Caricamento di dati in batch

Puoi caricare i dati in BigQuery da Cloud Storage o da un file locale come operazione batch. I dati di origine possono essere in uno dei seguenti formati:

  • Avro
  • Valori separati da virgola (CSV)
  • JSON (delimitato da nuova riga)
  • ORC
  • Parquet
  • Esportazioni di Firestore archiviate in Cloud Storage.

Puoi anche utilizzare BigQuery Data Transfer Service per configurare caricamenti ricorrenti da Cloud Storage a BigQuery.

Provalo

Se non hai mai utilizzato Google Cloud, crea un account per valutare le prestazioni di BigQuery in scenari reali. I nuovi clienti ricevono anche 300 $ di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

Prova BigQuery gratuitamente

Prima di iniziare

Concedi i ruoli IAM (Identity and Access Management) che concedono agli utenti le autorizzazioni necessarie per eseguire ogni attività nel documento e crea un set di dati per archiviare i tuoi dati.

Autorizzazioni obbligatorie

Per caricare dati in BigQuery, devi disporre delle autorizzazioni IAM per eseguire un job di caricamento e caricare i dati in tabelle e partizioni BigQuery. Se stai caricando i dati da Cloud Storage, devi avere anche le autorizzazioni IAM per accedere al bucket che contiene i tuoi 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 partizione BigQuery:

  • roles/bigquery.dataEditor
  • roles/bigquery.dataOwner
  • roles/bigquery.admin (include l'autorizzazione bigquery.jobs.create)
  • bigquery.user (include l'autorizzazione bigquery.jobs.create)
  • bigquery.jobUser (include l'autorizzazione bigquery.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, consulta 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 il ruolo IAM Amministratore Storage (roles/storage.admin) per il 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 visualizzare le autorizzazioni esatte necessarie, espandi la sezione Autorizzazioni richieste:

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 essere in grado di ottenere queste autorizzazioni con i ruoli personalizzati o altri ruoli predefiniti.

crea un set di dati

Crea un set di dati BigQuery per archiviare i tuoi dati.

Caricamento dei dati da Cloud Storage

BigQuery supporta il caricamento dei dati da una qualsiasi delle seguenti classi di archiviazione di Cloud Storage:

  • Standard
  • Nearline
  • Coldline
  • Archive

Per scoprire come caricare dati in BigQuery, consulta la pagina relativa al formato dei dati:

Per scoprire come configurare un carico ricorrente da Cloud Storage a BigQuery, consulta Trasferimenti di Cloud Storage.

Considerazioni sulla località

Quando carichi i dati da Cloud Storage utilizzando una tabella esterna BigLake o non BigLake, i dati caricati devono essere collocati insieme al set di dati BigQuery.

  • Puoi caricare i dati da un bucket Cloud Storage situato in qualsiasi località se il set di dati BigQuery si trova in US (più regioni).

  • Bucket a più regioni: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in un bucket a più regioni, il set di dati BigQuery può trovarsi nello stesso bucket multiregionale o in una singola regione inclusa nello stesso bucket multiregionale. Ad esempio, se il bucket Cloud Storage si trova nella regione EU, il set di dati BigQuery può trovarsi nella località multiregionale EU o in qualsiasi regione singola nel EU.

  • Bucket a due regioni: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in un bucket a due regioni, il set di dati BigQuery può trovarsi in regioni incluse nel bucket a due regioni o in una località multiregionale che include il bucket a due regioni. Ad esempio, se il bucket Cloud Storage si trova nella regione EUR4, il set di dati BigQuery può trovarsi nella singola regione Finlandia (europe-north1), nei Paesi Bassi (europe-west4) o nella regione multiregionale EU.

    Per maggiori informazioni, consulta la sezione Creare un bucket a due regioni.

  • Bucket a regione singola: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in una singola regione, il set di dati BigQuery può trovarsi nella stessa regione singola o in una multiregione che include la singola regione. Ad esempio, se il bucket Cloud Storage si trova nella regione Finlandia (europe-north1), il set di dati BigQuery può trovarsi in Finlandia o nella regione multiregionale EU.

  • Un'eccezione è che se il set di dati BigQuery si trova nella regione asia-northeast1, il bucket Cloud Storage può trovarsi nella regione multiregionale EU.

Per ulteriori informazioni sulle località di Cloud Storage, consulta Località dei bucket nella documentazione di Cloud Storage.

Non puoi modificare la posizione di un set di dati dopo averlo creato, ma puoi crearne una copia o spostarlo manualmente. Per ulteriori informazioni, vedi:

Recupero dell'URI Cloud Storage

Per caricare i dati da un'origine dati Cloud Storage, devi fornire l'URI Cloud Storage.

Il percorso della risorsa Cloud Storage contiene il nome del bucket e l'oggetto (nome file). Ad esempio, se il bucket Cloud Storage è denominato mybucket e il file di dati è denominato myfile.csv, il percorso della risorsa sarà gs://mybucket/myfile.csv.

BigQuery non supporta i percorsi delle risorse di Cloud Storage che includono più barre consecutive dopo la doppia barra iniziale. I nomi degli oggetti Cloud Storage possono contenere più caratteri barra ("/") consecutivi. Tuttavia, BigQuery converte più barre consecutive in un'unica barra. Ad esempio, il seguente percorso della risorsa, sebbene valido in Cloud Storage, non funziona in BigQuery: gs://bucket/my//object//name.

Per recuperare il percorso della risorsa Cloud Storage:

  1. Apri la console di Cloud Storage.

    Console Cloud Storage

  2. Passa alla posizione dell'oggetto (file) che contiene i dati di origine.

  3. Fai clic sul nome dell'oggetto.

    Viene visualizzata la pagina Dettagli oggetto.

  4. Copia il valore fornito nel campo URI gsutil, che inizia con gs://.

Per le esportazioni di Google Datastore, è possibile specificare un solo URI che deve terminare con .backup_info o .export_metadata.

Supporto dei caratteri jolly per gli URI di Cloud Storage

Se i dati sono suddivisi in più file, puoi utilizzare un carattere jolly asterisco (*) per selezionare più file. L'utilizzo del carattere jolly * deve seguire queste regole:

  • L'asterisco può apparire all'interno o alla fine del nome dell'oggetto.
  • L'uso di più asterischi non è supportato. Ad esempio, il percorso gs://mybucket/fed-*/temp/*.csv non è valido.
  • L'utilizzo di un asterisco con il nome del bucket non è supportato.

Esempi:

  • L'esempio seguente mostra come selezionare tutti i file in tutte le cartelle che iniziano con il prefisso gs://mybucket/fed-samples/fed-sample:

    gs://mybucket/fed-samples/fed-sample*

  • L'esempio seguente mostra come selezionare solo i file con estensione .csv nella cartella denominata fed-samples e nelle eventuali sottocartelle di fed-samples:

    gs://mybucket/fed-samples/*.csv

  • L'esempio seguente mostra come selezionare i file con un modello di denominazione fed-sample*.csv nella cartella denominata fed-samples. Questo esempio non seleziona file nelle sottocartelle di fed-samples.

    gs://mybucket/fed-samples/fed-sample*.csv

Quando utilizzi lo strumento a riga di comando bq, su alcune piattaforme potrebbe essere necessario eseguire l'escape dell'asterisco.

Non puoi utilizzare un carattere jolly come un asterisco quando carichi i dati delle esportazioni di Datastore o Firestore da Cloud Storage.

Limitazioni

Quando carichi dati in BigQuery da un bucket Cloud Storage, devi rispettare le seguenti limitazioni:

  • Se la località del set di dati è impostata su un valore diverso da US, il bucket Cloud Storage deve trovarsi nella stessa regione o all'interno della stessa multiregione del set di dati.
  • BigQuery non garantisce la coerenza dei dati per le origini dati esterne. Le modifiche ai dati sottostanti durante l'esecuzione di una query possono causare comportamenti imprevisti.
  • BigQuery non supporta il controllo delle versioni degli oggetti di Cloud Storage. Se includi un numero di generazione nell'URI Cloud Storage, il job di caricamento non va a buon fine.

A seconda del formato dei dati di origine Cloud Storage, potrebbero essere previste limitazioni aggiuntive. Per ulteriori informazioni, vedi:

Caricamento di dati da file locali

Puoi caricare i dati da un'origine dati leggibile (come la tua macchina locale) utilizzando una delle seguenti opzioni:

  • Nella console Google Cloud
  • Il comando bq load dello strumento a riga di comando bq
  • L'API
  • Le librerie client

Quando carichi i dati utilizzando la console Google Cloud o lo strumento a riga di comando bq, viene creato automaticamente un job di caricamento.

Per caricare i dati da un'origine dati locale:

Console

  1. Apri la pagina BigQuery nella console Google Cloud.

    Vai alla pagina di BigQuery

  2. Nel riquadro Spazio di esplorazione, espandi il progetto e seleziona un set di dati.

  3. Espandi l'opzione Azioni e fai clic su Apri.

  4. Nel riquadro dei dettagli, fai clic su Crea tabella .

  5. Nella sezione Origine della pagina Crea tabella:

    • Per Crea tabella da, seleziona Carica.
    • In Seleziona file, fai clic su Sfoglia.
    • Individua il file e fai clic su Apri. Tieni presente che i caratteri jolly e gli elenchi separati da virgole non sono supportati per i file locali.
    • Per Formato file, seleziona CSV, JSON (delimitato da nuova riga), Avro, Parquet o ORC.

  6. Nella sezione Destinazione della pagina Crea tabella:

    • Per Progetto, scegli il progetto appropriato.
    • In Set di dati, scegli il set di dati appropriato.
    • Nel campo Tabella, inserisci il nome della tabella che stai creando in BigQuery.
    • Verifica che l'opzione Tipo di tabella sia impostata su Tabella nativa.

  7. Nella sezione Schema, inserisci la definizione di schema.

    • Per i file CSV e JSON, puoi selezionare l'opzione Rilevamento automatico per attivare il rilevamento automatico dello schema. Le informazioni dello schema sono autodescritte nei dati di origine per altri tipi di file supportati.

    • Puoi anche inserire manualmente le informazioni dello schema:

      • Fai clic su Modifica come testo e inserisci lo schema della tabella come array JSON:

      • Utilizza Add Field per inserire manualmente lo schema.

  8. Seleziona gli elementi applicabili nella sezione Opzioni avanzate. Per informazioni sulle opzioni disponibili, vedi Opzioni CSV e Opzioni JSON.

  9. (Facoltativo) In Opzioni avanzate, scegli la disposizione di scrittura:

    • Scrivi se vuoto: scrivi i dati solo se la tabella è vuota.
    • Aggiungi alla tabella: aggiungi i dati alla fine della tabella. Questa è l'impostazione predefinita.
    • Sovrascrivi tabella: cancella tutti i dati esistenti nella tabella prima di scrivere nuovi dati.

  10. Fai clic su Crea tabella.

bq

Utilizza il comando bq load, specifica source_format e includi il percorso del file locale.

(Facoltativo) Fornisci il flag --location e imposta il valore sulla tua località.

Se carichi dati in un progetto diverso da quello predefinito, aggiungi l'ID progetto al set di dati nel seguente formato: PROJECT_ID:DATASET.

bq --location=LOCATION load \
--source_format=FORMAT \
PROJECT_ID:DATASET.TABLE \
PATH_TO_SOURCE \
SCHEMA

Sostituisci quanto segue:

  • LOCATION: la tua posizione. Il flag --location è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, imposta il valore del flag su asia-northeast1. Puoi impostare un valore predefinito per la località utilizzando il file.bigqueryrc.
  • FORMAT: CSV, AVRO, PARQUET, ORC o NEWLINE_DELIMITED_JSON.
  • project_id: il tuo ID progetto.
  • dataset: un set di dati esistente.
  • table: il nome della tabella in cui stai caricando i dati.
  • path_to_source: il percorso del file locale.
  • schema: uno schema valido. Lo schema può essere un file JSON locale o essere digitato in linea come parte del comando. Puoi anche utilizzare il flag --autodetect anziché fornire una definizione dello schema.

Inoltre, puoi aggiungere flag per opzioni che ti consentono di controllare il modo in cui BigQuery analizza i tuoi dati. Ad esempio, puoi utilizzare il flag --skip_leading_rows per ignorare le righe di intestazione in un file CSV. Per ulteriori informazioni, consulta le pagine Opzioni CSV e Opzioni JSON.

Esempi:

Il seguente comando carica un file JSON locale (mydata.json) delimitato da nuova riga in una tabella denominata mytable in mydataset nel tuo progetto predefinito. Lo schema è definito in un file di schema locale denominato myschema.json.

    bq load \
    --source_format=NEWLINE_DELIMITED_JSON \
    mydataset.mytable \
    ./mydata.json \
    ./myschema.json

Il seguente comando carica un file CSV locale (mydata.csv) in una tabella denominata mytable in mydataset in myotherproject. Lo schema è definito incorporato nel formato FIELD:DATA_TYPE, FIELD:DATA_TYPE.

    bq load \
    --source_format=CSV \
    myotherproject:mydataset.mytable \
    ./mydata.csv \
    qtr:STRING,sales:FLOAT,year:STRING

Il seguente comando carica un file CSV locale (mydata.csv) in una tabella denominata mytable in mydataset nel tuo progetto predefinito. Lo schema viene definito utilizzando il rilevamento automatico dello schema.

    bq load \
    --autodetect \
    --source_format=CSV \
    mydataset.mytable \
    ./mydata.csv

C#

Prima di provare questo esempio, segui le istruzioni di configurazione di C# disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery C#.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, utilizza la classe delle opzioni di aggiornamento per il formato appropriato della classe di base JobCreationOptions invece di UploadCsvOptions.


using Google.Cloud.BigQuery.V2;
using System;
using System.IO;

public class BigQueryLoadFromFile
{
    public void LoadFromFile(
        string projectId = "your-project-id",
        string datasetId = "your_dataset_id",
        string tableId = "your_table_id",
        string filePath = "path/to/file.csv"
    )
    {
        BigQueryClient client = BigQueryClient.Create(projectId);
        // Create job configuration
        var uploadCsvOptions = new UploadCsvOptions()
        {
            SkipLeadingRows = 1,  // Skips the file headers
            Autodetect = true
        };
        using (FileStream stream = File.Open(filePath, FileMode.Open))
        {
            // Create and run job
            // Note that there are methods available for formats other than CSV
            BigQueryJob job = client.UploadCsv(
                datasetId, tableId, null, stream, uploadCsvOptions);
            job = job.PollUntilCompleted().ThrowOnAnyError();  // Waits for the job to complete.

            // Display the number of rows uploaded
            BigQueryTable table = client.GetTable(datasetId, tableId);
            Console.WriteLine(
                $"Loaded {table.Resource.NumRows} rows to {table.FullyQualifiedId}");
        }
    }
}

Go

Prima di provare questo esempio, segui le istruzioni di configurazione di Go disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Go.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, imposta la proprietà DataFormat di NewReaderSource sul formato appropriato.

import (
	"context"
	"fmt"
	"os"

	"cloud.google.com/go/bigquery"
)

// importCSVFromFile demonstrates loading data into a BigQuery table using a file on the local filesystem.
func importCSVFromFile(projectID, datasetID, tableID, filename string) error {
	// projectID := "my-project-id"
	// datasetID := "mydataset"
	// tableID := "mytable"
	ctx := context.Background()
	client, err := bigquery.NewClient(ctx, projectID)
	if err != nil {
		return fmt.Errorf("bigquery.NewClient: %v", err)
	}
	defer client.Close()

	f, err := os.Open(filename)
	if err != nil {
		return err
	}
	source := bigquery.NewReaderSource(f)
	source.AutoDetect = true   // Allow BigQuery to determine schema.
	source.SkipLeadingRows = 1 // CSV has a single header line.

	loader := client.Dataset(datasetID).Table(tableID).LoaderFrom(source)

	job, err := loader.Run(ctx)
	if err != nil {
		return err
	}
	status, err := job.Wait(ctx)
	if err != nil {
		return err
	}
	if err := status.Err(); err != nil {
		return err
	}
	return nil
}

Java

Prima di provare questo esempio, segui le istruzioni di configurazione di Java disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Java.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, imposta FormatOptions sul formato appropriato.

TableId tableId = TableId.of(datasetName, tableName);
WriteChannelConfiguration writeChannelConfiguration =
    WriteChannelConfiguration.newBuilder(tableId).setFormatOptions(FormatOptions.csv()).build();
// The location must be specified; other fields can be auto-detected.
JobId jobId = JobId.newBuilder().setLocation(location).build();
TableDataWriteChannel writer = bigquery.writer(jobId, writeChannelConfiguration);
// Write data to writer
try (OutputStream stream = Channels.newOutputStream(writer)) {
  Files.copy(csvPath, stream);
}
// Get load job
Job job = writer.getJob();
job = job.waitFor();
LoadStatistics stats = job.getStatistics();
return stats.getOutputRows();

Node.js

Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Node.js.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, imposta il parametro metadata della funzione load sul formato appropriato.

// Imports the Google Cloud client library
const {BigQuery} = require('@google-cloud/bigquery');
const bigquery = new BigQuery();

async function loadLocalFile() {
  // Imports a local file into a table.

  /**
   * TODO(developer): Uncomment the following lines before running the sample.
   */
  // const filename = '/path/to/file.csv';
  // const datasetId = 'my_dataset';
  // const tableId = 'my_table';

  // Load data from a local file into the table
  const [job] = await bigquery
    .dataset(datasetId)
    .table(tableId)
    .load(filename);

  console.log(`Job ${job.id} completed.`);

  // Check the job's status for errors
  const errors = job.status.errors;
  if (errors && errors.length > 0) {
    throw errors;
  }
}

PHP

Prima di provare questo esempio, segui le istruzioni di configurazione di PHP disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery PHP.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, imposta sourceFormat sul formato appropriato.

use Google\Cloud\BigQuery\BigQueryClient;
use Google\Cloud\Core\ExponentialBackoff;

/** Uncomment and populate these variables in your code */
// $projectId  = 'The Google project ID';
// $datasetId  = 'The BigQuery dataset ID';
// $tableId    = 'The BigQuery table ID';
// $source     = 'The path to the CSV source file to import';

// instantiate the bigquery table service
$bigQuery = new BigQueryClient([
    'projectId' => $projectId,
]);
$dataset = $bigQuery->dataset($datasetId);
$table = $dataset->table($tableId);
// create the import job
$loadConfig = $table->load(fopen($source, 'r'))->sourceFormat('CSV');

$job = $table->runJob($loadConfig);
// poll the job until it is complete
$backoff = new ExponentialBackoff(10);
$backoff->execute(function () use ($job) {
    printf('Waiting for job to complete' . PHP_EOL);
    $job->reload();
    if (!$job->isComplete()) {
        throw new Exception('Job has not yet completed', 500);
    }
});
// check if the job has errors
if (isset($job->info()['status']['errorResult'])) {
    $error = $job->info()['status']['errorResult']['message'];
    printf('Error running job: %s' . PHP_EOL, $error);
} else {
    print('Data imported successfully' . PHP_EOL);
}

Python

Prima di provare questo esempio, segui le istruzioni di configurazione di Python disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Python.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, imposta la proprietà LoadJobConfig.source_format sul formato appropriato.

from google.cloud import bigquery

# Construct a BigQuery client object.
client = bigquery.Client()

# TODO(developer): Set table_id to the ID of the table to create.
# table_id = "your-project.your_dataset.your_table_name"

job_config = bigquery.LoadJobConfig(
    source_format=bigquery.SourceFormat.CSV, skip_leading_rows=1, autodetect=True,
)

with open(file_path, "rb") as source_file:
    job = client.load_table_from_file(source_file, table_id, job_config=job_config)

job.result()  # Waits for the job to complete.

table = client.get_table(table_id)  # Make an API request.
print(
    "Loaded {} rows and {} columns to {}".format(
        table.num_rows, len(table.schema), table_id
    )
)

Ruby

Prima di provare questo esempio, segui le istruzioni di configurazione di Ruby disponibili nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Ruby.

Per eseguire l'autenticazione in BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client.

Il seguente codice mostra come caricare un file CSV locale in una nuova tabella BigQuery. Per caricare un file locale in un altro formato, imposta il parametro format del metodo Table#load_job sul formato appropriato.

require "google/cloud/bigquery"

def load_from_file dataset_id = "your_dataset_id",
                   file_path  = "path/to/file.csv"

  bigquery = Google::Cloud::Bigquery.new
  dataset  = bigquery.dataset dataset_id
  table_id = "new_table_id"

  # Infer the config.location based on the location of the referenced dataset.
  load_job = dataset.load_job table_id, file_path do |config|
    config.skip_leading = 1
    config.autodetect   = true
  end
  load_job.wait_until_done! # Waits for table load to complete.

  table = dataset.table table_id
  puts "Loaded #{table.rows_count} rows into #{table.id}"
end

Limitazioni

Il caricamento dei dati da un'origine dati locale è soggetto alle seguenti limitazioni:

  • I caratteri jolly e gli elenchi separati da virgole non sono supportati quando carichi file da un'origine dati locale. I file devono essere caricati singolarmente.
  • Quando si utilizza la console Google Cloud, i file caricati da un'origine dati locale non possono superare i 100 MB. Per i file di dimensioni più grandi, carica il file da Cloud Storage.

Caricamento di dati compressi e non compressi

Per i formati Avro, Parquet e ORC, BigQuery supporta il caricamento di file in cui i dati dei file sono stati compressi utilizzando un codec supportato. Tuttavia, BigQuery non supporta il caricamento di file in questi formati che sono stati compressi, ad esempio utilizzando l'utilità gzip.

Il formato binario Avro è quello preferito per caricare dati sia compressi che non compressi. Il caricamento dei dati Avro è più rapido perché i dati possono essere letti in parallelo, anche quando i blocchi di dati sono compressi. Per un elenco dei codec di compressione supportati, consulta Compressione Avro.

Anche il formato binario Parquet è una buona scelta, perché l'efficienza della codifica per colonna di Parquet in genere determina un rapporto di compressione migliore e file più piccoli. I file Parquet sfruttano anche tecniche di compressione che consentono il caricamento in parallelo dei file. Per un elenco dei codec di compressione supportati, consulta Compressione dei pacchetti.

Il formato binario ORC offre vantaggi simili a quelli del formato Parquet. Il caricamento dei dati nei file ORC è veloce perché le strisce di dati possono essere lette in parallelo. Le righe in ogni striscia di dati vengono caricate in sequenza. Per ottimizzare il tempo di caricamento, utilizza una dimensione massima del data strip di circa 256 MB. Per un elenco dei codec di compressione supportati, consulta Compressione ORC.

Per altri formati di dati, come CSV e JSON, BigQuery può caricare i file non compressi molto più velocemente rispetto ai file compressi, perché i file non compressi possono essere letti in parallelo. Poiché i file non compressi sono più grandi, il loro utilizzo può comportare limitazioni della larghezza di banda e costi più elevati di Cloud Storage per i dati archiviati in Cloud Storage prima di essere caricati in BigQuery. Tieni presente che l'ordinamento delle righe non è garantito per i file compressi o non compressi. È importante valutare i pro e contro a seconda del caso d'uso.

In generale, se la larghezza di banda è limitata, comprimi i file CSV e JSON utilizzando gzip prima di caricarli in Cloud Storage. gzip è l'unico tipo di compressione dei file supportato per i file CSV e JSON durante il caricamento di dati in BigQuery. Se la velocità di caricamento è importante per la tua app e hai molta larghezza di banda per caricare i dati, lascia i file non compressi.

Aggiunta o sovrascrittura di una tabella

Puoi caricare dati aggiuntivi in una tabella dai file di origine o aggiungendo i risultati della query. Se lo schema dei dati non corrisponde a quello della tabella o della partizione di destinazione, puoi aggiornare lo schema quando lo aggiungi o lo sovrascrivi.

Se aggiorni lo schema quando aggiungi i dati, BigQuery ti consente di:

  • Aggiungi nuovi campi
  • Rilascia REQUIRED campi a NULLABLE

Se sovrascrivi una tabella, lo schema viene sempre sovrascritto. Gli aggiornamenti dello schema non sono limitati quando sovrascrivi una tabella.

Nella console Google Cloud, utilizza l'opzione Preferenza di scrittura per specificare l'azione da eseguire quando carichi i dati da un file di origine o da un risultato di query. Lo strumento a riga di comando bq e l'API includono le seguenti opzioni:

Opzione della console flag dello strumento bq Proprietà API BigQuery Descrizione
Scrivi se vuota Nessuna WRITE_EMPTY Scrive i dati solo se la tabella è vuota.
Aggiungi a tabella --noreplace o --replace=false; se --replace non è specificato, il valore predefinito è Aggiungi WRITE_APPEND (Predefinito) Accoda 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 nuovi dati.

Criteri per le quote

Per informazioni sui criteri per le quote per il caricamento in batch dei dati, consulta Job di caricamento nella pagina Quote e limiti.

Visualizza l'utilizzo attuale della quota

Puoi visualizzare il tuo utilizzo attuale dei job di query, caricamento, estrazione o copia eseguendo una query INFORMATION_SCHEMA per visualizzare i metadati relativi ai job eseguiti in un periodo di tempo specificato. Puoi confrontare l'utilizzo attuale con il limite di quota per determinare l'utilizzo della quota per un determinato tipo di job. La seguente query di esempio utilizza la vista INFORMATION_SCHEMA.JOBS per elencare il numero di job di query, caricamento, estrazione e copia per progetto:

SELECT
  sum(case  when job_type="QUERY" then 1 else 0 end) as QRY_CNT,
  sum(case  when job_type="LOAD" then 1 else 0 end) as LOAD_CNT,
  sum(case  when job_type="EXTRACT" then 1 else 0 end) as EXT_CNT,
  sum(case  when job_type="COPY" then 1 else 0 end) as CPY_CNT
FROM `region-eu`.INFORMATION_SCHEMA.JOBS_BY_PROJECT
WHERE date(creation_time)= CURRENT_DATE()

Prezzi

Non è previsto alcun costo per il caricamento in batch dei dati in BigQuery. Per ulteriori informazioni, consulta la pagina relativa ai prezzi dell'importazione dati di BigQuery.

Caso d'uso di esempio

Supponiamo che esista una pipeline di elaborazione batch di notte che deve essere completata entro una scadenza fissa. I dati devono essere disponibili entro questa scadenza per consentire un'ulteriore elaborazione da parte di un altro processo batch al fine di generare report da inviare a un regolatore. Questo caso d'uso è comune in settori regolamentati come la finanza.

Il caricamento in batch dei dati con job di caricamento è l'approccio giusto per questo caso d'uso perché la latenza non è un problema, purché sia possibile rispettare la scadenza. Assicurati che i tuoi bucket Cloud Storage soddisfino i requisiti per le località per caricare i dati nel set di dati BigQuery.

Il risultato di un job di caricamento BigQuery è atomico. Possono essere inseriti tutti i record o nessuno. Come best practice, quando inserisci tutti i dati in un singolo job di caricamento, crea una nuova tabella utilizzando la disposizione WRITE_TRUNCATE della risorsa JobConfigurationLoad. Questo è importante quando si riprova a un job di caricamento non riuscito, poiché il client potrebbe non essere in grado di distinguere tra job non riusciti e l'errore causato, ad esempio comunicando lo stato di operazione riuscita al client.

Presumendo che i dati da importare siano già stati copiati correttamente in Cloud Storage, un nuovo tentativo con un backoff esponenziale è sufficiente per risolvere gli errori di importazione.

È consigliabile che un job batch notturno non raggiunga la quota predefinita di 1500 caricamenti per tabella al giorno anche con nuovi tentativi. Quando i dati vengono caricati in modo incrementale, la quota predefinita è sufficiente per eseguire un job di caricamento ogni 5 minuti e ha una quota non consumata per almeno un nuovo tentativo per job in media.