STREAMING_TIMELINE_BY_FOLDER 뷰

INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER 뷰에는 하위 폴더를 포함하여 현재 프로젝트의 상위 폴더에 대한 분당 집계된 스트리밍 통계가 포함됩니다.

사용자는 INFORMATION_SCHEMA 스트리밍 뷰를 쿼리하여 기존 tabledata.insertAll 메서드를 사용하고 BigQuery Storage Write API를 사용하지 않는 BigQuery로 스트리밍 데이터에 대한 이전 및 실시간 정보를 불러올 수 있습니다. BigQuery로 데이터를 스트리밍하는 방법에 대한 자세한 내용은 BigQuery로 데이터 스트리밍을 참조하세요.

필요한 권한

INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER 뷰를 쿼리하려면 프로젝트의 상위 폴더에 대한 bigquery.tables.list Identity and Access Management(IAM) 권한이 필요합니다.

다음과 같이 사전 정의된 각 IAM 역할에는 위의 권한이 포함되어 있습니다.

roles/bigquery.admin
roles/bigquery.user
roles/bigquery.dataViewer
roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.metadataViewer
roles/bigquery.resourceAdmin

BigQuery 권한에 대한 자세한 내용은 IAM으로 액세스 제어를 참조하세요.

스키마

INFORMATION_SCHEMA 스트리밍 뷰를 쿼리하면 BigQuery로 데이터 스트리밍에 대한 이전 및 실시간 정보가 쿼리 결과에 포함됩니다. 다음 뷰의 각 행은 start_timestamp에서 시작하는 1분 간격 동안 집계된 특정 테이블로의 스트리밍에 대한 통계를 나타냅니다. 통계는 오류 코드를 기준으로 그룹화되므로 각 타임스탬프 및 테이블 조합에 대해 1분 간격 동안 발생한 각 오류 코드마다 하나의 행이 있습니다. 요청이 성공하면 오류 코드가 NULL로 설정됩니다. 특정 기간 동안 테이블로 스트리밍되는 데이터가 없으면 해당 테이블에는 해당 타임스탬프에 대한 행이 나타나지 않습니다.

INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_* 뷰에는 다음과 같은 스키마가 있습니다.

열 이름	데이터 유형	값
`start_timestamp`	`TIMESTAMP`	(파티션 나누기 열) 집계된 통계에 대한 1분 간격의 시작 타임스탬프입니다.
`project_id`	`STRING`	(클러스터링 열) 프로젝트의 ID
`project_number`	`INTEGER`	프로젝트의 번호
`dataset_id`	`STRING`	(클러스터링 열) 데이터 세트의 ID
`table_id`	`STRING`	(클러스터링 열) 테이블의 ID
`error_code`	`STRING`	이 행에서 지정한 요청에 대해 반환되는 오류 코드 성공적인 요청에 대한 NULL
`total_requests`	`INTEGER`	1분 간격 내 총 요청 수
`total_rows`	`INTEGER`	1분 간격 동안 모든 요청의 총 행 수입니다.
`total_input_bytes`	`INTEGER`	1분 간격 내 모든 행의 총 바이트 수

데이터 보관

이 뷰에는 지난 180일 동안의 스트리밍 기록이 포함됩니다.

범위 및 구문

이 뷰에 대한 쿼리에는 리전 한정자가 있어야 합니다. 리전 한정자를 지정하지 않으면 모든 리전에서 메타데이터가 검색됩니다. 다음 표에는 이 뷰의 리전 범위가 나와 있습니다.

뷰 이름	리소스 범위	리전 범위
[PROJECT_ID.]`region-REGION`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER	지정된 프로젝트가 포함된 폴더	`REGION`

다음을 바꿉니다.

(선택사항) PROJECT_ID: Google Cloud 프로젝트의 ID입니다. 지정하지 않으면 기본 프로젝트가 사용됩니다.

+ REGION: 모든 데이터 세트 리전 이름입니다. 예를 들면 region-us입니다.

참고: INFORMATION_SCHEMA 뷰를 쿼리하려면 리전 한정자를 사용해야 합니다. 쿼리 실행 위치는 INFORMATION_SCHEMA 뷰의 리전과 일치해야 합니다.

예시

미국 멀티 리전의 데이터를 쿼리하려면 region-us.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER를 사용합니다.
EU 멀티 리전의 데이터를 쿼리하려면 region-eu.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER를 사용합니다.
asia-northeast1 리전의 데이터를 쿼리하려면 region-asia-northeast1.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER를 사용합니다.

사용 가능한 리전 목록은 데이터 세트 위치를 참조하세요.

예

예시 1: 최근 스트리밍 실패

다음 예시에서는 최근 30분간 프로젝트의 폴더 내 모든 테이블에 대해 실패한 총 요청의 분당 분석을 오류 코드로 분할하여 계산합니다.

SELECT
  start_timestamp,
  error_code,
  SUM(total_requests) AS num_failed_requests
FROM
  `region-us`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER
WHERE
  error_code IS NOT NULL
  AND start_timestamp > TIMESTAMP_SUB(CURRENT_TIMESTAMP, INTERVAL 30 MINUTE)
GROUP BY
  start_timestamp,
  error_code
ORDER BY
  start_timestamp DESC;

결과는 다음과 비슷합니다.

+---------------------+------------------+---------------------+
|   start_timestamp   |    error_code    | num_failed_requests |
+---------------------+------------------+---------------------+
| 2020-04-15 20:55:00 | INTERNAL_ERROR   |                  41 |
| 2020-04-15 20:41:00 | CONNECTION_ERROR |                   5 |
| 2020-04-15 20:30:00 | INTERNAL_ERROR   |                 115 |
+---------------------+------------------+---------------------+

예시 2: 오류 코드가 있는 모든 요청에 대한 분당 분석

다음 예시에서는 프로젝트 폴더에서 오류 코드 카테고리로 분할된 성공 및 실패한 스트리밍 요청에 대한 분당 분석을 계산합니다. 이 쿼리는 대시보드를 채우는 데 사용할 수 있습니다.

SELECT
  start_timestamp,
  SUM(total_requests) AS total_requests,
  SUM(total_rows) AS total_rows,
  SUM(total_input_bytes) AS total_input_bytes,
  SUM(
    IF(
      error_code IN ('QUOTA_EXCEEDED', 'RATE_LIMIT_EXCEEDED'),
      total_requests,
      0)) AS quota_error,
  SUM(
    IF(
      error_code IN (
        'INVALID_VALUE', 'NOT_FOUND', 'SCHEMA_INCOMPATIBLE',
        'BILLING_NOT_ENABLED', 'ACCESS_DENIED', 'UNAUTHENTICATED'),
      total_requests,
      0)) AS user_error,
  SUM(
    IF(
      error_code IN ('CONNECTION_ERROR','INTERNAL_ERROR'),
      total_requests,
      0)) AS server_error,
  SUM(IF(error_code IS NULL, 0, total_requests)) AS total_error,
FROM
  `region-us`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER
GROUP BY
  start_timestamp
ORDER BY
  start_timestamp DESC;

결과는 다음과 비슷합니다.

+---------------------+----------------+------------+-------------------+-------------+------------+--------------+-------------+
|   start_timestamp   | total_requests | total_rows | total_input_bytes | quota_error | user_error | server_error | total_error |
+---------------------+----------------+------------+-------------------+-------------+------------+--------------+-------------+
| 2020-04-15 22:00:00 |         441854 |     441854 |       23784853118 |           0 |          0 |           17 |          17 |
| 2020-04-15 21:59:00 |         355627 |     355627 |       26101982742 |           5 |          8 |            0 |          13 |
| 2020-04-15 21:58:00 |         354603 |     354603 |       26160565341 |           0 |          0 |            0 |           0 |
| 2020-04-15 21:57:00 |         298823 |     298823 |       23877821442 |           0 |          2 |            0 |           2 |
+---------------------+----------------+------------+-------------------+-------------+------------+--------------+-------------+

예시 3: 유입되는 트래픽이 가장 많은 테이블

다음 예시는 프로젝트 폴더에서 유입되는 트래픽이 가장 많은 10개 테이블에 대한 스트리밍 통계를 반환합니다.

SELECT
  project_id,
  dataset_id,
  table_id,
  SUM(total_rows) AS num_rows,
  SUM(total_input_bytes) AS num_bytes,
  SUM(total_requests) AS num_requests
FROM
  `region-us`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_FOLDER
GROUP BY
  project_id,
  dataset_id,
  table_id
ORDER BY
  num_bytes DESC
LIMIT 10;

결과는 다음과 비슷합니다.

+----------------------+------------+-------------------------------+------------+----------------+--------------+
|      project_id      | dataset_id |           table_id            |  num_rows  |   num_bytes    | num_requests |
+----------------------+------------+-------------------------------+------------+----------------+--------------+
| my-project1          | dataset1   | table1                        | 8016725532 | 73787301876979 |   8016725532 |
| my-project2          | dataset1   | table2                        |   26319580 | 34199853725409 |     26319580 |
| my-project1          | dataset2   | table1                        |   38355294 | 22879180658120 |     38355294 |
| my-project3          | dataset1   | table3                        |  270126906 | 17594235226765 |    270126906 |
| my-project2          | dataset2   | table2                        |   95511309 | 17376036299631 |     95511309 |
| my-project2          | dataset2   | table3                        |   46500443 | 12834920497777 |     46500443 |
| my-project3          | dataset2   | table4                        |   25846270 |  7487917957360 |     25846270 |
| my-project4          | dataset1   | table4                        |   18318404 |  5665113765882 |     18318404 |
| my-project4          | dataset1   | table5                        |   42829431 |  5343969665771 |     42829431 |
| my-project4          | dataset1   | table6                        |    8771021 |  5119004622353 |      8771021 |
+----------------------+------------+-------------------------------+------------+----------------+--------------+