Cloud Storage에서 Avro 데이터 로드

Cloud Storage에서 Avro 파일 로드

Avro는 직렬화된 데이터를 같은 파일에서 데이터 스키마와 함께 묶는 오픈소스 데이터 형식입니다.

Cloud Storage에서 Avro 데이터를 로드할 때 새 테이블 또는 파티션에 데이터를 로드하거나 기존 테이블 또는 파티션에 추가하거나 덮어쓸 수 있습니다. BigQuery에 로드한 데이터는 Capacitor용 열 형식(BigQuery의 스토리지 형식)으로 변환됩니다.

Cloud Storage에서 BigQuery 테이블로 데이터를 로드하는 경우 테이블을 포함한 데이터세트는 Cloud Storage 버킷과 같은 리전이나 멀티 리전 위치에 있어야 합니다.

로컬 파일에서 Avro 데이터를 로드하는 자세한 내용은 로컬 데이터 소스에서 BigQuery로 데이터 로드를 참조하세요.

Avro의 장점

Avro는 BigQuery로 데이터를 로드할 때 권장되는 형식입니다. Avro 파일을 로드하면 CSV 및 JSON(줄바꿈으로 구분됨)에 비해 다음과 같은 이점이 있습니다.

  • Avro 바이너리 형식:
    • 로드가 빠릅니다. 데이터 블록이 압축된 경우에도 데이터를 병렬로 읽을 수 있습니다.
    • 유형 설정이나 직렬화가 필요 없습니다.
    • ASCII와 같은 다른 형식에서 인코딩 문제가 없으므로 파싱이 간편합니다.
  • Avro 파일을 BigQuery로 로드하면 테이블 스키마를 자체 설명적 소스 데이터로부터 자동으로 가져옵니다.

Avro 스키마

Avro 파일을 BigQuery로 로드하면 테이블 스키마를 소스 데이터로부터 자동으로 가져옵니다. BigQuery가 소스 데이터에서 스키마를 검색할 때는 알파벳순으로 마지막 파일이 사용됩니다.

예를 들어 Cloud Storage에 다음과 같은 Avro 파일이 있습니다.

gs://mybucket/00/
  a.avro
  z.avro
gs://mybucket/01/
  b.avro

이 명령어는 단일 CLI 명령어로 모든 파일을 로드하며(쉼표로 구분된 목록으로) 스키마는 mybucket/01/b.avro에서 파생됩니다.

bq load \
--source_format=AVRO \
dataset.table \
"gs://mybucket/00/*.avro","gs://mybucket/01/*.avro"

Avro 스키마가 서로 다른 Avro 파일을 여러 개 가져오는 경우, 모든 스키마는 Avro의 스키마 해상도와 호환되어야 합니다.

BigQuery가 스키마를 감지하면 일부 Avro 데이터 유형은 BigQuery SQL 구문과 호환되도록 BigQuery 데이터 유형으로 변환됩니다. 자세한 내용은 Avro 변환을 참조하세요.

Avro 압축

압축된 Avro 파일은 지원되지 않지만 압축된 데이터 블록은 지원됩니다. BigQuery는 DEFLATE 및 Snappy 코덱을 지원합니다.

필수 권한

BigQuery에 데이터를 로드할 때는 로드 작업을 실행할 수 있는 권한과 새로운 또는 기존의 BigQuery 테이블 및 파티션에 데이터를 로드할 수 있는 권한이 있어야 합니다. Cloud Storage에서 데이터를 로드하는 경우 데이터가 포함된 버킷에 대한 액세스 권한도 필요합니다.

BigQuery 권한

BigQuery에 데이터를 로드하려면 최소한 다음 권한이 필요합니다. 이러한 권한은 새 테이블 또는 파티션에 데이터를 로드하는 경우 또는 테이블 또는 파티션을 추가하거나 덮어쓰는 경우 필요합니다.

  • bigquery.tables.create
  • bigquery.tables.updateData
  • bigquery.jobs.create

사전 정의된 다음 Cloud IAM 역할에는 bigquery.tables.createbigquery.tables.updateData 권한이 모두 포함되어 있습니다.

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

사전 정의된 다음 Cloud IAM 역할에는 bigquery.jobs.create 권한이 포함되어 있습니다.

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

또한 사용자에게 bigquery.datasets.create 권한이 있으면 해당 사용자가 데이터세트를 만들 때 이에 대한 bigquery.dataOwner 액세스 권한이 부여됩니다. bigquery.dataOwner 액세스 권한이 있으면 사용자가 로드 작업을 통해 데이터세트에서 테이블을 만들고 업데이트할 수 있습니다.

BigQuery의 Cloud IAM 역할 및 권한에 대한 자세한 내용은 액세스 제어를 참조하세요.

Cloud Storage 권한

Cloud Storage 버킷에서 데이터를 로드하려면 storage.objects.get 권한을 부여받아야 합니다. URI 와일드 카드를 사용하는 경우 storage.objects.list 권한도 있어야 합니다.

사전 정의된 Cloud IAM 역할 storage.objectViewer가 부여되면 storage.objects.getstorage.objects.list 권한이 모두 제공됩니다.

새 테이블에 Avro 데이터 로드

다음과 같은 방법으로 새 테이블에 Avro 데이터를 로드할 수 있습니다.

  • GCP Console 또는 기본 웹 UI 사용
  • CLI의 bq load 명령어 사용
  • jobs.insert API 메서드를 호출하고 load 작업 구성
  • 클라이언트 라이브러리 사용

Cloud Storage에서 새 BigQuery 테이블로 Avro 데이터를 로드하려면 다음 안내를 따르세요.

Console

  1. GCP Console에서 BigQuery 웹 UI를 엽니다.
    GCP Console로 이동

  2. 탐색 패널의 리소스 섹션에서 프로젝트를 확장하고 데이터세트를 선택합니다.

  3. 창의 오른쪽에 있는 세부정보 패널에서 테이블 만들기를 클릭합니다. 데이터를 로드하는 프로세스는 빈 테이블을 만드는 프로세스와 동일합니다.

    테이블 만들기

  4. 테이블 만들기 페이지의 소스 섹션에서 다음을 수행합니다.

    • 다음 항목으로 테이블 만들기에서 Cloud Storage를 선택합니다.

    • 소스 필드에서 Cloud Storage URI로 이동하거나 입력합니다. GCP Console에 여러 URI를 포함할 수 없지만 와일드카드는 지원됩니다. Cloud Storage 버킷은 생성 중인 테이블을 포함하는 데이터세트와 같은 위치에 있어야 합니다.

      파일 선택

    • 파일 형식으로 Avro를 선택합니다.

  5. 테이블 만들기 페이지의 대상 섹션에서 다음을 수행합니다.

    • 데이터세트 이름에서 적절한 데이터세트를 선택합니다.

      데이터세트 보기

    • 테이블 유형기본 테이블로 설정되어 있는지 확인합니다.

    • 테이블 이름 필드에 BigQuery에 생성 중인 테이블의 이름을 입력합니다.

  6. 스키마 섹션은 별도의 설정이 필요하지 않습니다. 스키마는 Avro 파일에서 자체 기술됩니다.

  7. (선택사항) 테이블 파티션을 나누려면 파티션 및 클러스터 설정에서 옵션을 선택합니다.

    • 파티션을 나눈 테이블을 만들려면 파티션 없음을 클릭하고 필드로 파티션 나누기를 선택하고 DATE 또는 TIMESTAMP 열을 선택합니다. 스키마에 DATE 또는 TIMESTAMP 열이 없는 경우 이 옵션을 사용할 수 없습니다.
    • 수집 시간으로 파티션을 나눈 테이블을 만들려면 파티션 없음을 클릭하고 수집 시간으로 파티션 나누기를 선택합니다.
  8. (선택사항) 파티션 필터의 경우 파티션 필터 필요 상자를 클릭하여 사용자가 쿼리할 파티션을 지정하는 WHERE 절을 포함하도록 요구합니다. 파티션 필터를 필수 사항으로 설정하면 비용이 절감되고 성능이 개선될 수 있습니다. 자세한 내용은 파티션을 나눈 테이블 쿼리를 참조하세요. 파티션 없음이 선택된 경우 이 옵션을 사용할 수 없습니다.

  9. (선택사항) 테이블을 클러스터링하려면 클러스터링 순서 상자에 1개에서 4개 사이의 필드 이름을 입력합니다. 현재 클러스터링은 파티션을 나눈 테이블에 대해서만 지원됩니다.

  10. (선택사항) 고급 옵션을 클릭합니다.

    • 쓰기 환경설정의 경우 비어 있으면 쓰기를 선택한 상태로 둡니다. 이 옵션은 새 테이블을 만들어 이 테이블에 데이터를 로드합니다.
    • 허용되는 오류 개수의 경우 기본값 0을 그대로 두거나 오류가 포함된 행의 무시할 수 있는 최대 개수를 입력합니다. 오류가 포함된 행의 개수가 이 값을 초과하면 invalid 메시지가 표시되고 작업이 실패합니다.
    • 알 수 없는 값알 수 없는 값 무시를 선택 해제한 채로 둡니다. 이 옵션은 CSV 및 JSON 파일에만 적용됩니다.
    • Cloud Key Management Service 키를 사용하려면 암호화에서 고객 관리 키를 클릭합니다. Google 관리 키 설정을 그대로 두면 BigQuery는 저장 데이터를 암호화합니다.
  11. 테이블 만들기를 클릭합니다.

기본 UI

  1. BigQuery 웹 UI로 이동합니다.
    BigQuery 웹 UI로 이동

  2. 탐색 패널에서 마우스로 데이터세트를 가리키고 아래쪽 화살표 아이콘 아래쪽 화살표 아이콘 이미지을 클릭한 후 새 테이블 만들기를 클릭합니다. 데이터를 로드하는 프로세스는 빈 테이블을 만드는 프로세스와 동일합니다.

  3. 테이블 만들기 페이지의 소스 데이터 섹션에서 다음을 수행합니다.

    • 소스에서 만들기를 클릭합니다.
    • 위치에서 Cloud Storage를 선택하고 소스 필드에 Cloud Storage URI를 입력합니다. BigQuery 웹 UI에서는 URI가 여러 개 포함될 수 없지만 와일드 카드는 지원됩니다. Cloud Storage 버킷은 생성 중인 테이블을 포함하는 데이터세트와 같은 위치에 있어야 합니다.
    • 파일 형식으로 Avro를 선택합니다.
  4. 대상 테이블 섹션에서 다음을 수행합니다.

    • 테이블 이름으로 적절한 데이터세트를 선택하고 테이블 이름 필드에 BigQuery에서 만들 테이블의 이름을 입력합니다.
    • 테이블 유형기본 테이블로 설정되어 있는지 확인합니다.
  5. 스키마 섹션은 별도의 설정이 필요하지 않습니다. 스키마는 Avro 파일에서 자체 기술됩니다.

  6. (선택사항) 옵션 섹션에서 다음을 수행합니다.

    • 허용되는 오류 개수의 경우 기본값 0을 그대로 두거나 오류가 포함된 행의 무시할 수 있는 최대 개수를 입력합니다. 오류가 포함된 행의 개수가 이 값을 초과하면 invalid 메시지가 표시되고 작업이 실패합니다.
    • 쓰기 환경설정의 경우 비어 있으면 쓰기가 선택된 상태로 둡니다. 이 옵션은 새 테이블을 만들어 이 테이블에 데이터를 로드합니다.
    • 테이블을 파티션으로 나누려면 다음 안내를 따르세요.
      • 파티션 나누기 유형에서 없음을 클릭하고 날짜를 선택합니다.
      • 파티션 나누기 필드:
      • 파티션을 나눈 테이블을 만들려면 DATE 또는 TIMESTAMP 열을 선택합니다. 스키마에 DATE 또는 TIMESTAMP 열이 없는 경우 이 옵션을 사용할 수 없습니다.
      • 수집 시간으로 파티션을 나눈 테이블을 만들려면 기본값 _PARTITIONTIME을 그대로 둡니다.
      • (선택사항) 파티션 필터 필요 상자를 클릭하여 사용자가 쿼리할 파티션을 지정하는 WHERE 절을 포함하도록 요구합니다. 파티션 필터를 필수 사항으로 설정하면 비용을 절감하고 성능을 개선할 수 있습니다. 자세한 내용은 파티션을 나눈 테이블 쿼리를 참조하세요. 파티션 나누기 유형없음으로 설정된 경우 이 옵션을 사용할 수 없습니다.
    • 테이블을 클러스터링하려면 Clustering Fields(클러스터링 필드) 상자에 1개에서 4개 사이의 필드 이름을 입력합니다.
    • Cloud Key Management Service 키를 사용하여 테이블을 암호화하려면 Destination encryption(대상 암호화)에서 고객 관리 암호화를 선택합니다. Default 설정을 그대로 두면 BigQuery가 Google 관리 키를 사용하여 저장 데이터를 암호화합니다.
  7. 테이블 만들기를 클릭합니다.

CLI

bq load 명령어에서 --source_format 플래그를 사용하여 AVRO를 지정하고 Cloud Storage URI를 포함합니다. 단일 URI, 쉼표로 구분된 URI 목록 또는 와일드 카드가 포함된 URI를 포함할 수 있습니다.

(선택사항) --location 플래그를 지정하고 값을 사용자 위치로 설정합니다.

다른 선택사항 플래그에는 다음이 포함됩니다.

  • --max_bad_records: 전체 작업이 실패하기 전에 허용되는 불량 레코드의 최대 수를 지정하는 정수입니다. 기본값은 0입니다. --max_bad_records 값과 상관없이 모든 유형에 오류가 최대 5개까지 반환됩니다.
  • --time_partitioning_type: 테이블에 시간 기준 파티션 나누기를 사용 설정하고 파티션 유형을 설정합니다. 현재 하루에 파티션을 한 개씩 생성하는 DAY만 사용할 수 있습니다. 이 플래그는 DATE 또는 TIMESTAMP 열을 기준으로 파티션을 나눈 테이블을 만드는 경우 선택사항입니다.
  • --time_partitioning_expiration: 시간 기준 파티션을 삭제할 시간을 초 단위로 지정하는 정수입니다. 만료 시간은 파티션의 UTC 날짜에 정수 값을 더한 값입니다.
  • --time_partitioning_field: 파티션을 나눈 테이블을 만드는 데 사용된 DATE 또는 TIMESTAMP 열입니다. 이 값 없이 시간 기준 파티션 나누기가 사용 설정된 경우 수집 시간으로 파티션을 나눈 테이블이 생성됩니다.
  • --require_partition_filter: 이 옵션을 사용 설정하면 사용자는 쿼리할 파티션을 지정하는 WHERE 절을 포함해야 합니다. 파티션 필터를 필수 사항으로 설정하면 비용을 절감하고 성능을 개선할 수 있습니다. 자세한 내용은 파티션을 나눈 테이블 쿼리를 참조하세요.
  • --clustering_fields: 클러스터링된 테이블을 만드는 데 사용된 최대 4개 열 이름의 쉼표로 구분된 목록입니다. 이 플래그는 파티션을 나눈 테이블에만 사용할 수 있습니다.
  • --destination_kms_key: 테이블 데이터 암호화를 위한 Cloud KMS 키입니다.

    파티션을 나눈 테이블에 대한 자세한 내용은 다음을 참조하세요.

    클러스터링된 테이블에 대한 자세한 내용은 다음을 참조하세요.

    테이블 암호화에 대한 자세한 내용은 다음을 참조하세요.

BigQuery에 Avro 데이터를 로드하려면 다음 명령어를 입력하세요.

bq --location=location load \
--source_format=format \
dataset.table \
path_to_source

각 항목의 의미는 다음과 같습니다.

  • location은 사용자의 위치입니다. --location 플래그는 선택사항입니다. 예를 들어 도쿄 리전에서 BigQuery를 사용하는 경우 플래그 값을 asia-northeast1로 설정할 수 있습니다. .bigqueryrc 파일을 사용하여 위치 기본값을 설정할 수 있습니다.
  • formatAVRO입니다.
  • dataset는 기존 데이터세트입니다.
  • table은 데이터를 로드하는 테이블 이름입니다.
  • path_to_source는 정규화된 Cloud Storage URI 또는 쉼표로 구분된 URI 목록이며 와일드 카드도 지원됩니다.

예:

다음 명령어는 gs://mybucket/mydata.avro에서 mydataset에 있는 mytable이라는 이름의 테이블로 데이터를 로드합니다.

    bq load \
    --source_format=AVRO \
    mydataset.mytable \
    gs://mybucket/mydata.avro

다음 명령어는 gs://mybucket/mydata.avro에서 mydataset에 있는 mytable이라는 이름의 수집 시간으로 파티션을 나눈 테이블로 데이터를 로드합니다.

    bq load \
    --source_format=AVRO \
    --time_partitioning_type=DAY \
    mydataset.mytable \
    gs://mybucket/mydata.avro

다음 명령어는 gs://mybucket/mydata.avro에서 mydataset에 있는 mytable이라는 이름의 파티션을 나눈 테이블로 데이터를 로드합니다. 테이블의 파티션은 mytimestamp 열을 기준으로 나뉩니다.

    bq load \
    --source_format=AVRO \
    --time_partitioning_field mytimestamp \
    mydataset.mytable \
    gs://mybucket/mydata.avro

다음 명령어는 gs://mybucket/에 있는 여러 파일에서 mydataset에 있는 mytable이라는 테이블로 데이터를 로드합니다. Cloud Storage URI는 와일드 카드를 사용합니다.

    bq load \
    --source_format=AVRO \
    mydataset.mytable \
    gs://mybucket/mydata*.avro

다음 명령어는 gs://mybucket/에 있는 여러 파일에서 mydataset에 있는 mytable이라는 테이블로 데이터를 로드합니다. 명령어에는 와일드 카드를 사용하는 쉼표로 구분된 Cloud Storage URI 목록이 포함됩니다.

    bq load \
    --source_format=AVRO \
    mydataset.mytable \
    "gs://mybucket/00/*.avro","gs://mybucket/01/*.avro"

API

  1. Cloud Storage의 소스 데이터를 가리키는 load 작업을 만듭니다.

  2. (선택사항) 작업 리소스jobReference 섹션에 있는 location 속성에 사용자 위치를 지정합니다.

  3. source URIs 속성은 gs://bucket/object 형식으로 정규화되어야 합니다. 각 URI는 '*' 와일드 카드 문자 하나를 포함할 수 있습니다.

  4. sourceFormat 속성을 AVRO로 설정하여 Avro 데이터 형식을 지정합니다.

  5. 작업 상태를 확인하려면 jobs.get(job_id*)를 호출합니다. 여기서 job_id는 초기 요청에서 반환된 작업의 ID입니다.

    • status.state = DONE이면 작업이 성공적으로 완료된 것입니다.
    • status.errorResult 속성이 있으면 요청이 실패한 것이며 해당 객체에 문제를 설명하는 정보가 포함됩니다. 요청이 실패하면 테이블이 생성되지 않고 데이터가 로드되지 않습니다.
    • status.errorResult가 없으면 작업은 성공적으로 끝났지만 일부 행을 올바르게 가져오지 못하는 등의 치명적이지 않은 오류가 존재할 수도 있습니다. 치명적이지 않은 오류는 반환된 작업 객체의 status.errors 속성에 나열됩니다.

API 참고:

  • 로드 작업은 원자적이며 일관적입니다. 로드 작업이 실패하면 어떤 데이터도 사용할 수 없으며, 로드 작업이 성공하면 모든 데이터를 사용할 수 있습니다.

  • jobs.insert를 호출하여 로드 작업을 만들 때 고유 ID를 생성하여 jobReference.jobId로 전달하는 것이 가장 좋습니다. 클라이언트가 알려진 작업 ID로 폴링하거나 재시도할 수 있으므로 이 방법은 네트워크 장애 시에 더 안정적입니다.

  • 지정된 작업 ID에 대한 jobs.insert 호출은 멱등성을 가집니다. 동일한 작업 ID에 대해 원하는 만큼 재시도할 수 있으며 이러한 작업 중 최대 하나가 성공하게 됩니다.

Python

이 샘플을 시도하기 전에 BigQuery 빠른 시작: 클라이언트 라이브러리 사용의 Python 설정 안내를 따르세요. 자세한 내용은 BigQuery Python API 참조 문서를 확인하세요.

# from google.cloud import bigquery
# client = bigquery.Client()
# dataset_id = 'my_dataset'

dataset_ref = client.dataset(dataset_id)
job_config = bigquery.LoadJobConfig()
job_config.source_format = bigquery.SourceFormat.AVRO
uri = "gs://cloud-samples-data/bigquery/us-states/us-states.avro"

load_job = client.load_table_from_uri(
    uri, dataset_ref.table("us_states"), job_config=job_config
)  # API request
print("Starting job {}".format(load_job.job_id))

load_job.result()  # Waits for table load to complete.
print("Job finished.")

destination_table = client.get_table(dataset_ref.table("us_states"))
print("Loaded {} rows.".format(destination_table.num_rows))

테이블에 Avro 데이터 추가 또는 덮어쓰기

소스 파일에서 또는 쿼리 결과를 추가하여 테이블에 추가 데이터를 로드할 수 있습니다.

콘솔 또는 기본 BigQuery 웹 UI에서 쓰기 환경설정 옵션을 사용하여 소스 파일 또는 쿼리 결과에서 데이터를 로드할 때 수행할 작업을 지정합니다.

추가 데이터를 테이블에 로드할 때 다음 옵션을 사용할 수 있습니다.

Console 옵션 기본 웹 UI 옵션 CLI 플래그 BigQuery API 속성 설명
비어 있으면 쓰기 비어 있으면 쓰기 없음 WRITE_EMPTY 테이블이 비어 있는 경우에만 데이터를 씁니다.
테이블에 추가 테이블에 추가 --noreplace 또는 --replace=false. --[no]replace를 지정하지 않으면 기본값은 추가임 WRITE_APPEND (기본값) 데이터를 테이블 끝에 추가합니다.
테이블 덮어쓰기 테이블 덮어쓰기 --replace 또는 --replace=true WRITE_TRUNCATE 새 데이터를 쓰기 전에 테이블의 기존 데이터를 모두 지웁니다.

기존 테이블에 데이터를 로드하는 경우 로드 작업에서 데이터를 추가하거나 테이블을 덮어쓸 수 있습니다.

다음을 통해 테이블을 추가하거나 덮어쓸 수 있습니다.

  • GCP Console 또는 기본 웹 UI 사용
  • CLI의 bq load 명령어 사용
  • jobs.insert API 메서드를 호출하고 load 작업 구성
  • 클라이언트 라이브러리 사용

Avro 데이터가 있는 테이블을 추가하거나 덮어쓰려면 다음 안내를 따르세요.

Console

  1. GCP Console에서 BigQuery 웹 UI를 엽니다.
    GCP Console로 이동

  2. 탐색 패널의 리소스 섹션에서 프로젝트를 확장하고 데이터세트를 선택합니다.

  3. 창의 오른쪽에 있는 세부정보 패널에서 테이블 만들기를 클릭합니다. 로드 작업에서 데이터를 추가하고 덮어쓰는 프로세스는 로드 작업에서 테이블을 만드는 프로세스와 동일합니다.

    테이블 만들기

  4. 테이블 만들기 페이지의 소스 섹션에서 다음을 수행합니다.

    • 다음 항목으로 테이블 만들기에서 Cloud Storage를 선택합니다.

    • 소스 필드에서 찾아보거나 Cloud Storage URI를 입력합니다. BigQuery 웹 UI에서는 URI가 여러 개 포함될 수 없지만 와일드 카드는 지원됩니다. Cloud Storage 버킷은 추가하거나 덮어쓰고 있는 테이블을 포함하는 데이터세트와 같은 위치에 있어야 합니다.

      파일 선택

    • 파일 형식으로 Avro를 선택합니다.

  5. 테이블 만들기 페이지의 대상 섹션에서 다음을 수행합니다.

    • 데이터세트 이름에서 적절한 데이터세트를 선택합니다.

      데이터세트 선택

    • 테이블 이름 필드에 BigQuery에서 추가하거나 덮어쓰는 테이블의 이름을 입력합니다.

    • 테이블 유형기본 테이블로 설정되어 있는지 확인합니다.

  6. 스키마 섹션은 별도의 설정이 필요하지 않습니다. 스키마는 Avro 파일에서 자체 기술됩니다.

  7. 파티션 및 클러스터 설정은 기본값을 그대로 둡니다. 추가하거나 덮어쓰는 방법으로 테이블을 파티션을 나눈 테이블 또는 클러스터링된 테이블로 변환할 수 없으며, GCP Console은 로드 작업에서 파티션을 나눈 테이블 또는 클러스터링된 테이블의 추가나 덮어쓰기를 지원하지 않습니다.

  8. 고급 옵션을 클릭합니다.

    • 쓰기 환경설정에서 테이블에 추가 또는 테이블 덮어쓰기를 선택합니다.
    • 허용되는 오류 개수의 경우 기본값 0을 그대로 두거나 오류가 포함된 행의 무시할 수 있는 최대 개수를 입력합니다. 오류가 포함된 행의 개수가 이 값을 초과하면 invalid 메시지가 표시되고 작업이 실패합니다.
    • 알 수 없는 값의 경우는 알 수 없는 값 무시를 선택 해제한 채로 둡니다. 이 옵션은 CSV 및 JSON 파일에만 적용됩니다.
    • Cloud Key Management Service 키를 사용하려면 암호화에서 고객 관리 키를 클릭합니다. Google 관리 키 설정을 그대로 두면 BigQuery는 저장 데이터를 암호화합니다.

      테이블 덮어쓰기

  9. 테이블 만들기를 클릭합니다.

기본 UI

  1. BigQuery 웹 UI로 이동합니다.
    BigQuery 웹 UI로 이동

  2. 탐색 패널에서 마우스로 데이터세트를 가리키고 아래쪽 화살표 아이콘 아래쪽 화살표 아이콘 이미지을 클릭한 후 새 테이블 만들기를 클릭합니다. 로드 작업에서 데이터를 추가하고 덮어쓰는 프로세스는 로드 작업에서 테이블을 만드는 프로세스와 동일합니다.

  3. 테이블 만들기 페이지의 소스 데이터 섹션에서 다음을 수행합니다.

    • 위치에서 Cloud Storage를 선택하고 소스 필드에 Cloud Storage URI를 입력합니다. UI에서는 URI가 여러 개 포함될 수 없지만 와일드 카드는 지원됩니다. Cloud Storage 버킷은 추가하거나 덮어쓰고 있는 테이블을 포함하는 데이터세트와 같은 위치에 있어야 합니다.
    • 파일 형식으로 Avro를 선택합니다.
  4. 테이블 만들기 페이지의 대상 테이블 섹션:

    • 테이블 이름으로 적절한 데이터세트를 선택하고 테이블 이름 필드에 추가하거나 덮어쓰는 테이블의 이름을 입력합니다.
    • 테이블 유형기본 테이블로 설정되어 있는지 확인합니다.
  5. 스키마 섹션은 별도의 설정이 필요하지 않습니다. 스키마 정보는 Avro 파일에서 자체 기술됩니다.

  6. 옵션 섹션에서 다음을 수행합니다.

    • 허용되는 오류 개수의 경우 기본값 0을 그대로 두거나 오류가 포함된 행의 무시할 수 있는 최대 개수를 입력합니다. 오류가 포함된 행의 개수가 이 값을 초과하면 invalid 메시지가 표시되고 작업이 실패합니다.
    • 쓰기 환경설정에서 테이블에 추가 또는 테이블 덮어쓰기를 선택합니다.
    • 파티션 나누기 유형, 파티션 나누기 필드, 파티션 필터 필요, Clustering Fields(클러스터링 필드)는 기본값을 그대로 둡니다. 추가하거나 덮어쓰는 방법으로 테이블을 파티션을 나눈 테이블 또는 클러스터링된 테이블로 변환할 수 없으며, 웹 UI는 로드 작업에서 파티션을 나눈 테이블 또는 클러스터링된 테이블의 추가나 덮어쓰기를 지원하지 않습니다.
    • Cloud Key Management Service 키를 사용하여 테이블을 암호화하려면 Destination encryption(대상 암호화)에서 고객 관리 암호화를 선택합니다. Default 설정을 그대로 두면 BigQuery가 Google 관리 키를 사용하여 저장 데이터를 암호화합니다.
  7. 테이블 만들기를 클릭합니다.

CLI

bq load 명령어를 --replace 플래그와 함께 입력하여 테이블을 덮어씁니다. --noreplace 플래그를 사용하여 데이터를 테이블에 추가합니다. 플래그를 지정하지 않으면 데이터 추가가 기본값입니다. --source_format 플래그를 입력하고 AVRO로 설정합니다. Avro 스키마를 자체 설명적 소스 데이터로부터 자동으로 가져오므로 스키마 정의를 제공할 필요가 없습니다.

(선택사항) --location 플래그를 지정하고 값을 사용자 위치로 설정합니다.

다른 선택사항 플래그에는 다음이 포함됩니다.

  • --max_bad_records: 전체 작업이 실패하기 전에 허용되는 불량 레코드의 최대 수를 지정하는 정수입니다. 기본값은 0입니다. --max_bad_records 값과 상관없이 모든 유형에 오류가 최대 5개까지 반환됩니다.
  • --destination_kms_key: 테이블 데이터 암호화를 위한 Cloud KMS 키입니다.
bq --location=location load \
--[no]replace \
--source_format=format \
dataset.table \
path_to_source

각 항목의 의미는 다음과 같습니다.

  • location은 사용자의 위치입니다. --location 플래그는 선택사항입니다. .bigqueryrc 파일을 사용하여 위치 기본값을 설정할 수 있습니다.
  • formatAVRO입니다.
  • dataset는 기존 데이터세트입니다.
  • table은 데이터를 로드하는 테이블 이름입니다.
  • path_to_source는 정규화된 Cloud Storage URI 또는 쉼표로 구분된 URI 목록이며 와일드 카드도 지원됩니다.

예:

다음 명령어는 gs://mybucket/mydata.avro에서 데이터를 로드하고 mydatasetmytable 테이블을 덮어씁니다.

    bq load \
    --replace \
    --source_format=AVRO \
    mydataset.mytable \
    gs://mybucket/mydata.avro

다음 명령어는 gs://mybucket/mydata.avro에서 데이터를 로드하고 mydataset에 있는 mytable이라는 테이블에 데이터를 추가합니다.

    bq load \
    --noreplace \
    --source_format=AVRO \
    mydataset.mytable \
    gs://mybucket/mydata.avro

CLI를 사용한 파티션을 나눈 테이블 추가 및 덮어쓰기에 대한 자세한 내용은 파티션을 나눈 테이블 데이터에 추가 및 덮어쓰기를 참조하세요.

API

  1. Cloud Storage의 소스 데이터를 가리키는 load 작업을 만듭니다.

  2. (선택사항) 작업 리소스jobReference 섹션에 있는 location 속성에 사용자 위치를 지정합니다.

  3. source URIs 속성은 gs://bucket/object 형식으로 정규화되어야 합니다. 여러 URI를 쉼표로 구분된 목록으로 포함할 수 있습니다. 와일드 카드도 지원됩니다.

  4. configuration.load.sourceFormat 속성을 AVRO로 설정하여 데이터 형식을 지정합니다.

  5. configuration.load.writeDisposition 속성을 WRITE_TRUNCATE 또는 WRITE_APPEND로 설정하여 쓰기 환경설정을 지정합니다.

Python

이 샘플을 시도하기 전에 BigQuery 빠른 시작: 클라이언트 라이브러리 사용의 Python 설정 안내를 따르세요. 자세한 내용은 BigQuery Python API 참조 문서를 확인하세요.

# from google.cloud import bigquery
# client = bigquery.Client()
# table_ref = client.dataset('my_dataset').table('existing_table')

job_config = bigquery.LoadJobConfig()
job_config.write_disposition = bigquery.WriteDisposition.WRITE_TRUNCATE
job_config.source_format = bigquery.SourceFormat.AVRO
uri = "gs://cloud-samples-data/bigquery/us-states/us-states.avro"
load_job = client.load_table_from_uri(
    uri, table_ref, job_config=job_config
)  # API request
print("Starting job {}".format(load_job.job_id))

load_job.result()  # Waits for table load to complete.
print("Job finished.")

destination_table = client.get_table(table_ref)
print("Loaded {} rows.".format(destination_table.num_rows))

Avro 변환

BigQuery는 Avro 데이터 유형을 다음과 같은 BigQuery 데이터 유형으로 변환합니다.

기본 유형

Avro 데이터 유형 BigQuery 데이터 유형 참고
null BigQuery는 이 값을 무시함
boolean BOOLEAN
int INTEGER
long INTEGER
float FLOAT
double FLOAT
bytes BYTES
bytes(decimal 논리 유형) NUMERIC
string STRING UTF-8 전용

복합 유형

Avro 데이터 유형 BigQuery 데이터 유형 참고
record RECORD
  • 별칭은 무시됩니다.
  • 문서가 필드 설명으로 변환됩니다.
  • 기본값은 읽기 시간에 설정됩니다.
  • 순서가 무시됩니다.
  • 재귀 필드가 삭제됩니다. 재귀 필드에서 첫 번째 수준의 중첩만 유지됩니다.
enum STRING
  • 문자열은 enum의 심볼 값입니다.
  • 별칭은 무시됩니다.
  • 문서가 필드 설명으로 변환됩니다.
array 반복 필드 배열의 배열은 지원되지 않습니다. NULL 형식만 포함된 배열은 무시됩니다.
map<T> RECORD BigQuery는 Avro map <T> 필드를 두 필드(키, 값)가 포함된 반복 RECORD로 변환합니다. BigQuery는 키를 STRING으로 저장하고 값을 BigQuery의 해당 데이터 유형으로 변환합니다.
union
  • Null 허용 필드
  • RECORD(Null 허용 필드 목록 포함)
  • union에 null이 아닌 유형이 하나뿐이라면 null 허용 필드로 변환됩니다.
  • 그렇지 않으면 null 허용 필드 목록이 있는 RECORD로 변환됩니다. 이 필드 중 하나만 읽기 시점에 설정됩니다.
fixed BYTES
  • 별칭은 무시됩니다.
  • 크기는 무시됩니다.

논리 유형

기본적으로 BigQuery는 logicalType 속성을 무시하고 기본 Avro 유형을 사용합니다.

Avro 논리 유형 BigQuery 데이터 유형
date INTEGER
time-millis INTEGER
time-micros INTEGER(LONG에서 변환됨)
timestamp-millis INTEGER(LONG에서 변환됨)
timestamp-micros INTEGER(LONG에서 변환됨)
duration BYTES(fixed 유형의 크기 12에서 변환됨)
decimal NUMERIC(Decimal 논리 유형 참조)

Avro 논리 유형을 해당하는 BigQuery 데이터 유형으로 변환하려면 명령줄 도구를 사용하여 --use_avro_logical_types 플래그를 True로 설정하거나, jobs.insert 메서드를 호출하여 로드 작업을 만들 때 작업 리소스useAvroLogicalTypes 속성을 설정합니다.

아래 표에는 Avro 논리 유형과 변환되는 해당 BigQuery 데이터 유형이 나와 있습니다.

Avro 논리 유형 변환된 BigQuery 데이터 유형
date DATE
time-millis TIME
time-micros TIME
timestamp-millis TIMESTAMP
timestamp-micros TIMESTAMP
duration BYTES(fixed 유형의 크기 12에서 변환됨)
decimal NUMERIC(Decimal 논리 유형 참조)

Avro 데이터 유형에 대한 자세한 내용은 Apache Avro™ 1.8.2 사양을 참조하세요.

Decimal 논리 유형

decimal 논리 유형을 가진 Avro bytes 유형의 최대 precision은 38(총 자릿수)이고 최대 scale은 9(소수 자릿수)입니다. 정수 자릿수는 precision에서 scale을 뺀 값이며, 최대 29자리입니다. 예를 들어, precision이 38이고 scale이 9인 decimal은 정수 자릿수가 29이므로 지원됩니다. precision이 38이고 scale이 5인 decimal은 정수 자릿수가 33이므로 지원되지 않습니다.

decimal 논리 유형의 bytes 열이 포함된 Avro 파일을 기존 테이블에 로드하면 테이블의 스키마 정의에서 열의 데이터 유형이 BYTES 또는 NUMERIC일 수 있습니다. 열의 데이터 유형이 BYTES이면 Avro 파일에서 열의 decimal 논리 유형이 무시됩니다.

Avro decimal 논리 유형에 대한 자세한 내용은 Apache Avro™ 1.8.2 사양을 참조하세요.

이 페이지가 도움이 되었나요? 평가를 부탁드립니다.

다음에 대한 의견 보내기...

도움이 필요하시나요? 지원 페이지를 방문하세요.