de criptografia, deixe a opção Default. Esta propriedade refere-se a chaves de criptografia gerenciadas pelo cliente. Por padrão, o BigQuery criptografa o conteúdo do cliente armazenado em repouso.

6. Clique em Criar tabela.

Observação: ao criar uma tabela particionada vazia usando a IU da Web, não é possível adicionar um rótulo, uma descrição, uma validade da tabela ou da partição. É possível adicionar essas propriedades opcionais ao criar uma tabela usando a CLI ou a API.

Após a criação da tabela, é possível atualizar a validade, a descrição e os rótulos da tabela particionada. Não é possível adicionar uma expiração de partição após a criação de uma tabela usando a IU da Web do BigQuery.

CLI

Use o comando mk com a sinalização --table (ou atalho -t) e --time_partitioning_type=DAY. Atualmente, DAY é o único valor compatível com --time_partitioning_type. Forneça a definição de esquema da tabela in-line ou por meio de um arquivo de esquema JSON. Os parâmetros opcionais incluem --expiration, --description, --time_partitioning_expiration, --destination_kms_key e --label. Se você estiver criando uma tabela em um projeto diferente do projeto padrão, adicione o ID do projeto ao conjunto de dados no seguinte formato: project_id:dataset.

--destination_kms_key não é demonstrado aqui. Para mais informações sobre o uso dessa sinalização, consulte Como proteger dados com chaves do Cloud KMS.

Digite o comando abaixo para criar uma tabela particionada por tempo de ingestão vazia com uma definição de esquema:

bq mk --table \
--expiration integer1 \
--time_partitioning_type=DAY \
--time_partitioning_expiration integer2 \
--description "description" \
-label key:value,key:value \
project_id:dataset.table \
schema

Em que:

• integer1 é a vida útil padrão, em segundos, da tabela. O valor mínimo é de 3.600 segundos (uma hora). O prazo de expiração é a soma do horário UTC atual com o valor inteiro. Se você definir o prazo de expiração da tabela ao criar uma tabela particionada, a configuração de expiração da tabela padrão do conjunto de dados será ignorada. Definir esse valor exclui a tabela e todas as partições após o tempo especificado.
• integer2 é a vida útil padrão, em segundos, das partições da tabela. Não há valor mínimo. O prazo de validade o é avaliado para a data da partição acrescida deste valor. A expiração da partição é independente da expiração da tabela, mas não a substitui. Se você definir uma data de validade da partição maior do que a validade da tabela, a data da tabela terá precedência;
• description é uma descrição da tabela entre aspas.
• key:value é o par de chave-valor que representa um rótulo. Insira vários marcadores usando uma lista separada por vírgulas.
• project_id é o ID do projeto.
• dataset é um conjunto de dados no projeto;
• table é o nome da tabela particionada por tempo que você está criando;
• schema é uma definição de esquema in-line no formato column:data_type,column:data_type ou o caminho para o arquivo de esquema JSON na máquina local.

Quando você especifica o esquema na linha de comando, não é possível incluir um tipo RECORD (STRUCT), uma descrição de coluna nem especificar o modo da coluna. Todos os modos assumem NULLABLE como padrão. Para incluir descrições, modos e tipos RECORD, forneça um arquivo de esquema JSON.

Exemplos:

Digite o seguinte comando para criar uma tabela particionada por tempo de ingestão chamada mytable in mydataset no seu projeto padrão. A validade do particionamento é definida como 259.200 segundos (3 dias), a validade da tabela como 2.592.000 (1 mês com 30 dias), a descrição como This is my time-partitioned table e o rótulo como organization:development. O comando usa o atalho -t em vez de --table. O esquema é especificado in-line como: qtr:STRING,sales:FLOAT,year:STRING

bq mk -t \
--expiration 2592000 \
--time_partitioning_type=DAY \
--time_partitioning_expiration 259200 \
--description "This is my time-partitioned table" \
--label organization:development \
mydataset.mytable \
qtr:STRING,sales:FLOAT,year:STRING

Digite o comando a seguir para criar uma tabela particionada por tempo chamada mytable em myotherproject, não no projeto padrão. A validade do particionamento é configurada como 259.200 segundos (três dias), a descrição como This is my time-partitioned table e o rótulo como organization:development. O comando usa o atalho -t em vez de --table. Esse comando não especifica uma validade de tabela. Se o conjunto de dados tiver uma expiração de tabela padrão, ela será aplicada. Se o conjunto de dados não tiver uma validade de tabela padrão, a tabela nunca expirará, mas as partições expirarão em três dias. O caminho para o arquivo de esquema é /tmp/myschema.json.

bq mk -t \
--time_partitioning_type=DAY \
--time_partitioning_expiration 259200 \
--description "This is my time-partitioned table" \
--label organization:development \
myotherproject:mydataset.mytable \
/tmp/myschema.json

Após a criação da tabela, é possível atualizar a validade da tabela, a validade da partição, a descrição e os rótulos da tabela particionada por tempo de ingestão.

API

Descreva o método tables.insert com um recurso de tabela definido que especifique a propriedade timePartitioning e a propriedade schema.

Como criar uma tabela particionada por tempo de ingestão com base em um resultado de consulta

Para criar uma tabela particionada de um resultado de consulta, grave os resultados em uma nova tabela de destino. Para criar uma nova tabela particionada, consulte uma tabela particionada ou uma não particionada. Não é possível alterar uma tabela atual para uma particionada usando os resultados da consulta.

Para mais informações sobre como consultar tabelas particionadas por tempo, veja Como consultar tabelas particionadas.

Console

Não é possível especificar opções de particionamento para uma tabela de destino ao consultar dados usando a IU da Web do BigQuery do console.

IU clássica

Ao consultar dados usando a IU da Web do BigQuery, não é possível especificar opções de particionamento para uma tabela de destino.

CLI

Insira o comando bq query e especifique a sinalização --destination_table para criar uma tabela permanente com base nos resultados da consulta. Especifique a sinalização --time_partitioning_type=DAY para criar uma tabela de destino particionada por tempo de ingestão. Atualmente, DAY é o único valor compatível com --time_partitioning_type.

Especifique a sinalização use_legacy_sql=false para usar a sintaxe SQL padrão. Para gravar os resultados da consulta em uma tabela que não esteja no projeto padrão, adicione o ID do projeto ao nome do conjunto de dados no formato a seguir: project_id:dataset.

(Opcional) Forneça a sinalização --location e defina o valor para seu local.

Digite o comando a seguir para criar uma nova tabela de destino particionada por tempo de ingestão com base em um resultado de consulta:

bq --location=location query \
--destination_table project_id:dataset.table \
--time_partitioning_type=DAY \
--use_legacy_sql=false \
'query'

Em que:

• location é o nome do local. A sinalização --location é opcional. Por exemplo, se estiver usando o BigQuery na região de Tóquio, defina o valor da sinalização como asia-northeast1. É possível definir um valor padrão para o local usando o arquivo .bigqueryrc;
• project_id é o ID do projeto;
• dataset é o nome do conjunto de dados em que será incluída a tabela particionada.
• table é o nome da tabela particionada por tempo criada com o uso dos resultados da consulta;
• query é uma consulta na sintaxe SQL padrão.

Exemplos:

Observação: nestes exemplos, consultamos um conjunto de dados públicos localizado nos EUA. Como o conjunto de dados público é armazenado no local multirregional dos EUA, o conjunto de dados que contém a tabela de destino também precisa estar nesse país. Não é possível consultar um conjunto de dados em um local e gravar os resultados em uma tabela de destino em outro local.

Digite o seguinte comando para gravar os resultados da consulta em uma tabela de destino particionada por tempo de ingestão chamada mytable em mydataset. O conjunto de dados está no projeto padrão. A consulta recupera dados de uma tabela não particionada: o conjunto de dados públicos do USA Name Data.

bq query \
--destination_table mydataset.mytable \
--time_partitioning_type=DAY \
--use_legacy_sql=false \
'SELECT
   name,
   number
 FROM
   `bigquery-public-data`.usa_names.usa_1910_current
 WHERE
   gender = "M"
 ORDER BY
   number DESC'

Digite o seguinte comando para gravar os resultados da consulta em uma tabela de destino particionada por tempo de ingestão chamada mytable em mydataset. O conjunto de dados está em myotherproject, e não no projeto padrão. A consulta recupera dados de uma tabela não particionada: o conjunto de dados públicos do USA Name Data.

bq query \
--destination_table myotherproject:mydataset.mytable \
--time_partitioning_type=DAY \
--use_legacy_sql=false \
'SELECT
   name,
   number
 FROM
   `bigquery-public-data`.usa_names.usa_1910_current
 WHERE
   gender = "M"
 ORDER BY
   number DESC'

API

Para salvar os resultados da consulta em uma tabela particionada por tempo de ingestão permanente, chame o método jobs.insert, configure um job query e inclua um valor para as propriedades destinationTable e timePartitioning.

Como criar uma tabela particionada por tempo de ingestão ao carregar dados

É possível criar uma tabela particionada por tempo de ingestão especificando opções de particionamento ao carregar dados em uma nova tabela. Não é necessário criar uma tabela particionada vazia antes de carregar dados nela. É possível criar a tabela particionada e carregue seus dados ao mesmo tempo.

Ao carregar dados no BigQuery, forneça o esquema da tabela ou, para formatos de dados compatíveis, use a detecção automática de esquema.

Os decoradores de partição permitem que você carregue os dados em uma partição específica. Para ajustar os fusos horários, use um decorador para carregar os dados em uma partição com base no fuso horário da sua preferência. Por exemplo, se você estiver no Horário Padrão do Pacífico (PST, na sigla em inglês), carregue todos os dados gerados em 1º de maio de 2016 PST na partição dessa data usando o decorador de partição correspondente:

table_name$20160501

Para mais informações sobre como carregar dados, consulte Introdução ao carregamento de dados no BigQuery.

Como converter tabelas fragmentadas por data em tabelas particionadas por tempo de ingestão

Se você já criou tabelas fragmentadas por data, é possível converter todo o conjunto de tabelas relacionadas em uma única tabela particionada por tempo de ingestão usando o comando partition na ferramenta de linha de comando bq. As tabelas fragmentadas por data precisam usar a convenção de nomenclatura a seguir: table_YYYYMMDD. Por exemplo: mytable_20160101, ... , mytable_20160331.

Os parâmetros opcionais incluem --time_partitioning_expiration, --location e --time_partitioning_type. Como --time_partitioning_type=DAY é o único valor aceito no momento, esse parâmetro é opcional. Se as tabelas de origem ou a tabela de destino estiverem em um projeto diferente do padrão, adicione o ID do projeto ao nome do conjunto no seguinte formato: project_id:dataset.

Observação: as sinalizações --label, --expiration e --description não são compatíveis com o comando partition. É possível adicionar rótulos, uma validade de tabela e uma descrição à tabela particionada depois que ela for criada.

Digite o comando a seguir para converter uma série de tabelas fragmentadas por data em uma única tabela particionada por tempo de ingestão:

bq --location=location partition \
--time_partitioning_type=DAY \
--time_partitioning_expiration integer \
project_id:dataset.source_table_ \
project_id:dataset.destination_table

Em que:

• location é o nome do local. A sinalização --location é opcional. Por exemplo, se você estiver usando o BigQuery na região de Tóquio, defina o valor da sinalização como asia-northeast1. É possível definir um valor padrão para o local usando o arquivo .bigqueryrc;
• integer é a vida útil padrão (em segundos) das partições da tabela. Não há valor mínimo. O prazo de expiração é avaliado até a data UTC da partição mais o valor inteiro. A expiração da partição é independente da expiração da tabela, mas não a substitui. Se você definir uma data de validade da partição maior do que a validade da tabela, a data da tabela terá precedência;
• project_id é o ID do projeto;
• dataset é um conjunto de dados no projeto;
• sourcetable é o prefixo da tabela fragmentada por data;
• destination_table é o nome da tabela particionada que você está criando.

Exemplos:

Digite o seguinte comando para criar uma tabela particionada por tempo de ingestão chamada mytable_partitioned in mydataset no seu projeto padrão. A validade do particionamento é definida como 259.200 segundos (três dias). As tabelas de origem fragmentadas por data são prefixadas com sourcetable_. As tabelas de origem também estão no projeto padrão.

bq partition \
--time_partitioning_type=DAY \
--time_partitioning_expiration 259200 \
mydataset.sourcetable_ \
mydataset.mytable_partitioned

Ao executar o comando, é criado um job de cópia que gera partições das tabelas fragmentadas. Por exemplo, se as tabelas fragmentadas por data forem sourcetable_20180126 e sourcetable_20180127, o job de cópia criará as partições mydataset.mytable_partitioned$20180126 e mydataset.mytable_partitioned$20180127.

Digite o seguinte comando para criar uma tabela particionada por tempo de ingestão chamada mytable_partitioned em mydataset. mydataset está em myotherproject, e não no seu projeto padrão. A validade do particionamento é definida como 86.400 segundos (um dia). As tabelas de origem fragmentadas por data são prefixadas com sourcetable_. As tabelas de origem estão no projeto padrão.

bq partition \
--time_partitioning_type=DAY \
--time_partitioning_expiration 86400 \
mydataset.sourcetable_ \
myotherproject:mydataset.mytable_partitioned

Digite o seguinte comando para criar uma tabela particionada por tempo de ingestão chamada mytable_partitioned in mydataset no seu projeto padrão. mydataset foi criado na região asia-northeast1. A validade do particionamento é definida como 259.200 segundos (três dias). As tabelas de origem fragmentadas por data são prefixadas com sourcetable_. As tabelas de origem também estão no projeto padrão.

bq --location=asia-northeast1 partition \
--time_partitioning_type=DAY \
--time_partitioning_expiration 259200 \
mydataset.sourcetable_ \
mydataset.mytable_partitioned

Como controlar o acesso a tabelas particionadas por tempo

Não é possível atribuir controles de acesso diretamente a tabelas ou partições. Para controlar o acesso à tabela, configure controles de acesso no nível do conjunto de dados ou acima.

Em vez de conceder acesso a conjuntos de dados individuais, é possível atribuir papéis predefinidos do Cloud IAM que concedem permissões no nível do projeto ou acima.

Também é possível criar papéis personalizados. Nesse caso, as permissões concedidas dependerão das operações da tabela que você quer atribuir ao usuário, grupo ou a conta de serviço.

Para saber mais sobre papéis e permissões, consulte:

• Noções básicas sobre papéis na documentação do Cloud IAM
• Permissões e papéis predefinidos do BigQuery
• Como atribuir controles de acesso a conjuntos de dados

Como usar tabelas particionadas por tempo de ingestão

Como conseguir informações sobre tabelas particionadas por tempo de ingestão

Para ver mais informações sobre tabelas:

• Use o Console do Cloud ou a IU da Web clássica do BigQuery;
• use o comando bq show da CLI;
• Chame o método da API tables.get.
• Use as bibliotecas de cliente.

Permissões necessárias

No mínimo, para ver informações sobre tabelas, você precisa receber as permissões bigquery.tables.get. Os papéis predefinidos do Cloud IAM a seguir incluem permissões bigquery.tables.get:

• bigquery.metadataViewer
• bigquery.dataViewer
• bigquery.dataOwner
• bigquery.dataEditor
• bigquery.admin

Além disso, se um usuário tiver permissões bigquery.datasets.create ao criar um conjunto de dados, será concedido o acesso bigquery.dataOwner. O acesso bigquery.dataOwner permite que o usuário receba informações sobre tabelas em um conjunto de dados.

Para mais informações sobre os papéis e permissões do Cloud IAM no BigQuery, consulte Permissões e papéis predefinidos.

Como conseguir informações da tabela particionada por tempo de ingestão

Para ver informações sobre uma tabela particionada por tempo de ingestão:

Console

1. Abra a IU da Web do BigQuery no Console do Cloud.
   Acesse o Console do Cloud

2. No painel de navegação, na seção Recursos, expanda seu projeto e selecione um conjunto de dados para listar as tabelas e visualizações que ele contém.

3. Clique no nome da tabela.

4. Clique em Detalhes. Essa guia exibe a descrição e as informações da tabela.

   

5. Clique na guia Esquema para ver a definição do esquema da tabela. Observe a pseudocoluna adicional _PARTITIONTIME, que contém o carimbo de data/hora para dados que são carregados na tabela.

IU clássica

1. No painel de navegação, clique no ícone de seta para baixo à esquerda do conjunto de dados para expandi-lo ou clique duas vezes no nome dele. Isso exibe as tabelas e visualizações no conjunto de dados.

2. Clique no nome da tabela.

3. Clique em Detalhes. A página Detalhes da tabela exibe a descrição e as informações da tabela.

   

4. Clique na guia Esquema para ver a definição do esquema da tabela. Observe a pseudocoluna adicional _PARTITIONTIME, que contém o carimbo de data/hora para dados que são carregados na tabela.

   

CLI

Emita o comando bq show para exibir todas as informações da tabela. Use a sinalização --schema para exibir somente informações de esquema da tabela. A sinalização --format pode ser usada para controlar a saída.

Se você estiver recebendo informações sobre uma tabela em um projeto diferente do padrão, adicione o ID do projeto ao conjunto de dados no formato abaixo: project_id:dataset.

bq show --schema --format=prettyjson <var>project_id:dataset.table</var>

em que:

• project_id é o ID do projeto;
• dataset é o nome do conjunto de dados.
• table é o nome da tabela.

Exemplos:

Digite o comando a seguir para exibir todas as informações sobre mytable em mydataset. mydataset está em seu projeto padrão.

bq show --format=prettyjson mydataset.mytable

Digite o comando a seguir para exibir todas as informações sobre mytable em mydataset. mydataset está em myotherproject, e não no seu projeto padrão.

bq show --format=prettyjson myotherproject:mydataset.mytable

Digite o comando a seguir para exibir apenas informações de esquema sobre mytable em mydataset. mydataset está em myotherproject, e não no seu projeto padrão.

Ao mostrar informações de esquema sobre uma tabela particionada por tempo, a pseudocoluna _PARTITIONTIME não é exibida.

bq show --schema --format=prettyjson myotherproject:mydataset.mytable

API

Chame o método bigquery.tables.get e forneça os parâmetros relevantes.

Como listar tabelas particionadas por tempo de ingestão em um conjunto de dados

Para listar tabelas em conjuntos de dados, incluindo as tabelas particionadas, use o Console do Cloud, a IU da Web clássica do BigQuery, o comando bq ls da CLI ou chame o método tables.list da API.

Permissões necessárias

Para listar tabelas em um conjunto de dados, é preciso ter pelo menos as permissões bigquery.tables.list. Os papéis predefinidos do Cloud IAM a seguir incluem permissões bigquery.tables.list:

• bigquery.user
• bigquery.metadataViewer
• bigquery.dataViewer
• bigquery.dataOwner
• bigquery.dataEditor
• bigquery.admin

Para mais informações sobre os papéis e as permissões do IAM no BigQuery, consulte Papéis e permissões predefinidos.

Como listar tabelas particionadas

Para listar as tabelas em um conjunto de dados (inclusive as particionadas):

Console

1. Abra a IU da Web do BigQuery no Console do Cloud.
   Acesse o Console do Cloud

2. No painel de navegação, na seção Recursos, expanda seu projeto e selecione um conjunto de dados.

3. Role pela lista para ver as tabelas no conjunto de dados. Tabelas, tabelas particionadas, modelos e visualizações são identificados por diferentes ícones.

IU clássica

1. No painel de navegação da IU da Web, clique no ícone de seta para baixo à esquerda do conjunto de dados para expandi-lo ou clique duas vezes no nome dele. Isso exibe as tabelas e visualizações no conjunto de dados.

2. Percorra a lista para ver as tabelas no conjunto de dados. Tabelas e visualizações são identificadas por ícones diferentes.

   

CLI

Emita o comando bq ls. A sinalização --format pode ser usada para controlar a saída. Se você estiver listando tabelas em um projeto diferente do padrão, adicione o ID do projeto ao conjunto de dados no seguinte formato: project_id:dataset.

bq ls --format=pretty project_id:dataset

Em que:

• project_id é o ID do projeto;
• dataset é o nome do conjunto de dados.

Ao executar o comando, o campo Type exibe TABLE ou VIEW. Para tabelas particionadas por tempo de ingestão, o campo Time Partitioning exibe DAY e o prazo de validade da partição em milissegundos, se tiver sido especificado.

Por exemplo:

+-------------------------+-------+----------------------+--------------------------------+
|         tableId         | Type  |        Labels        | Time Partitioning              |
+-------------------------+-------+----------------------+--------------------------------+
| mytable                 | TABLE | department:shipping  |  DAY (expirationMs: 259200000) |
| myview                  | VIEW  |                      |                                |
+-------------------------+-------+----------------------+--------------------------------+

Exemplos:

Digite o comando a seguir para listar tabelas no conjunto de dados mydataset no seu projeto padrão.

bq ls --format=pretty mydataset

Digite o comando a seguir para listar tabelas no conjunto de dados mydataset em myotherproject.

bq ls --format=pretty myotherproject:mydataset

API

Para listar tabelas usando a API, chame o método tables.list.

Como listar partições em tabelas particionadas por tempo de ingestão

É possível listar as partições em uma tabela particionada por tempo de ingestão consultando a pseudocoluna _PARTITIONTIME no SQL padrão ou a metatabela __PARTITIONS_SUMMARY__ no SQL legado.

É possível executar a consulta no Console do Cloud, na IU da Web clássica do BigQuery, usando o comando bq query ou utilizando o método jobs.insert e configurando um query job.

Permissões necessárias

Para executar um job de consulta que use a metatabela __PARTITIONS_SUMMARY__ ou a pseudocoluna _PARTITIONTIME, é preciso ter as permissões bigquery.jobs.create. Os seguintes papéis predefinidos do Cloud IAM incluem permissões bigquery.jobs.create:

• bigquery.user
• bigquery.jobUser
• bigquery.admin

Também é necessário que você tenha permissões bigquery.tables.getData. Os papéis predefinidos do Cloud IAM a seguir incluem permissões bigquery.tables.getData.

• bigquery.admin
• bigquery.dataEditor
• bigquery.dataOwner
• bigquery.dataViewer

Para mais informações sobre os papéis e permissões do Cloud IAM no BigQuery, consulte Permissões e papéis predefinidos.

Como listar partições em uma tabela particionada por tempo de ingestão

Para listar partições em uma tabela particionada, use um SQL padrão (preferencial) ou um SQL legado. Siga as instruções abaixo para listar partições:

SQL padrão:

Console

1. Abra a IU da Web do BigQuery no Console do Cloud.
   Acesse a IU da Web do BigQuery

2. Clique no botão Escrever nova consulta.

3. Insira o texto a seguir na caixa Editor de consultas para buscar a pseudocoluna _PARTITIONTIME:

   SELECT
     _PARTITIONTIME as pt
   FROM
     `dataset.table`
   GROUP BY 1
   

   Em que:

   • dataset é o conjunto de dados que contém a tabela.
   • table é o nome da tabela.

4. Opcional: clique em Mais e selecione Configurações de consulta.

   

5. Clique em Executar.

IU clássica

1. Acesse a IU da Web do BigQuery.

   Acesse a IU da Web do BigQuery

2. Clique no botão Escrever consulta.

3. Insira o texto a seguir na caixa Nova consulta para buscar a pseudocoluna _PARTITIONTIME de uma tabela:

   #standardSQL
   SELECT
     _PARTITIONTIME as pt
   FROM
     `dataset.table`
   GROUP BY 1
   

   Em que:

   • dataset é o conjunto de dados que contém a tabela.
   • table é o nome da tabela.

4. Clique em Mostrar opções.

5. Opcional: em Local de processamento, clique em Não especificado e escolha o local dos seus dados.

6. Clique em Executar consulta.

CLI

Digite a seguinte consulta usando o comando bq query:

bq --location=location query --use_legacy_sql=false '
SELECT
  _PARTITIONTIME as pt
FROM
  `dataset.table`
GROUP BY 1'

Em que:

• location é o nome do local. A sinalização --location é opcional. Por exemplo, se estiver usando o BigQuery na região de Tóquio, defina o valor da sinalização como asia-northeast1. É possível definir um valor padrão para o local usando o arquivo .bigqueryrc;
• dataset é o conjunto de dados que contém a tabela;
• table é o nome da tabela.

API

Chame o método jobs.insert e configure um job query que consulte a pseudocoluna _PARTITIONTIME da tabela.

Especifique seu local na property location da seção jobReference do recurso do job.

SQL legado:

Console

1. Abra a IU da Web do BigQuery no Console do Cloud.
   Acesse a IU da Web do BigQuery

2. Clique no botão Escrever nova consulta.

3. Insira o texto a seguir na caixa Editor de consultas para consultar a metatabela __PARTITIONS_SUMMARY__:

   #legacySQL
   SELECT
     partition_id
   FROM
     [dataset.table$__PARTITIONS_SUMMARY__]
   

   Em que:

   • dataset é o conjunto de dados que contém a tabela.
   • table é o nome da tabela.

4. Clique em Mais e selecione Configurações de consulta.

   

5. Em Local de processamento, clique em Seleção automática e selecione o local dos seus dados. Deixe o local de processamento definido como Seleção automática se seus dados estiverem no local multirregional US ou EU. Quando os dados estão na região US ou EU, o local de processamento é detectado automaticamente.

   

6. Clique em Executar.

IU clássica

1. Acesse a IU da Web do BigQuery.

   Acesse a IU da Web do BigQuery

2. Clique no botão Escrever consulta.

3. Insira o texto a seguir na caixa Nova consulta para buscar a metatabela __PARTITIONS_SUMMARY__ de uma tabela:

   #legacySQL
   SELECT
      partition_id
    FROM
      [dataset.table$__PARTITIONS_SUMMARY__]
   

   Em que:

   • dataset é o conjunto de dados que contém a tabela.
   • table é o nome da tabela.

4. Clique em Mostrar opções.

5. Opcional: em Local de processamento, clique em Não especificado e escolha o local dos seus dados.

6. Clique em Executar consulta.

CLI

Digite a seguinte consulta usando o comando bq query:

bq --location=location query --use_legacy_sql=true '
SELECT
   partition_id
 FROM
   [dataset.table$__PARTITIONS_SUMMARY__]'

Em que:

• location é o nome do local. A sinalização --location é opcional. Por exemplo, se estiver usando o BigQuery na região de Tóquio, defina o valor da sinalização como asia-northeast1. É possível definir um valor padrão para o local usando o arquivo .bigqueryrc;
• dataset é o conjunto de dados que contém a tabela;
• table é o nome da tabela.

API

Chame o método jobs.insert e configure um job query que consulte a metatabela __PARTITIONS_SUMMARY__.

Especifique seu local na property location da seção jobReference do recurso do job.

Como receber metadados de tabelas usando metatabelas

Para mais informações sobre tabelas particionadas, use tabelas especiais chamadas metatabelas. As metatabelas contêm metadados, como a lista de tabelas e visualizações em um conjunto de dados. As metatabelas são somente leitura.

Como conseguir metadados de partição usando metatabelas

A metatabela __PARTITIONS_SUMMARY__ é uma tabela especial. O conteúdo dela representa metadados sobre partições em uma tabela particionada por tempo. A metatabela __PARTITIONS_SUMMARY__ é somente leitura.

Para acessar metadados sobre as partições em uma tabela particionada por tempo, use a metatabela __PARTITIONS_SUMMARY__ na instrução SELECT de uma consulta. É possível executar a consulta das seguintes maneiras:

• Use o Console do Cloud ou a IU da Web clássica do BigQuery.
• Usando o comando bq query da ferramenta de linha de comando.
• Chamando o método jobs.insert da API e configurando um job query.
• Use as bibliotecas de cliente.

Atualmente, o SQL padrão não suporta o separador do decorador de partições ($) portanto você não pode consultar __PARTITIONS_SUMMARY__ no SQL padrão. Uma consulta no SQL anterior que utiliza a metatabela __PARTITIONS_SUMMARY__ se parece com o seguinte:

SELECT
  column
FROM
  [dataset.table$__PARTITIONS_SUMMARY__]

Em que:

• dataset é o nome do seu conjunto de dados.
• table é o nome da tabela particionada por tempo.
• column é uma destas:

Valor	Descrição
project_id	Nome do projeto.
dataset_id	Nome do conjunto de dados.
table_id	Nome da tabela particionada por tempo.
partition_id	Nome (data) da partição.
creation_time	A hora em que a partição foi criada, em milissegundos desde 1º de janeiro de 1970, em UTC.
last_modified_time	A hora em que a partição foi modificada pela última vez, em milissegundos desde 1º de janeiro de 1970, em UTC.

Permissões de metatabela da partição

Para executar um job de consulta que use a metatabela __PARTITIONS_SUMMARY__, é preciso ter pelo menos as permissões bigquery.jobs.create. Os papéis predefinidos do Cloud IAM a seguir incluem permissões bigquery.jobs.create.

• bigquery.user
• bigquery.jobUser
• bigquery.admin

Também é necessário que você tenha permissões bigquery.tables.getData. Os papéis predefinidos do Cloud IAM a seguir incluem permissões bigquery.tables.getData.

• bigquery.dataViewer
• bigquery.dataEditor
• bigquery.dataOwner
• bigquery.admin

Para mais informações sobre os papéis do Cloud IAM no BigQuery, consulte Controle de acesso.

Exemplo de metatabela da partição

A consulta a seguir recupera todos os metadados particionados para uma tabela particionada por tempo chamada mydataset.mytable.

Console

#legacySQL
SELECT
  *
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]

IU clássica

#legacySQL
SELECT
  *
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]

CLI

bq query --use_legacy_sql=true '
SELECT
  *
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]'

A saída será assim:

+----------------+------------+----------------+--------------+---------------+--------------------+
|   project_id   | dataset_id |    table_id    | partition_id | creation_time | last_modified_time |
+----------------+------------+----------------+--------------+---------------+--------------------+
| myproject      | mydataset  | mytable        | 20160314     | 1517190224120 | 1517190224997      |
| myproject      | mydataset  | mytable        | 20160315     | 1517190224120 | 1517190224997      |
+----------------+------------+----------------+--------------+---------------+--------------------+

A consulta a seguir lista os horários em que as partições em mydataset.mytable foram modificadas pela última vez.

Console

#legacySQL
SELECT
  partition_id,
  last_modified_time
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]

IU clássica

#legacySQL
SELECT
  partition_id,
  last_modified_time
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]

CLI

bq query --use_legacy_sql=true '
SELECT
  partition_id,
  last_modified_time
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]'

A saída será assim:

+--------------+--------------------+
| partition_id | last_modified_time |
+--------------+--------------------+
| 20160102     |      1471632556179 |
| 20160101     |      1471632538142 |
| 20160103     |      1471632570463 |
+--------------+--------------------+

Para exibir o campo last_modified_time em formato legível, use a função FORMAT_UTC_USEC. Exemplo:

Console

#legacySQL
SELECT
  partition_id,
  FORMAT_UTC_USEC(last_modified_time*1000) AS last_modified
FROM
  [mydataset.table1$__PARTITIONS_SUMMARY__]

IU clássica

#legacySQL
SELECT
  partition_id,
  FORMAT_UTC_USEC(last_modified_time*1000) AS last_modified
FROM
  [mydataset.table1$__PARTITIONS_SUMMARY__]

CLI

bq query --use_legacy_sql=true '
SELECT
  partition_id,
  FORMAT_UTC_USEC(last_modified_time*1000) AS last_modified
FROM
  [mydataset.mytable$__PARTITIONS_SUMMARY__]'

O resultado será semelhante ao mostrado a seguir:

+--------------+----------------------------+
| partition_id |       last_modified        |
+--------------+----------------------------+
| 20160103     | 2016-08-19 18:49:30.463000 |
| 20160102     | 2016-08-19 18:49:16.179000 |
| 20160101     | 2016-08-19 18:48:58.142000 |
+--------------+----------------------------+

Exemplo: como criar uma tabela particionada por tempo de ingestão usando os resultados da consulta

Neste exemplo, você criará uma tabela particionada por tempo de ingestão usando a ferramenta de linha de comando e adicionará dados a três partições usando os resultados da consulta. A tabela conterá dados climáticos, particionados por data, referentes aos três primeiros dias de 2016.

Este exemplo consulta o conjunto de dados climáticos GSOD da NOAA sobre temperaturas dos três primeiros dias de 2016 e grava os resultados na tabela particionada.

Observação: nestes exemplos, consultamos um conjunto de dados público localizado nos EUA. Como o conjunto de dados público é armazenado no local multirregional dos EUA, o conjunto de dados que contém a tabela de destino também precisa estar nesse país. Não é possível consultar um conjunto de dados em um local e gravar os resultados em uma tabela de destino em outro local.

Etapa 1: crie uma tabela particionada por tempo de ingestão vazia chamada temps em um conjunto de dados chamado mydataset. Não é necessário especificar um esquema para a tabela. O esquema dos resultados da consulta é usado como a definição do esquema para a tabela.

bq mk --time_partitioning_type=DAY mydataset.temps

Para visualizar as definições de configuração, use o comando bq show:

bq show --format=prettyjson mydataset.temps

Procure a entrada timePartitioning na resposta ao comando bq show:

{
  ...
  "timePartitioning": {
    "type": "DAY"
  },
  "type": "TABLE"
}

Etapa 2: consulte as temperaturas dos três primeiros dias de 2016 no conjunto de dados climáticos GSOD da NOAA e grave os resultados nas respectivas partições na tabela temps. As consultas a seguir usam a opção --destination_table e a sintaxe do SQL padrão para gravar 100 linhas de resultados de consulta em uma partição.

1. Execute a seguinte consulta para gravar as temperaturas de 1º de janeiro de 2016 para particionar mydataset.temps$20160101:

   bq query --use_legacy_sql=false \
   --destination_table 'mydataset.temps$20160101' \
   'SELECT
      stn,
      temp
    FROM
      `bigquery-public-data`.noaa_gsod.gsod2016
    WHERE
      mo="01"
      AND da="01"
    LIMIT
      100'
   

2. Execute a seguinte consulta para gravar as temperaturas de 2 de janeiro de 2016 para particionar mydataset.temps$20160102:

   bq --location=US query --use_legacy_sql=false \
   --destination_table 'mydataset.temps$20160102' \
   'SELECT
      stn,
      temp
    FROM
      `bigquery-public-data`.noaa_gsod.gsod2016
    WHERE
      mo="01"
      AND da="02"
    LIMIT
      100'
   

3. Execute a seguinte consulta para gravar as temperaturas de 3 de janeiro de 2016 para particionar mydataset.temps$20160103:

   bq --location=US query --use_legacy_sql=false \
   --destination_table 'mydataset.temps$20160103' \
   'SELECT
      stn,
      temp
    FROM
      `bigquery-public-data`.noaa_gsod.gsod2016
    WHERE
      mo="01"
      AND da="03"
    LIMIT
      100'
   

Etapa 3: use o comando bq show para confirmar que você tem 300 linhas na sua tabela.

bq show mydataset.temps

Os resultados mostram o esquema e o total de linhas.

  Last modified        Schema       Total Rows   Total Bytes     Expiration      Time Partitioning   Labels   kmsKeyName
 ----------------- ---------------- ------------ ------------- ----------------- ------------------- -------- ------------
  28 Jan 15:03:45   |- stn: string   300          4800          29 Jan 15:00:32   DAY
                    |- temp: float

A seguir

• Para uma visão geral do suporte a tabelas particionadas no BigQuery, consulte Introdução a tabelas particionadas.
• Para saber como gerenciar e atualizar tabelas particionadas, consulte Como gerenciar tabelas particionadas.
• Para informações sobre como consultar tabelas particionadas, acesse Como consultar tabelas particionadas.
• Para mais informações sobre tabelas particionadas por data e carimbo de data/hora, consulte Como criar e usar tabelas particionadas por data e carimbo de data/hora.
• Para mais informações sobre tabelas particionadas por intervalo de número inteiro, consulte Como criar e usar tabelas particionadas por intervalo de números inteiros.