使用架构自动检测功能

架构自动检测功能

在将数据加载到 BigQuery 以及查询外部数据源时，您可以使用架构自动检测功能。

启用自动检测功能后，BigQuery 按以下方式开始推理过程：在数据源中随机选择一个文件，然后扫描多达 100 行数据以用作代表性样本。BigQuery 接着检查每个字段，并尝试根据样本中的值向该字段分配数据类型。

如需查看检测到的表架构，请执行如下操作：

• 使用命令行工具的 bq show 命令
• 使用 Cloud Console 或经典版网页界面查看表架构

当 BigQuery 检测架构时，在极少数情况下可能会更改字段名称，使其与 BigQuery SQL 语法兼容。

如需了解数据类型转换，请参阅以下内容：

• 数据类型转换（从 Datastore 加载数据时）
• 数据类型转换（从 Firestore 加载数据时）
• Avro 转换
• Parquet 转换
• ORC 转换

在加载数据时使用架构自动检测功能

如需在加载数据时实现架构自动检测，请执行如下操作：

• Cloud Console：在架构部分，针对自动检测，请勾选架构和输入参数选项。
• 经典版 BigQuery 网页界面：在 Schema 部分，勾选 Automatically detect 选项。
• CLI：使用带 --autodetect 参数的 bq load 命令。

启用后，BigQuery 将尽可能尝试自动推断出 CSV 和 JSON 文件的架构。

架构自动检测功能不适用于 Avro 文件、Parquet 文件、ORC 文件、Firestore 导出文件或 Datastore 导出文件。在您将这些文件加载到 BigQuery 中时，系统会自动从自描述源数据中检索表架构。

如需在加载 JSON 或 CSV 数据时使用架构自动检测功能，请执行如下操作：

控制台

1. 在 Cloud Console 中打开 BigQuery 网页界面。
   转到 Cloud Console

2. 从导航面板的资源部分选择数据集。

3. 点击窗口右侧的创建表。

   

4. 在创建表页面的来源部分，执行以下操作：

   • 在基于以下数据创建表部分，选择所需的来源类型。

   • 在来源字段中，浏览文件/Cloud Storage 存储分区，或输入 Cloud Storage URI。请注意，BigQuery 网页界面不支持添加多个 URI，但支持使用通配符。Cloud Storage 存储分区必须与您要创建的表所属的数据集位于同一位置。

     

   • 在文件格式部分，选择 CSV 或 JSON。

5. 在创建表页面的目标位置部分，执行以下操作：

   • 在数据集名称部分，选择相应数据集。

     

   • 在表名称字段中，输入您要创建的表的名称。

   • 确认表类型是否设置为原生表。

6. 点击创建表。

经典版界面

1. 转到 BigQuery 网页界面。
   转到 BigQuery 网页界面

2. 在导航窗格中，点击数据集名称旁边的向下箭头图标 ，然后点击 Create new table。

   注意：在界面中，数据加载过程与表的创建过程相同。

3. 在 Create table 页面上，执行以下操作：

   • 对于 Source Data，点击 Create from source。
   • 对于 Destination Table，选择您的数据集并在 Destination table name 字段中输入表名。

   • 对于 Schema，点击 Automatically detect 来确定架构。

     

   • 点击创建表。

CLI

发出带 --autodetect 参数的 bq load 命令。

（可选）提供 --location 标志并将其值设置为您的位置。

以下命令通过架构自动检测功能加载文件：

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

其中：

• location 是您的位置的名称。--location 是可选标志。例如，如果您在东京区域使用 BigQuery，可将该标志的值设置为 asia-northeast1。您可以使用 .bigqueryrc 文件设置该位置的默认值。
• format 是 NEWLINE_DELIMITED_JSON 或 CSV。
• dataset 是一个数据集，它包含您要将数据加载到其中的表。
• table 是要向其中加载数据的表的名称。
• path_to_source 是 CSV 或 JSON 文件的位置。

示例：

输入以下命令可以将本地机器上的 myfile.csv 加载到名为 mytable 的表中，该表存储在名为 mydataset 的数据集中。

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

输入以下命令可以将本地机器上的 myfile.json 加载到名为 mytable 的表中，该表存储在名为 mydataset 的数据集中。

bq load --autodetect --source_format=NEWLINE_DELIMITED_JSON \
mydataset.mytable ./myfile.json

API

1. 创建指向源数据的 load 作业。如需了解如何创建作业，请参阅以编程方式运行 BigQuery 作业。在 jobReference 部分的 location 属性中指定您的位置。

2. 通过设置 sourceFormat 属性来指定数据格式。如需使用架构自动检测功能，必须将此值设置为 NEWLINE_DELIMITED_JSON 或 CSV。

3. 使用 autodetect 属性将架构自动检测功能设置为 true。

Go

尝试此示例之前，请按照 BigQuery 快速入门：使用客户端库中的 Go 设置说明进行操作。如需了解详情，请参阅 BigQuery Go API 参考文档。

在 GitHub 上查看 反馈

import (
	"context"
	"fmt"

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

// importJSONAutodetectSchema demonstrates loading data from newline-delimited JSON data in Cloud Storage
// and using schema autodetection to identify the available columns.
func importJSONAutodetectSchema(projectID, datasetID, tableID 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)
	}

	gcsRef := bigquery.NewGCSReference("gs://cloud-samples-data/bigquery/us-states/us-states.json")
	gcsRef.SourceFormat = bigquery.JSON
	gcsRef.AutoDetect = true
	loader := client.Dataset(datasetID).Table(tableID).LoaderFrom(gcsRef)
	loader.WriteDisposition = bigquery.WriteEmpty

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

	if status.Err() != nil {
		return fmt.Errorf("job completed with error: %v", status.Err())
	}
	return nil
}

Node.js

尝试此示例之前，请按照 BigQuery 快速入门：使用客户端库中的 Node.js 设置说明进行操作。如需了解详情，请参阅 BigQuery Node.js API 参考文档。

在 GitHub 上查看 反馈

// Import the Google Cloud client libraries
const {BigQuery} = require('@google-cloud/bigquery');
const {Storage} = require('@google-cloud/storage');

/**
 * TODO(developer): Uncomment the following lines before running the sample.
 */
// const datasetId = "my_dataset";
// const tableId = "my_table";

/**
 * This sample loads the JSON file at
 * https://storage.googleapis.com/cloud-samples-data/bigquery/us-states/us-states.json
 *
 * TODO(developer): Replace the following lines with the path to your file.
 */
const bucketName = 'cloud-samples-data';
const filename = 'bigquery/us-states/us-states.json';

async function loadJSONFromGCSAutodetect() {
  // Imports a GCS file into a table with autodetected schema.

  // Instantiate clients
  const bigquery = new BigQuery();
  const storage = new Storage();

  // Configure the load job. For full list of options, see:
  // https://cloud.google.com/bigquery/docs/reference/rest/v2/Job#JobConfigurationLoad
  const metadata = {
    sourceFormat: 'NEWLINE_DELIMITED_JSON',
    autodetect: true,
    location: 'US',
  };

  // Load data from a Google Cloud Storage file into the table
  const [job] = await bigquery
    .dataset(datasetId)
    .table(tableId)
    .load(storage.bucket(bucketName).file(filename), metadata);
  // load() waits for the job to finish
  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;
  }
}
loadJSONFromGCSAutodetect();

Python

尝试此示例之前，请按照《BigQuery 快速入门：使用客户端库》中的 Python 设置说明进行操作。如需了解详情，请参阅 BigQuery Python API 参考文档。

如需启用架构自动检测功能，请将 LoadJobConfig.autodetect 属性设置为 True。

在 GitHub 上查看

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

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

针对外部数据源的架构自动检测

如需在创建链接到外部数据源的表时启用架构自动检测功能，请执行以下操作：

• 在 Cloud Console 中，针对自动检测，勾选架构和输入参数选项。
• 在传统版 BigQuery 网页界面中，勾选 Automatically detect 选项。

启用后，BigQuery 将尽可能尝试自动推断出 CSV 和 JSON 外部数据源的架构。

目前，您无法使用 Cloud Console 或经典版网页界面为 Google 表格外部数据源启用架构自动检测功能。此外，架构自动检测功能不适用于外部 Avro 文件、Firestore 导出文件或 Datastore 导出文件。在创建链接到这些文件类型之一的表时，BigQuery 会自动从自描述源数据中检索架构。

借助 CLI，可在为 CSV、JSON 或 Google 表格数据创建表定义文件时启用架构自动检测。使用 CLI 创建表定义文件时，您可将 --autodetect 标志传递给 mkdef 命令来启用架构自动检测功能，或者传递 --noautodetect 标志来停用自动检测功能。

使用 --autodetect 标志时，autodetect 设置在表定义文件中设定为 true。使用 --noautodetect 标志时，"autodetect" 设置设定为 false。如果您在创建表定义时未提供外部数据源的架构定义，且未使用 --noautodetect 或 --autodetect 标志，则 "autodetect" 设置默认为 true。

使用 API 创建表定义文件时，请将 autodetect 属性的值设置为 true 或 false。将 autodetect 设置为 true 可启用自动检测功能。将 autodetect 设置为 false 可将其停用。

自动检测详述

除了检测架构详细信息外，自动检测还可识别以下内容：

压缩

打开文件时，BigQuery 会识别与 gzip 兼容的文件压缩。

CSV 分隔符

BigQuery 会检测以下分隔符：

• 逗号 (,)
• 竖线 (|)
• 制表符 (\t)

CSV 标题

BigQuery 通过将文件的第一行与数据集中的其他行进行比较来推断出标题。如果第一行只包含字符串，而其他行不包含，则 BigQuery 假定第一行是标题行。

CSV 中括起的新行

BigQuery 可检测 CSV 字段中括起的新行字符，不会将其解释为行边界。

日期

在对 JSON 或 CSV 数据使用架构检测功能时，DATE 列中的值必须使用短划线 (-) 分隔符，且必须采用 YYYY-MM-DD（年-月-日）格式。

时间戳

BigQuery 检测各种时间戳格式，包括但不限于：

• yyyy-mm-dd
• yyyy-mm-dd hh:mm:ss
• yyyy-mm-dd hh:mm:ss.mmm

时间戳还可包含世界协调时间 (UTC) 偏移量和世界协调时间 (UTC) 区域指示符 Z，同时还支持基于整数的时间戳值。

在对 JSON 或 CSV 数据使用架构检测功能时，TIMESTAMP 列中的值必须在时间戳的日期部分使用短划线 (-) 分隔符，且日期必须采用 YYYY-MM-DD（年-月-日）格式。时间戳的 hh:mm:ss（时-分-秒）部分必须使用英文冒号 (:) 分隔符。

时间戳示例

BigQuery 自动检测到的时间戳格式示例如下：

• 253402300799
• 2018-07-05 12:54:00 UTC
• 2018-08-19 07:11:35.220 -05:00
• 2018-08-19 12:11:35.220 UTC
• 2018-08-19T12:11:35.220Z
• 2.53402300799e11
• 2018-08-19 12:11:35.220000
• 2018-08-19 12:11:35.220