Esta página foi traduzida pela API Cloud Translation.

Vista STREAMING_TIMELINE_BY_ORGANIZATION

A vista INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION contém estatísticas de streaming agregadas por minuto para toda a organização associada ao projeto atual.

Pode consultar as INFORMATION_SCHEMAvisualizações de streaming para obter informações históricas e em tempo real sobre a stream de dados para o BigQuery que usa o método tabledata.insertAll antigo e não a API BigQuery Storage Write. Para mais informações sobre como fazer stream de dados para o BigQuery, consulte o artigo Fazer stream de dados para o BigQuery.

Autorização necessária

Para consultar a vista INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION, precisa da autorização de gestão de identidade e de acesso (IAM) bigquery.tables.list para a organização.

Cada uma das seguintes funções de IAM predefinidas inclui a autorização necessária:

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

Para mais informações sobre as autorizações do BigQuery, consulte o artigo Controlo de acesso com a IAM.

Esquema

Quando consulta as INFORMATION_SCHEMAvisualizações de streaming, os resultados da consulta contêm informações históricas e em tempo real sobre o streaming de dados para o BigQuery. Cada linha nas vistas seguintes representa estatísticas para streaming para uma tabela específica, agregadas num intervalo de um minuto a partir de start_timestamp. As estatísticas são agrupadas por código de erro, pelo que existe uma linha para cada código de erro encontrado durante o intervalo de um minuto para cada combinação de registo de data/hora e tabela. Os pedidos bem-sucedidos têm o código de erro definido como NULL. Se não forem transmitidos dados para uma tabela durante um determinado período, não existem linhas para as datas/horas correspondentes dessa tabela.

A vista INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION tem o seguinte esquema:

Nome da coluna	Tipo de dados	Valor
`start_timestamp`	`TIMESTAMP`	(Coluna de partição) Indicação de tempo de início do intervalo de 1 minuto para as estatísticas agregadas.
`project_id`	`STRING`	ID do projeto (coluna de agrupamento).
`project_number`	`INTEGER`	Número do projeto.
`dataset_id`	`STRING`	(Coluna de agrupamento) ID do conjunto de dados.
`table_id`	`STRING`	(Coluna de agrupamento) ID da tabela.
`error_code`	`STRING`	Código de erro devolvido para os pedidos especificados por esta linha. NULL para pedidos bem-sucedidos.
`total_requests`	`INTEGER`	Número total de pedidos no intervalo de 1 minuto.
`total_rows`	`INTEGER`	Número total de linhas de todos os pedidos no intervalo de 1 minuto.
`total_input_bytes`	`INTEGER`	Número total de bytes de todas as linhas no intervalo de 1 minuto.

Retenção de dados

Esta vista contém o histórico de streaming dos últimos 180 dias.

Âmbito e sintaxe

As consultas nesta vista têm de incluir um qualificador de região. Se não especificar um qualificador regional, os metadados são obtidos de todas as regiões. A tabela seguinte explica o âmbito da região para esta vista:

Nome da visualização de propriedade	Âmbito do recurso	Âmbito da região
[PROJECT_ID.]`region-REGION`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION	Organização que contém o projeto especificado	`REGION`

Substitua o seguinte:

Opcional: PROJECT_ID: o ID do seu projeto do Google Cloud Google Cloud. Se não for especificado, é usado o projeto predefinido.
REGION: qualquer nome da região do conjunto de dados. Por exemplo, `region-us`.

Nota: tem de usar um qualificador de região para consultar as visualizações INFORMATION_SCHEMA. A localização da execução da consulta tem de corresponder à região da vista INFORMATION_SCHEMA.

Exemplo

Para consultar dados na multirregião dos EUA, use `region-us`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION
Para consultar dados na multirregião da UE, use `region-eu`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION
Para consultar dados na região asia-northeast1, use `region-asia-northeast1`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION

Para ver uma lista das regiões disponíveis, consulte Localizações de conjuntos de dados.

Exemplos

Exemplo 1: falhas de streaming recentes

O exemplo seguinte calcula a discriminação por minuto do total de pedidos com falhas para todas as tabelas na organização do projeto nos últimos 30 minutos, dividida por código de erro:

SELECT
  start_timestamp,
  error_code,
  SUM(total_requests) AS num_failed_requests
FROM
  `region-us`.INFORMATION_SCHEMA.STREAMING_TIMELINE_BY_ORGANIZATION
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;

O resultado é semelhante ao seguinte:

+---------------------+------------------+---------------------+
|   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 |
+---------------------+------------------+---------------------+

Exemplo 2: discriminação por minuto de todos os pedidos com códigos de erro

O exemplo seguinte calcula uma análise detalhada por minuto dos pedidos de streaming com êxito e com falhas na organização do projeto, divididos em categorias de códigos de erro. Esta consulta pode ser usada para preencher um painel de controlo.

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_ORGANIZATION
GROUP BY
  start_timestamp
ORDER BY
  start_timestamp DESC;

O resultado é semelhante ao seguinte:

+---------------------+----------------+------------+-------------------+-------------+------------+--------------+-------------+
|   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 |
+---------------------+----------------+------------+-------------------+-------------+------------+--------------+-------------+

Exemplo 3: tabelas com o tráfego mais recebido

O exemplo seguinte devolve as estatísticas de streaming das 10 tabelas na organização do projeto com o maior tráfego recebido:

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_ORGANIZATION
GROUP BY
  project_id,
  dataset_id,
  table_id
ORDER BY
  num_bytes DESC
LIMIT 10;

O resultado é semelhante ao seguinte:

+----------------------+------------+-------------------------------+------------+----------------+--------------+
|      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 |
+----------------------+------------+-------------------------------+------------+----------------+--------------+