Ansicht TABLE_OPTIONS

Die Ansicht INFORMATION_SCHEMA.TABLE_OPTIONS enthält eine Zeile für jede Option und für jede Tabelle oder Ansicht in einem Dataset. Die Ansichten TABLES und TABLE_OPTIONS enthalten auch allgemeine Informationen zu Ansichten. Detaillierte Informationen erhalten Sie, wenn Sie die Ansicht INFORMATION_SCHEMA.VIEWS abfragen.

Erforderliche Berechtigungen

Zum Abfragen der INFORMATION_SCHEMA.TABLE_OPTIONS-Ansicht benötigen Sie folgende IAM-Berechtigungen (Identity and Access Management):

bigquery.tables.get
bigquery.tables.list
bigquery.routines.get
bigquery.routines.list

Die folgenden vordefinierten IAM-Rollen enthalten jeweils die vorherigen Berechtigungen:

roles/bigquery.admin
roles/bigquery.dataViewer
roles/bigquery.metadataViewer

Weitere Informationen zu BigQuery-Berechtigungen finden Sie unter Zugriffssteuerung mit IAM.

Schema

Wenn Sie die Ansicht INFORMATION_SCHEMA.TABLE_OPTIONS abfragen, wird in den Abfrageergebnissen jede Tabelle oder Ansicht eines Datasets in einer eigenen Zeile für jede Option dargestellt. Detaillierte Informationen zu Ansichten erhalten Sie, wenn Sie stattdessen die Ansicht INFORMATION_SCHEMA.VIEWS abfragen.

Die Ansicht INFORMATION_SCHEMA.TABLE_OPTIONS hat das folgende Schema:

Spaltenname	Datentyp	Wert
`TABLE_CATALOG`	`STRING`	Die ID des Projekts, das das Dataset enthält
`TABLE_SCHEMA`	`STRING`	Der Name des Datasets, das die Tabelle oder Ansicht enthält (auch als `datasetId` bezeichnet)
`TABLE_NAME`	`STRING`	Der Name der Tabelle oder Ansicht (auch als `tableId` bezeichnet)
`OPTION_NAME`	`STRING`	Ein Namenswert der Optionstabelle
`OPTION_TYPE`	`STRING`	Ein Datentypwert der Optionstabelle
`OPTION_VALUE`	`STRING`	Eine Wertoption der Optionstabelle

Optionstabelle

`OPTION_NAME`	`OPTION_TYPE`	`OPTION_VALUE`
`description`	`STRING`	Eine Beschreibung der Tabelle
`enable_refresh`	`BOOL`	Gibt an, ob die automatische Aktualisierung für eine materialisierte Ansicht aktiviert ist
`expiration_timestamp`	`TIMESTAMP`	Die Zeit, zu der diese Tabelle abläuft
`friendly_name`	`STRING`	Der beschreibende Name der Tabelle
`kms_key_name`	`STRING`	Der Name des Cloud KMS-Schlüssels zum Verschlüsseln der Tabelle
`labels`	`ARRAY<STRUCT<STRING, STRING>>`	Ein `STRUCT`-Array, das die Labels der Tabelle darstellt
`partition_expiration_days`	`FLOAT64`	Die Standardlebensdauer aller Partitionen in einer partitionierten Tabelle in Tagen
`refresh_interval_minutes`	`FLOAT64`	Gibt an, wie häufig eine materialisierte Ansicht aktualisiert wird
`require_partition_filter`	`BOOL`	Gibt an, ob Abfragen über die Tabelle einen Partitionsfilter erfordern
`tags`	`ARRAY<STRUCT<STRING, STRING>>`	Tags, die einer Tabelle in einer Namespace-Syntax vom Typ <Schlüssel, Wert> angehängt sind. Weitere Informationen finden Sie unter Tags und bedingter Zugriff.

Für externe Tabellen sind die folgenden Optionen möglich:

Optionen
`allow_jagged_rows`	`BOOL` Bei `true` werden Zeilen ohne nachgestellte optionale Spalten zugelassen. Gilt für CSV-Daten.
`allow_quoted_newlines`	`BOOL` Bei `true` werden in Anführungszeichen eingeschlossene Datenabschnitte mit Zeilenumbruchzeichen in der Datei zugelassen. Gilt für CSV-Daten.
`bigtable_options`	`STRING` Nur erforderlich, wenn Sie eine externe Bigtable-Tabelle erstellen. Gibt das Schema der externen Bigtable-Tabelle im JSON-Format an. Eine Liste der Optionen für Bigtable-Tabellendefinitionen finden Sie in der REST API-Referenz unter `BigtableOptions`.
`column_name_character_map`	`STRING` Bestimmt, welche Zeichen für den Spaltennamen unterstützt werden und wie mit nicht unterstützten Zeichen umgegangen wird. Die Standardeinstellung ist `STRICT`. Das bedeutet, dass BigQuery bei nicht unterstützten Zeichen Fehler anzeigt. `V1` und `V2` ersetzen alle nicht unterstützten Zeichen durch Unterstriche. Unterstützte Werte sind: `STRICT`: Hiermit werden flexible Spaltennamen aktiviert. Dies ist der Standardwert. Ladejobs mit nicht unterstützten Zeichen in Spaltennamen schlagen mit einer Fehlermeldung fehl. Wenn Sie nicht unterstützte Zeichen durch Unterstriche ersetzen möchten, damit der Ladevorgang erfolgreich ist, geben Sie die Konfigurationseinstellung `default_column_name_character_map` an. `V1`. Spaltennamen dürfen nur Standardzeichen für Spaltennamen enthalten. Nicht unterstützte Zeichen werden durch Unterstriche ersetzt. Das ist das Standardverhalten für Tabellen, die vor der Einführung von `column_name_character_map` erstellt wurden. `V2`. Neben Standardzeichen für Spaltennamen werden auch flexible Spaltennamen unterstützt. Nicht unterstützte Zeichen werden durch Unterstriche ersetzt. Gilt für CSV- und Parquet-Daten.
`compression`	`STRING` Komprimierungstyp der Datenquelle. Diese Werte werden unterstützt: `GZIP` Wenn keine Angabe erfolgt, ist die Datenquelle unkomprimiert. Gilt für CSV- und JSON-Daten.
`decimal_target_types`	`ARRAY<STRING>` Bestimmt, wie ein `Decimal`-Typ konvertiert wird. Entspricht ExternalDataConfiguration.decimal_target_types Beispiel: `["NUMERIC", "BIGNUMERIC"]`.
`description`	`STRING` Eine Beschreibung dieser Tabelle.
`enable_list_inference`	`BOOL` Verwenden Sie bei `true` die Schemainferenz speziell für den logischen Parquet-LIST-Typ. Gilt für Parquet-Daten.
`enable_logical_types`	`BOOL` Bei `true` werden logische Avro-Typen in die entsprechenden SQL-Typen konvertiert. Weitere Informationen finden Sie unter Logische Typen. Gilt für Avro-Daten.
`encoding`	`STRING` Die Zeichencodierung der Daten. Unterstützte Werte sind: `UTF8` (oder `UTF-8`), `ISO_8859_1` (oder `ISO-8859-1`). Gilt für CSV-Daten.
`enum_as_string`	`BOOL` Wenn `true`, wird der logische Parquet-ENUM-Typ standardmäßig als STRING und nicht als BYTES abgeleitet. Gilt für Parquet-Daten.
`expiration_timestamp`	`TIMESTAMP` Die Zeit, zu der diese Tabelle abläuft. Wenn keine Angabe erfolgt, läuft die Tabelle nicht ab. Beispiel: `"2025-01-01 00:00:00 UTC"`.
`field_delimiter`	`STRING` Das Trennzeichen für Felder in einer CSV-Datei. Gilt für CSV-Daten.
`format`	`STRING` Das Format der externen Daten. Unterstützte Werte für `CREATE EXTERNAL TABLE` umfassen: `AVRO`, `CLOUD_BIGTABLE`, `CSV`, `DATASTORE_BACKUP`, `DELTA_LAKE` (Vorschau), `GOOGLE_SHEETS`, `NEWLINE_DELIMITED_JSON` (oder `JSON`), `ORC`, `PARQUET`. Unterstützte Werte für `LOAD DATA` umfassen: `AVRO`, `CSV` ,`DELTA_LAKE` (Vorschau )`NEWLINE_DELIMITED_JSON` (oder`JSON`), `ORC`, `PARQUET`. Der Wert `JSON` entspricht `NEWLINE_DELIMITED_JSON`.
`hive_partition_uri_prefix`	`STRING` Ein gemeinsames Präfix für alle Quell-URIs, bevor die Codierung des Partitionierungsschlüssels beginnt. Gilt nur für mit Hive partitionierte Tabellen. Gilt für Avro-, CSV-, JSON-, Parquet- und ORC-Daten. Beispiel: `"gs://bucket/path"`.
`file_set_spec_type`	`STRING` Gibt an, wie Quell-URIs für Ladejobs und externe Tabellen interpretiert werden. Unterstützte Werte sind: `FILE_SYSTEM_MATCH`. Maximiert die Quell-URIs, indem Dateien aus dem Objektspeicher aufgelistet werden. Dies ist das Standardverhalten, wenn FileSetSpecType nicht festgelegt ist. `NEW_LINE_DELIMITED_MANIFEST`. Gibt an, dass die angegebenen URIs Manifestdateien mit Zeilenumbruch mit einem URI pro Zeile sind. Platzhalter-URIs werden in den Manifestdateien nicht unterstützt und alle referenzierten Datendateien müssen sich im selben Bucket wie die Manifestdatei befinden. Wenn Sie beispielsweise den Quell-URI `"gs://bucket/path/file"` haben und `file_set_spec_type` den Wert `FILE_SYSTEM_MATCH` hat, wird die Datei direkt als Datendatei verwendet. Wenn `file_set_spec_type` den Wert `NEW_LINE_DELIMITED_MANIFEST` hat, wird jede Zeile in der Datei als URI interpretiert, der auf eine Datendatei verweist.
`ignore_unknown_values`	`BOOL` Bei `true` werden zusätzliche Werte ignoriert, die nicht im Tabellenschema enthalten sind, ohne dass ein Fehler zurückgegeben wird. Gilt für CSV- und JSON-Daten.
`json_extension`	`STRING` Gibt für JSON-Daten ein bestimmtes JSON-Austauschformat an. Wenn nicht angegeben, liest BigQuery die Daten als generische JSON-Einträge. Diese Werte werden unterstützt: `GEOJSON`. Durch Zeilenumbruch getrennte GeoJSON-Daten. Weitere Informationen finden Sie unter Externe Tabelle aus einer durch Zeilenumbruch getrennten GeoJSON-Datei erstellen.
`max_bad_records`	`INT64` Die maximale Anzahl fehlerhafter Datensätze, die beim Lesen der Daten ignoriert werden. Gilt für CSV-, JSON- und Google Sheets-Daten.
`max_staleness`	`INTERVAL` Gilt für BigLake-Tabellen und Objekttabellen. Gibt an, ob im Cache gespeicherte Metadaten von Vorgängen für die Tabelle verwendet werden und wie aktuell die im Cache gespeicherten Metadaten sein müssen, damit der Vorgang sie verwenden kann. Geben Sie 0 an, um das Caching von Metadaten zu deaktivieren. Das ist die Standardeinstellung. Geben Sie zum Aktivieren des Metadaten-Cachings für das Intervallliteral einen Wert zwischen 30 Minuten und 7 Tagen an. Beispiel: Geben Sie `INTERVAL 4 HOUR` für ein Veralterungsintervall von vier Stunden an. Mit diesem Wert verwenden Vorgänge im Zusammenhang mit der Tabelle im Cache gespeicherte Metadaten, wenn sie innerhalb der letzten vier Stunden aktualisiert wurden. Sind die im Cache gespeicherten Metadaten älter, werden für den Vorgang stattdessen Metadaten aus Cloud Storage abgerufen.
`null_marker`	`STRING` Der String, der `NULL`-Werte in einer CSV-Datei darstellt. Gilt für CSV-Daten.
`object_metadata`	`STRING` Nur erforderlich, wenn Sie eine Objekttabelle erstellen. Legen Sie den Wert dieser Option beim Erstellen einer Objekttabelle auf `SIMPLE` fest.
`preserve_ascii_control_characters`	`BOOL` Bei `true` werden die eingebetteten ASCII-Steuerzeichen, die die ersten 32 Zeichen in der ASCII-Tabelle sind, von „\x00” bis „\x1F” beibehalten. Gilt für CSV-Daten.
`projection_fields`	`STRING` Eine Liste der zu ladenden Entitätsattribute. Gilt für Datastore-Daten.
`quote`	`STRING` Der String, der zum Kennzeichnen von Datenabschnitten in einer CSV-Datei verwendet wird. Wenn Ihre Daten Zeilenumbruchzeichen in Anführungszeichen enthalten, setzen Sie auch das Attribut `allow_quoted_newlines` auf `true`. Gilt für CSV-Daten.
`reference_file_schema_uri`	`STRING` Vom Nutzer bereitgestellte Referenzdatei mit dem Tabellenschema. Gilt für Parquet-/ORC-/AVRO-Daten. Beispiel: `"gs://bucket/path/reference_schema_file.parquet"`.
`require_hive_partition_filter`	`BOOL` Bei `true` ist für alle Abfragen über diese Tabelle ein Partitionsfilter erforderlich, mit dem Partitionen beim Lesen von Daten entfernt werden können. Gilt nur für mit Hive partitionierte Tabellen. Gilt für Avro-, CSV-, JSON-, Parquet- und ORC-Daten.
`sheet_range`	`STRING` Bereich einer Google Sheets-Tabelle, aus der abgefragt werden soll. Gilt für Google Sheets-Daten. Beispiel: `"sheet1!A1:B20"`.
`skip_leading_rows`	`INT64` Die Anzahl der Zeilen am Anfang einer Datei, die beim Lesen der Daten übersprungen werden sollen. Gilt für CSV- und Google Sheets-Daten.
`uris`	Für externe Tabellen, einschließlich Objekttabellen, die keine Bigtable-Tabellen sind: `ARRAY<STRING>` Ein Array von voll qualifizierten URIs für die externen Datenspeicherorte. Jeder URI kann ein Sternchen (``) als Platzhalterzeichen enthalten, das nach dem Bucket-Namen stehen muss. Wenn Sie `uris`-Werte angeben, die auf mehrere Dateien abzielen, müssen alle diese Dateien ein kompatibles Schema verwenden. Die folgenden Beispiele zeigen gültige `uris`-Werte: `['gs://bucket/path1/myfile.csv']` `['gs://bucket/path1/.csv']` `['gs://bucket/path1/', 'gs://bucket/path2/file00']` Für Bigtable-Tabellen: `STRING` Der URI zur Identifizierung der Bigtable-Tabelle, die als Datenquelle verwendet werden soll. Sie können nur einen Bigtable-URI angeben. Beispiel: `https://googleapis.com/bigtable/projects/project_id/instances/instance_id[/appProfiles/app_profile]/tables/table_name` Weitere Informationen zum Erstellen eines Bigtable-URI finden Sie unter Bigtable-URI abrufen.

Bereich und Syntax

Für Abfragen dieser Ansicht muss ein Dataset- oder Regions-Qualifier verwendet werden. Für Abfragen mit einem Dataset-Qualifier benötigen Sie Berechtigungen für das Dataset. Für Abfragen mit einem Regions-Qualifier müssen Sie Berechtigungen für das Projekt haben. Weitere Informationen finden Sie unter Syntax. In der folgenden Tabelle werden die Regions- und Ressourcenbereiche für diese Ansicht erläutert:

Ansichtsname	Ressourcenbereich	Regionsbereich
[PROJECT_ID.]`region-REGION`.INFORMATION_SCHEMA.TABLE_OPTIONS	auf Projektebene	`REGION`
`[PROJECT_ID.]DATASET_ID.INFORMATION_SCHEMA.TABLE_OPTIONS`	Dataset-Ebene	Dataset-Standort

Ersetzen Sie Folgendes:

Optional: PROJECT_ID: die ID Ihres Google Cloud-Projekts. Wenn keine Angabe erfolgt, wird das Standardprojekt verwendet.

: + REGION: beliebiger Dataset-Regionsname. Beispiel: region-us DATASET_ID: die ID Ihres Datasets. Weitere Informationen finden Sie unter Dataset-Qualifier.

Hinweis: Zum Abfragen von INFORMATION_SCHEMA-Ansichten müssen Sie einen Regions-Qualifier verwenden. Der Ort der Abfrageausführung muss mit der Region der Ansicht INFORMATION_SCHEMA übereinstimmen.

Beispiel

Beispiel 1:

Im folgenden Beispiel werden die Standardablaufzeiten für alle Tabellen in mydataset in Ihrem Standardprojekt myproject durch Abfrage der Ansicht INFORMATION_SCHEMA.TABLE_OPTIONS abgerufen.

Dem Dataset fügen Sie die Projekt-ID im folgenden Format hinzu, um die Abfrage für ein anderes Projekt als Ihr Standardprojekt auszuführen: `project_id`.dataset.INFORMATION_SCHEMA.view; beispielsweise `myproject`.mydataset.INFORMATION_SCHEMA.TABLE_OPTIONS.

  SELECT
    *
  FROM
    mydataset.INFORMATION_SCHEMA.TABLE_OPTIONS
  WHERE
    option_name = 'expiration_timestamp';

Das Ergebnis sieht etwa so aus:

  +----------------+---------------+------------+----------------------+-------------+--------------------------------------+
  | table_catalog  | table_schema  | table_name |     option_name      | option_type |             option_value             |
  +----------------+---------------+------------+----------------------+-------------+--------------------------------------+
  | myproject      | mydataset     | mytable1   | expiration_timestamp | TIMESTAMP   | TIMESTAMP "2020-01-16T21:12:28.000Z" |
  | myproject      | mydataset     | mytable2   | expiration_timestamp | TIMESTAMP   | TIMESTAMP "2021-01-01T21:12:28.000Z" |
  +----------------+---------------+------------+----------------------+-------------+--------------------------------------+

Beispiel 2:

Im folgenden Beispiel werden Metadaten von allen Tabellen in mydataset abgerufen, die Testdaten enthalten. Für die Abfrage werden zur Ermittlung von Tabellen, die den Begriff "test" in der Beschreibung enthalten, die Werte der Option description verwendet. mydataset befindet sich in Ihrem Standardprojekt myproject.

Wenn Sie die Abfrage für ein anderes Projekt als Ihr Standardprojekt ausführen möchten, fügen Sie dem Dataset die Projekt-ID im folgenden Format hinzu: `project_id`.dataset.INFORMATION_SCHEMA.view; beispielsweise so: `myproject`.mydataset.INFORMATION_SCHEMA.TABLE_OPTIONS.

  SELECT
    *
  FROM
    mydataset.INFORMATION_SCHEMA.TABLE_OPTIONS
  WHERE
    option_name = 'description'
    AND option_value LIKE '%test%';

Das Ergebnis sieht etwa so aus:

  +----------------+---------------+------------+-------------+-------------+--------------+
  | table_catalog  | table_schema  | table_name | option_name | option_type | option_value |
  +----------------+---------------+------------+-------------+-------------+--------------+
  | myproject      | mydataset     | mytable1   | description | STRING      | "test data"  |
  | myproject      | mydataset     | mytable2   | description | STRING      | "test data"  |
  +----------------+---------------+------------+-------------+-------------+--------------+