Caricamento dei dati Avro da Cloud Storage
Avro è una piattaforma aperta formato dei dati di origine che raggruppa i dati serializzati con lo schema dei dati nel lo stesso file.
Quando carichi dati Avro da Cloud Storage, puoi caricarli in un nuovo tabella o partizione oppure puoi aggiungere o sovrascrivere una tabella o della partizione di testo. Quando i dati vengono caricati in BigQuery, convertito in formato a colonne per Condensatore (formato di archiviazione di BigQuery).
Quando carichi i dati da Cloud Storage in una tabella BigQuery, il set di dati che contiene la tabella deve trovarsi nella stessa regione regionale come bucket Cloud Storage.
Per informazioni sul caricamento dei dati Avro da un file locale, consulta Caricare dati in BigQuery da un'origine dati locale.
Limitazioni
Quando carichi dati in: BigQuery da un bucket Cloud Storage:
- Se la località del set di dati è impostata su un valore diverso dall'area multiregionale
US
, il bucket Cloud Storage deve trovarsi nella stessa regione o contenuto nella stessa località (multiregionale) del set di dati. - BigQuery non garantisce la coerenza dei dati esterni fonti. Le modifiche ai dati sottostanti durante l'esecuzione di una query possono comportare comportamenti imprevisti.
- BigQuery non supporta Controllo delle versioni degli oggetti Cloud Storage. Se includi un numero di generazione nell'URI di Cloud Storage, il job di caricamento non riesce.
Requisiti del file di input
Per evitare resourcesExceeded
errori durante il caricamento di file Avro in
BigQuery, segui queste linee guida:
- Mantieni le dimensioni delle righe fino a 50 MB o inferiori.
- Se la riga contiene molti campi di array, o campi di array molto lunghi, interrompi i valori dell'array in campi separati.
Prima di iniziare
Concedi ruoli IAM (Identity and Access Management) che concedono agli utenti le risorse necessarie autorizzazioni per eseguire ogni attività in questo documento, in cui archiviare i dati.
Autorizzazioni obbligatorie
Per caricare dati in BigQuery, devi disporre delle autorizzazioni IAM per eseguire un job di caricamento e caricare i dati nelle tabelle e nelle partizioni BigQuery. Se carichi dati da Cloud Storage, devi disporre anche delle autorizzazioni IAM per accedere al bucket che contiene i dati.
Autorizzazioni per caricare i dati in BigQuery
Per caricare i dati in una nuova tabella o partizione BigQuery oppure per aggiungere o sovrascrivere una tabella o una partizione esistente, devi disporre delle seguenti autorizzazioni IAM:
bigquery.tables.create
bigquery.tables.updateData
bigquery.tables.update
bigquery.jobs.create
Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per caricare i dati in una tabella o una partizione BigQuery:
roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.admin
(include l'autorizzazionebigquery.jobs.create
)bigquery.user
(include l'autorizzazionebigquery.jobs.create
)bigquery.jobUser
(include l'autorizzazionebigquery.jobs.create
)
Inoltre, se disponi dell'autorizzazione bigquery.datasets.create
, puoi creare e
aggiornare le tabelle utilizzando un job di caricamento nei set di dati che crei.
Per ulteriori informazioni su ruoli e autorizzazioni IAM in BigQuery, vedi Autorizzazioni e ruoli predefiniti.
Autorizzazioni per caricare i dati da Cloud Storage
Per ottenere le autorizzazioni necessarie per caricare i dati da un bucket Cloud Storage,
chiedi all'amministratore di concederti
Ruolo IAM Storage Admin (roles/storage.admin
) nel bucket.
Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso.
Questo ruolo predefinito contiene le autorizzazioni necessarie per caricare i dati da un bucket Cloud Storage. Per vedere le autorizzazioni esatte obbligatorie, espandi la sezione Autorizzazioni obbligatorie:
Autorizzazioni obbligatorie
Per caricare i dati da un bucket Cloud Storage, sono necessarie le seguenti autorizzazioni:
-
storage.buckets.get
-
storage.objects.get
-
storage.objects.list (required if you are using a URI wildcard)
Potresti anche riuscire a ottenere queste autorizzazioni con ruoli personalizzati altri ruoli predefiniti.
crea un set di dati e una tabella
Per archiviare i dati, devi creare un set di dati BigQuery, e poi creerai una tabella BigQuery all'interno del set di dati.
Vantaggi di Avro
Avro è il formato preferito per caricare i dati in BigQuery. Il caricamento di file Avro presenta i seguenti vantaggi rispetto ai file CSV e JSON (newline delimitato):
- Il formato binario Avro:
- È più veloce da caricare. I dati possono essere letti in parallelo, anche se i blocchi vengono compressi.
- Non richiede digitazione o serializzazione.
- È più facile da analizzare perché non sono stati rilevati problemi di codifica in altre formati come ASCII.
- Quando carichi file Avro in BigQuery, lo schema della tabella viene automaticamente dai dati di origine autodescrittivi.
Schemi Avro
Quando carichi file Avro in una nuova tabella BigQuery, la tabella lo schema è recuperate automaticamente utilizzando i dati di origine. Quando BigQuery recupera lo schema dai dati di origine, viene utilizzato l'ultimo file in ordine alfabetico.
Ad esempio, hai i seguenti file Avro in Cloud Storage:
gs://mybucket/00/ a.avro z.avro gs://mybucket/01/ b.avro
L'esecuzione di questo comando nello strumento a riga di comando bq carica tutti i file (come
elenco separato da virgole) e lo schema deriva da mybucket/01/b.avro
:
bq load \ --source_format=AVRO \ dataset.table \ "gs://mybucket/00/*.avro","gs://mybucket/01/*.avro"
Quando importi più file Avro con schemi Avro diversi, tutti gli schemi devono essere compatibili con La risoluzione dello schema di Avro.
Quando BigQuery rileva lo schema, alcuni tipi di dati Avro vengono convertiti in tipi di dati BigQuery per renderli compatibili Sintassi GoogleSQL. Per ulteriori informazioni, consulta la sezione Conversioni di Avro.
Per fornire uno schema per la creazione di tabelle esterne, impostareferenceFileSchemaUri
nell'API BigQuery o il parametro --reference_file_schema_uri
nello strumento a riga di comando bq
all'URL del file di riferimento.
Ad esempio, --reference_file_schema_uri="gs://mybucket/schema.avro"
.
Compressione Avro
BigQuery supporta i seguenti codec di compressione Contenuti del file Avro:
Snappy
DEFLATE
Caricare dati Avro in una nuova tabella
Per caricare dati Avro da Cloud Storage in una nuova tabella BigQuery, seleziona una delle seguenti opzioni:
Console
Nella console Google Cloud, apri la pagina BigQuery.
Nel riquadro Spazio di esplorazione, espandi il progetto e seleziona un set di dati.
Espandi
Azioni e fai clic su Apri.Nel riquadro dei dettagli, fai clic su Crea tabella.
.Nella sezione Origine della pagina Crea tabella:
Per Crea tabella da, seleziona Google Cloud Storage.
Nel campo Origine, individua o inserisci il URI Cloud Storage. Tieni presente che non puoi includere più URI nel console Google Cloud, caratteri jolly sono supportati. Il bucket Cloud Storage deve trovarsi nella stessa località come set di dati contenente la tabella che stai creando.
Per Formato file, seleziona Avro.
Nella sezione Destinazione della pagina Crea tabella:
- In Nome set di dati, scegli il set di dati appropriato.
- Verifica che l'opzione Tipo di tabella sia impostata su Tabella nativa.
- Nel campo Nome tabella, inserisci il nome della tabella che stai e la creazione in BigQuery.
Nella sezione Schema non è necessaria alcuna azione. Lo schema è autodescritte nei file Avro.
(Facoltativo) Per eseguire il partizionamento della tabella, scegli le opzioni nel Impostazioni di partizionamento e clustering. Per ulteriori informazioni, vedi Creazione di tabelle partizionate.
(Facoltativo) Per Filtro di partizionamento, fai clic su Richiedi partizione filtro per richiedere agli utenti di includere una clausola
WHERE
che specifica partizioni di memoria su cui eseguire la query. La richiesta di un filtro di partizionamento può ridurre i costi e a migliorare le prestazioni. Per ulteriori informazioni, vedi Esecuzione di query su tabelle partizionate. Questa opzione non è disponibile se è selezionata l'opzione Nessun partizionamento.(Facoltativo) Per raggruppare il cluster Nella casella Ordine di clustering, inserisci un numero di campi compreso tra uno e quattro i nomi degli utenti.
(Facoltativo) Fai clic su Opzioni avanzate.
- Per Preferenza di scrittura, lascia selezionata l'opzione Scrivi se vuoto. Questo crea una nuova tabella e carica i dati al suo interno.
- Per Valori sconosciuti, lascia deselezionata l'opzione Ignora valori sconosciuti. Questa opzione si applica solo ai file CSV e JSON.
- In Crittografia, fai clic su Chiave gestita dal cliente per utilizzare una Chiave Cloud Key Management Service. Se lasci l'impostazione Chiave gestita da Google, BigQuery cripta i dati at-rest.
Fai clic su Crea tabella.
SQL
Utilizza la
LOAD DATA
Istruzione DDL.
L'esempio seguente carica un file Avro nella nuova tabella mytable
:
Nella console Google Cloud, vai alla pagina BigQuery.
Nell'editor query, inserisci la seguente istruzione:
LOAD DATA OVERWRITE mydataset.mytable FROM FILES ( format = 'avro', uris = ['gs://bucket/path/file.avro']);
Fai clic su
Esegui.
Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.
bq
Usa il comando bq load
e specifica AVRO
tramite --source_format
e includi un URI Cloud Storage.
Puoi includere un singolo URI, un elenco di URI separati da virgole o un URI
che contengono un carattere jolly.
(Facoltativo) Fornisci il flag --location
e imposta il valore su
località.
Altri flag facoltativi includono:
--time_partitioning_type
: abilita il partizionamento in base al tempo in una tabella e imposta il tipo di partizione. I valori possibili sonoHOUR
,DAY
,MONTH
eYEAR
. Questo flag è facoltativo quando crei partizionata in base a una colonnaDATE
,DATETIME
oTIMESTAMP
. La il tipo di partizione predefinito per il partizionamento basato sul tempo èDAY
. Non puoi modificare la specifica di partizionamento su una tabella esistente.--time_partitioning_expiration
: un numero intero che specifica (in secondi) quando occorre eliminare una partizione temporale. La scadenza valuta con la data UTC della partizione più il valore intero.--time_partitioning_field
: la colonnaDATE
oTIMESTAMP
utilizzata per una tabella partizionata. Se il partizionamento basato sul tempo è abilitato senza viene creata una tabella partizionata per data di importazione.--require_partition_filter
: quando è abilitata, questa opzione richiede agli utenti per includere una clausolaWHERE
che specifichi le partizioni su cui eseguire la query. La richiesta di un filtro di partizionamento può ridurre i costi e migliorare le prestazioni. Per saperne di più, consulta Esecuzione di query su tabelle partizionate.--clustering_fields
: un elenco separato da virgole di massimo quattro nomi di colonna utilizzato per creare una tabella in cluster.--destination_kms_key
: la chiave Cloud KMS per la crittografia dei file e i dati della tabella.Per saperne di più sulle tabelle partizionate, consulta:
Per ulteriori informazioni sulle tabelle in cluster, consulta:
Per ulteriori informazioni sulla crittografia delle tabelle, consulta:
Per caricare dati Avro in BigQuery, inserisci il comando seguente:
bq --location=location load \ --source_format=format \ dataset.table \ path_to_source
Sostituisci quanto segue:
- location è la tua posizione. Il flag
--location
è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, puoi impostare il valore del flag suasia-northeast1
. Puoi impostare un valore predefinito per la località utilizzando il file.bigqueryrc. - format è pari a
AVRO
. - dataset è un set di dati esistente.
- table è il nome della tabella in cui vengono caricati i dati.
- path_to_source è un URI Cloud Storage completo oppure un elenco di URI separati da virgole. Caratteri jolly sono supportate.
Esempi:
Il seguente comando carica i dati da gs://mybucket/mydata.avro
in un
tabella denominata mytable
in mydataset
.
bq load \
--source_format=AVRO \
mydataset.mytable \
gs://mybucket/mydata.avro
Il seguente comando carica i dati da gs://mybucket/mydata.avro
in un
tabella partizionata per data di importazione denominata mytable
in mydataset
.
bq load \
--source_format=AVRO \
--time_partitioning_type=DAY \
mydataset.mytable \
gs://mybucket/mydata.avro
Il seguente comando carica i dati da gs://mybucket/mydata.avro
in un nuovo
tabella partizionata denominata mytable
in mydataset
. La tabella è partizionata
nella colonna mytimestamp
.
bq load \
--source_format=AVRO \
--time_partitioning_field mytimestamp \
mydataset.mytable \
gs://mybucket/mydata.avro
Il seguente comando carica dati da più file in gs://mybucket/
in una tabella denominata mytable
in mydataset
. L'URI Cloud Storage utilizza un
carattere jolly.
bq load \
--source_format=AVRO \
mydataset.mytable \
gs://mybucket/mydata*.avro
Il seguente comando carica dati da più file in gs://mybucket/
in una tabella denominata mytable
in mydataset
. Il comando include una virgola
elenco separato di URI di Cloud Storage con caratteri jolly.
bq load \
--source_format=AVRO \
mydataset.mytable \
"gs://mybucket/00/*.avro","gs://mybucket/01/*.avro"
API
Crea un job
load
che punti ai dati di origine in Cloud Storage.(Facoltativo) Specifica la tua località in la proprietà
location
nella sezionejobReference
della risorsa job.La proprietà
source URIs
deve essere completamente idonea, nel formatogs://bucket/object
. Ogni URI può contenere un carattere "*" carattere jolly.Specifica il formato dei dati Avro impostando la proprietà
sourceFormat
suAVRO
.Per controllare lo stato del lavoro, chiama
jobs.get(job_id*)
, dove job_id è l'ID del job restituito dal richiesta.- Se
status.state = DONE
, il job è stato completato correttamente. - Se è presente la proprietà
status.errorResult
, la richiesta non è riuscita. e l'oggetto includerà informazioni che descrivono cosa non ha funzionato. Quando una richiesta non va a buon fine, non viene creata alcuna tabella e non vengono caricati dati. - Se il campo
status.errorResult
non è presente, il job è stato completato correttamente. anche se potrebbero essersi verificati alcuni errori non irreversibili, come problemi importando alcune righe. Gli errori non irreversibili sono elencati nel job restituito dell'oggettostatus.errors
.
- Se
Note API:
I job di caricamento sono atomici e coerenti, se un job di caricamento non riesce, nessuno dei dati e, se un job di caricamento ha esito positivo, saranno disponibili tutti i dati.
Come best practice, genera un ID univoco e passalo come
jobReference.jobId
durante la chiamata ajobs.insert
per creare un job di caricamento. Questo è più efficace per gli errori di rete perché il client può eseguire il polling o riprova sull'ID job noto.Chiamare
jobs.insert
su un determinato ID job è idempotente. Puoi riprovare come tutte le volte che desideri per lo stesso ID job e al massimo una di queste operazioni avranno esito positivo.
Vai
Prima di provare questo esempio, segui le istruzioni per la configurazione di Go nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Java
Prima di provare questo esempio, segui le istruzioni per la configurazione di Java nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Java BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Node.js
Prima di provare questo esempio, segui le istruzioni per la configurazione di Node.js nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Node.js BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Python
Prima di provare questo esempio, segui le istruzioni per la configurazione di Python nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Python BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Estrarre i dati JSON dai dati Avro
Esistono due modi per garantire che i dati Avro vengano caricati
BigQuery come
Dati di JSON
:
Annota lo schema Avro con
sqlType
impostato suJSON
. Ad esempio, se caricare i dati con il seguente schema Avro, la colonnajson_field
verrà interpretato come un tipoJSON
:{ "type": {"type": "string", "sqlType": "JSON"}, "name": "json_field" }
Specifica in modo esplicito lo schema della tabella di destinazione BigQuery imposta il tipo di colonna su
JSON
. Per ulteriori informazioni, vedi Specifica di uno schema.
Se non specifichi JSON come tipo nello schema Avro o nello schema
Schema della tabella BigQuery, i dati verranno letti come STRING
.
Aggiunta o sovrascrittura di una tabella con dati Avro
Puoi caricare dati aggiuntivi in una tabella dai file di origine o aggiungendo i risultati della query.
Nella console Google Cloud, utilizza l'opzione Preferenza di scrittura per specificare quale azione eseguire quando carichi i dati da un file di origine o da una query o il risultato finale.
Quando carichi dati aggiuntivi in una tabella, hai a disposizione le seguenti opzioni:
Opzione console | flag strumento bq | Proprietà API BigQuery | Descrizione |
---|---|---|---|
Scrivi se vuota | Non supportata | WRITE_EMPTY |
Scrive i dati solo se la tabella è vuota. |
Aggiungi a tabella | --noreplace o --replace=false ; se
--[no]replace non è specificato. Il valore predefinito è Aggiungi |
WRITE_APPEND |
(valore predefinito) Aggiunge i dati alla fine della tabella. |
Sovrascrivi tabella | --replace o --replace=true |
WRITE_TRUNCATE |
Cancella tutti i dati esistenti in una tabella prima di scrivere i nuovi dati. Questa azione elimina anche lo schema della tabella, la sicurezza a livello di riga e rimuove eventuali Chiave Cloud KMS. |
Se carichi i dati in una tabella esistente, il job di caricamento può aggiungere i dati o sovrascrivere la tabella.
Per aggiungere o sovrascrivere una tabella con dati Avro:
Console
Nella console Google Cloud, apri la pagina BigQuery.
Nel riquadro Spazio di esplorazione, espandi il progetto e seleziona un set di dati.
Espandi
Azioni e fai clic su Apri.Nel riquadro dei dettagli, fai clic su Crea tabella.
.Nella sezione Origine della pagina Crea tabella:
- Per Crea tabella da, seleziona Cloud Storage.
Nel campo di origine, vai a o inserisci l'URI Cloud Storage. Tieni presente che non puoi Includono più URI nella console Google Cloud, ma caratteri jolly sono supportati. Il bucket Cloud Storage deve trovarsi nella stessa località come set di dati che contiene la tabella che stai aggiungendo o sovrascrivendo.
Per Formato file, seleziona Avro.
Nella sezione Destinazione della pagina Crea tabella:
In Nome set di dati, scegli il set di dati appropriato.
Nel campo Nome tabella, inserisci il nome della tabella che stai l'aggiunta o la sovrascrittura in BigQuery.
Verifica che l'opzione Tipo di tabella sia impostata su Tabella nativa.
Nella sezione Schema non è necessaria alcuna azione. Lo schema è autodescritte nei file Avro.
In Impostazioni di partizionamento e clustering, lascia i valori predefiniti. Tu impossibile convertire una tabella in una tabella partizionata o in cluster aggiungendo o sovrascriverlo e la console Google Cloud non supporta aggiungendo o sovrascrivendo tabelle partizionate o in cluster in un job di caricamento.
Fai clic su Opzioni avanzate.
- In Preferenza di scrittura, scegli Aggiungi alla tabella o Sovrascrivi dalla tabella.
- Per Valori sconosciuti, lascia deselezionata l'opzione Ignora valori sconosciuti. Questa opzione si applica solo ai file CSV e JSON.
- In Crittografia, fai clic su Chiave gestita dal cliente per utilizzare una Chiave Cloud Key Management Service. Se lasci l'impostazione Chiave gestita da Google, BigQuery cripta i dati at-rest.
Fai clic su Crea tabella.
SQL
Utilizza la
LOAD DATA
Istruzione DDL.
L'esempio seguente aggiunge un file Avro alla tabella mytable
:
Nella console Google Cloud, vai alla pagina BigQuery.
Nell'editor query, inserisci la seguente istruzione:
LOAD DATA INTO mydataset.mytable FROM FILES ( format = 'avro', uris = ['gs://bucket/path/file.avro']);
Fai clic su
Esegui.
Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.
bq
Inserisci il comando bq load
con il flag --replace
per sovrascrivere
. Utilizza il flag --noreplace
per aggiungere dati alla tabella. Se non è presente alcun flag
specificato, il valore predefinito è l'aggiunta di dati. Fornisci il flag --source_format
e lo imposti su AVRO
. Poiché gli schemi Avro vengono recuperati automaticamente
dai dati di origine autodescrittivi, non è necessario fornire uno schema
definizione di Kubernetes.
(Facoltativo) Fornisci il flag --location
e imposta il valore su
località.
Altri flag facoltativi includono:
--destination_kms_key
: la chiave Cloud KMS per la crittografia dei file e i dati della tabella.
bq --location=location load \ --[no]replace \ --source_format=format \ dataset.table \ path_to_source
Sostituisci quanto segue:
- location è la tua località.
Il flag
--location
è facoltativo. Puoi impostare un valore predefinito per usando il file.bigqueryrc. - format è pari a
AVRO
. - dataset è un set di dati esistente.
- table è il nome della tabella in cui vengono caricati i dati.
- path_to_source è un URI Cloud Storage completo oppure un elenco di URI separati da virgole. Caratteri jolly sono supportate.
Esempi:
Il comando seguente carica i dati da gs://mybucket/mydata.avro
e
sovrascrive una tabella denominata mytable
in mydataset
.
bq load \
--replace \
--source_format=AVRO \
mydataset.mytable \
gs://mybucket/mydata.avro
Il comando seguente carica i dati da gs://mybucket/mydata.avro
e
accoda dati a una tabella denominata mytable
in mydataset
.
bq load \
--noreplace \
--source_format=AVRO \
mydataset.mytable \
gs://mybucket/mydata.avro
Per informazioni sull'aggiunta e la sovrascrittura delle tabelle partizionate mediante a riga di comando bq, consulta: Aggiunta e sovrascrittura di tabella partizionata partizionate.
API
Crea un job
load
che punti ai dati di origine in Cloud Storage.(Facoltativo) Specifica la tua località in la proprietà
location
nella sezionejobReference
della risorsa job.La proprietà
source URIs
devono essere pienamente qualificati, nel formatogs://bucket/object
. Puoi Includere più URI sotto forma di elenco separato da virgole. Tieni presente che caratteri jolly sono .Specifica il formato dei dati impostando il parametro
configuration.load.sourceFormat
aAVRO
.Specifica la preferenza di scrittura impostando il parametro
configuration.load.writeDisposition
proprietà aWRITE_TRUNCATE
oWRITE_APPEND
.
Vai
Prima di provare questo esempio, segui le istruzioni per la configurazione di Go nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Java
Prima di provare questo esempio, segui le istruzioni per la configurazione di Java nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Java BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Node.js
Prima di provare questo esempio, segui le istruzioni per la configurazione di Node.js nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Node.js BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Python
Prima di provare questo esempio, segui le istruzioni per la configurazione di Python nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Python BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Caricamento dei dati Avro partizionati in hive
BigQuery supporta il caricamento di dati Avro partizionati hive archiviati su Cloud Storage e compila le colonne di partizionamento hive come colonne in nella tabella gestita da BigQuery di destinazione. Per ulteriori informazioni, vedi Caricamento di dati partizionati esternamente da Cloud Storage.
Conversioni Avro
BigQuery converte i tipi di dati Avro nei seguenti Tipi di dati BigQuery:
Tipi primitivi
Tipo di dati BigQuery | Note | |
---|---|---|
null | BigQuery ignora questi valori | |
boolean | BOOLEANO | |
int | INTEGER | |
Lungo | INTEGER | |
numero in virgola mobile | FLOAT | |
double | FLOAT | |
byte | BYTES | |
string | STRINGA | Solo UTF-8 |
Tipi logici
Per impostazione predefinita, BigQuery ignora l'attributo logicalType
per la maggior parte
dei tipi e utilizza invece il tipo Avro sottostante. Per convertire
tipi logici Avro ai tipi di dati BigQuery corrispondenti,
imposta il flag --use_avro_logical_types
su true
utilizzando
lo strumento a riga di comando bq oppure imposta la proprietà useAvroLogicalTypes
nella
risorse di lavoro
quando chiami
jobs.insert
per creare un job di caricamento.
La tabella seguente mostra la conversione dei tipi logici Avro in Tipi di dati di BigQuery.
Tipo di dati BigQuery: tipo logico disabilitato | Tipo di dati BigQuery: tipo logico abilitato | |
---|---|---|
data | INTEGER | DATA |
tempo-millisecondi | INTEGER | TEMPO |
time-micros | INTEGER (convertito da LONG) | TEMPO |
timestamp-millis | INTEGER (convertito da LONG) | TIMESTAMP |
timestamp-micros | INTEGER (convertito da LONG) | TIMESTAMP |
local-timestamp-millis | INTEGER (convertito da LONG) | DATETIME |
local-timestamp-micros | INTEGER (convertito da LONG) | DATETIME |
duration | BYTES (convertiti da fixed tipo di dimensione 12) |
BYTES (convertiti da fixed tipo di dimensione 12) |
decimal | NUMERIC, BIGNUMERIC o STRING (vedi Tipo logico decimale) | NUMERIC, BIGNUMERIC o STRING (vedi Tipo logico decimale) |
Per ulteriori informazioni sui tipi di dati Avro, consulta Specifica Apache AvroTM 1.8.2.
Tipo logico data
In qualsiasi file Avro che intendi caricare, devi specificare i tipi logici delle date nel seguente formato:
{
"type": {"logicalType": "date", "type": "int"},
"name": "date_field"
}
Tipo logico decimale
Decimal
tipi logici possono essere convertiti in NUMERIC
, BIGNUMERIC
o STRING
tipi. Il tipo convertito dipende
sui parametri di precisione e scala del tipo logico decimal
e
tipi di target decimali specificati. Specifica il tipo di target decimale come segue:
- Per un job di caricamento utilizzando la proprietà
API
jobs.insert
: utilizzaJobConfigurationLoad.decimalTargetTypes
. - Per un job di caricamento utilizzando la proprietà
bq load
nello strumento a riga di comando bq: usa--decimal_target_types
flag. - Per una query su una tabella con origini esterne:
usa
ExternalDataConfiguration.decimalTargetTypes
. - Per una tabella esterna permanente creata con DDL:
utilizza l'opzione
decimal_target_types
.
Per la compatibilità con le versioni precedenti, se i tipi di targeting decimale non sono specificati,
carica un file Avro contenente una colonna bytes
con
il tipo logico decimal
in una colonna BYTES
di una tabella esistente. In questo
il tipo logico decimal
nella colonna del file Avro viene ignorato. Questo
la modalità di conversione è deprecata e potrebbe essere rimossa in futuro.
Per ulteriori informazioni sul tipo logico Avro decimal
, consulta
Specifica Apache AvroTM 1.8.2.
Tipo logico temporale
In qualsiasi file Avro che intendi caricare, devi specificare tipi logici orali in una dei seguenti formati.
Per una precisione in millisecondi:
{
"type": {"logicalType": "time-millis", "type": "int"},
"name": "time_millis_field"
}
Per una precisione in microsecondi:
{
"type": {"logicalType": "time-micros", "type": "int"},
"name": "time_micros_field"
}
Tipo logico timestamp
In qualsiasi file Avro che intendi caricare, devi specificare tipi logici del timestamp in uno dei seguenti formati.
Per una precisione in millisecondi:
{
"type": {"logicalType": "timestamp-millis", "type": "long"},
"name": "timestamp_millis_field"
}
Per una precisione in microsecondi:
{
"type": {"logicalType": "timestamp-micros", "type": "long"},
"name": "timestamp_micros_field"
}
Tipo logico di timestamp locale
In qualsiasi file Avro che intendi caricare, devi specificare un valore logico local-timestamp devono essere digitati in uno dei seguenti formati.
Per una precisione in millisecondi:
{
"type": {"logicalType": "local-timestamp-millis", "type": "long"},
"name": "local_timestamp_millis_field"
}
Per una precisione in microsecondi:
{
"type": {"logicalType": "local-timestamp-micros", "type": "long"},
"name": "local_timestamp_micros_field"
}
Tipi complessi
Tipo di dati BigQuery | Note | |
---|---|---|
disco | RECORD |
|
enum | STRINGA |
|
matrice | campi ripetuti | Gli array di array non sono supportati. Array contenenti solo tipi NULL vengono ignorati. |
mappa<T> | RECORD | BigQuery converte una mappa Avro<T> in un campo RECORD che contiene due campi: una chiave e un valore. BigQuery archivia la chiave come STRING e converte il valore nel suo del tipo di dati in BigQuery. |
unione |
|
|
fisso | BYTES |
|
Limitazioni
- La formattazione degli array nidificati non è supportata in BigQuery. Avro i file in questo formato devono essere convertiti prima dell'importazione.
- In un file Avro, i nomi e gli spazi dei nomi di un nome completo possono contenere solo caratteri alfanumerici e il trattino basso
_
. La seguente espressione regolare mostra i caratteri consentiti:[A-Za-z_][A-Za-z0-9_]*
Per ulteriori informazioni, vedi Limiti dei job di caricamento BigQuery.