Cerca dati indicizzati

Questa pagina fornisce esempi di ricerca in BigQuery. Quando indicizzi i dati, BigQuery può ottimizzare alcune query che utilizzano la funzione SEARCH o altri funzioni e operatori, ad esempio =, IN, LIKE e STARTS_WITH.

Le query SQL restituiscono risultati corretti da tutti i dati importati, anche se dei dati non è ancora stato indicizzato. Tuttavia, le prestazioni delle query possono essere migliorato con un indice. Risparmi in byte elaborati e millisecondi slot vengono massimizzate quando il numero di ricerche i risultati costituiscono una frazione relativamente piccola delle righe totali della tabella perché vengono analizzati meno dati. Per determinare se è stato utilizzato un indice per una query, consulta Utilizzo dell'indice di ricerca.

Crea un indice di ricerca

La seguente tabella denominata Logs viene utilizzata per mostrare modi di utilizzare la funzione SEARCH. Questa tabella di esempio è piuttosto piccola, ma i miglioramenti in termini di prestazioni che ottieni con SEARCH migliorano con la dimensione nella tabella.

CREATE TABLE my_dataset.Logs (Level STRING, Source STRING, Message STRING)
AS (
  SELECT 'INFO' as Level, '65.177.8.234' as Source, 'Entry Foo-Bar created' as Message
  UNION ALL
  SELECT 'WARNING', '132.249.240.10', 'Entry Foo-Bar already exists, created by 65.177.8.234'
  UNION ALL
  SELECT 'INFO', '94.60.64.181', 'Entry Foo-Bar deleted'
  UNION ALL
  SELECT 'SEVERE', '4.113.82.10', 'Entry Foo-Bar does not exist, deleted by 94.60.64.181'
  UNION ALL
  SELECT 'INFO', '181.94.60.64', 'Entry Foo-Baz created'
);

La tabella è simile alla seguente:

+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 65.177.8.234   | Entry Foo-Bar created                                 |
| WARNING | 132.249.240.10 | Entry Foo-Bar already exists, created by 65.177.8.234 |
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
| INFO    | 181.94.60.64   | Entry Foo-Baz created                                 |
+---------+----------------+-------------------------------------------------------+

Crea un indice di ricerca nella tabella Logs utilizzando lo strumento di analisi di testo predefinito:

CREATE SEARCH INDEX my_index ON my_dataset.Logs(ALL COLUMNS);

Per saperne di più sugli indici di ricerca, consulta Gestire gli indici di ricerca.

Utilizzare la funzione SEARCH

La funzione SEARCH fornisce la ricerca tokenizzata nei dati. SEARCH è progettato per essere utilizzato con un indice per ottimizzare le ricerche. Puoi utilizzare la funzione SEARCH per eseguire ricerche in un'intera tabella o limitare eseguire ricerche in colonne specifiche.

Cerca in un'intera tabella

La seguente query cerca in tutte le colonne della tabella Logs i valori bar e restituisce le righe che contengono questo valore, indipendentemente da maiuscole/minuscole. Poiché l'indice di ricerca utilizza lo strumento di analisi di testo predefinito, devi specificarlo nella funzione SEARCH.

SELECT * FROM my_dataset.Logs WHERE SEARCH(Logs, 'bar');
+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 65.177.8.234   | Entry Foo-Bar created                                 |
| WARNING | 132.249.240.10 | Entry Foo-Bar already exists, created by 65.177.8.234 |
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

La seguente query cerca in tutte le colonne della tabella Logs i valori `94.60.64.181` e restituisce le righe che contengono questo valore. La gli apici inversi consentono una ricerca esatta, motivo per cui l'ultima riga dei Logs che contiene 181.94.60.64 viene omessa.

SELECT * FROM my_dataset.Logs WHERE SEARCH(Logs, '`94.60.64.181`');
+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

Cerca in un sottoinsieme di colonne

SEARCH semplifica la specifica di un sottoinsieme di colonne in cui cercare e i dati di Google Cloud. La seguente query cerca nella colonna Message della tabella Logs il valore 94.60.64.181 e restituisce le righe che contengono questo valore.

SELECT * FROM my_dataset.Logs WHERE SEARCH(Message, '`94.60.64.181`');
+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

La seguente query esegue la ricerca nelle colonne Source e Message della Tabella Logs. Restituisce le righe che contengono il valore 94.60.64.181 da entrambe le colonne.

SELECT * FROM my_dataset.Logs WHERE SEARCH((Source, Message), '`94.60.64.181`');
+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

Se una tabella ha molte colonne e vuoi cercarne la maggior parte, potrebbe essere specificare solo le colonne da escludere dalla ricerca. Le seguenti la query effettua ricerche in tutte le colonne della tabella Logs tranne che per la colonna Message. Restituisce le righe di tutte le colonne diverse da Message che contiene il valore 94.60.64.181.

SELECT *
FROM my_dataset.Logs
WHERE SEARCH(
  (SELECT AS STRUCT Logs.* EXCEPT (Message)), '`94.60.64.181`');
+---------+----------------+---------------------------------------------------+
| Level   | Source         | Message                                           |
+---------+----------------+---------------------------------------------------+
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                             |
+---------+----------------+---------------------------------------------------+

Usa un altro strumento di analisi del testo

Nell'esempio seguente viene creata una tabella denominata contact_info con un indice che utilizza NO_OP_ANALYZER analizzatore di testo:

CREATE TABLE my_dataset.contact_info (name STRING, email STRING)
AS (
  SELECT 'Kim Lee' AS name, 'kim.lee@example.com' AS email
  UNION ALL
  SELECT 'Kim' AS name, 'kim@example.com' AS email
  UNION ALL
  SELECT 'Sasha' AS name, 'sasha@example.com' AS email
);
CREATE SEARCH INDEX noop_index ON my_dataset.contact_info(ALL COLUMNS)
OPTIONS (analyzer = 'NO_OP_ANALYZER');
+---------+---------------------+
| name    | email               |
+---------+---------------------+
| Kim Lee | kim.lee@example.com |
| Kim     | kim@example.com     |
| Sasha   | sasha@example.com   |
+---------+---------------------+

La seguente query cerca Kim nella colonna name e kim nella colonna email. Poiché l'indice di ricerca non utilizza lo strumento di analisi di testo predefinito, devi passare nome dell'analizzatore alla funzione SEARCH.

SELECT
  name,
  SEARCH(name, 'Kim', analyzer=>'NO_OP_ANALYZER') AS name_Kim,
  email,
  SEARCH(email, 'kim', analyzer=>'NO_OP_ANALYZER') AS email_kim
FROM
  my_dataset.contact_info;

NO_OP_ANALYZER non modifica il testo, quindi solo la funzione SEARCH restituisce TRUE per le corrispondenze esatte:

+---------+----------+---------------------+-----------+
| name    | name_Kim | email               | email_kim |
+---------+----------+---------------------+-----------+
| Kim Lee | FALSE    | kim.lee@example.com | FALSE     |
| Kim     | TRUE     | kim@example.com     | FALSE     |
| Sasha   | FALSE    | sasha@example.com   | FALSE     |
+---------+----------+---------------------+-----------+

Configura le opzioni dello strumento di analisi del testo

Il testo di LOG_ANALYZER e PATTERN_ANALYZER analizzatori personalizzati aggiungendo una stringa in formato JSON alle opzioni di configurazione. Tu può configurare analizzatori di testo in SEARCH , il DDL CREATE SEARCH INDEX l'Informativa, e TEXT_ANALYZE .

Nell'esempio seguente viene creata una tabella denominata complex_table con un indice che utilizza lo strumento di analisi di testo LOG_ANALYZER. Utilizza una stringa in formato JSON per configurare le opzioni dello strumento di analisi:

CREATE TABLE dataset.complex_table(
  a STRING,
  my_struct STRUCT<string_field STRING, int_field INT64>,
  b ARRAY<STRING>
);

CREATE SEARCH INDEX my_index
ON dataset.complex_table(a, my_struct, b)
OPTIONS (analyzer = 'LOG_ANALYZER', analyzer_options = '''{
  "token_filters": [
    {
      "normalization": {"mode": "NONE"}
    }
  ]
}''');

La tabella seguente mostra esempi di chiamate alla funzione SEARCH con da diversi analizzatori di testo e i relativi risultati. La prima tabella chiama SEARCH utilizzando lo strumento di analisi di testo predefinito, LOG_ANALYZER:

Chiamata funzione Restituisce Motivo
SEARCH('foobarexample', NULL) ERRORE Il parametro search_terms è "NULL".
SEARCH('foobarexample', '') ERRORE search_terms non contiene token.
SEARCH('foobar-example', 'foobar esempio') VERO "-" e ' sono delimitatori.
SEARCH('foobar-example', 'foobarexample') FALSE I termini search_terms non sono suddivisi.
SEARCH('foobar-example', 'foobar\\&example') VERO La doppia barra rovesciata fa precedere la e commerciale che è un delimitatore.
SEARCH('foobar-example', R'foobar\&example') VERO La singola barra rovesciata esegue l'interpretazione letterale della "e commerciale" in una stringa non elaborata.
SEARCH('foobar-example', '`foobar&example`') FALSE Gli apici inversi richiedono una corrispondenza esatta per foobar&example.
SEARCH('foobar&example', '`foobar&example`') VERO Viene trovata una corrispondenza esatta.
SEARCH('foobar-example', 'example foobar') VERO L'ordine dei termini non ha importanza.
SEARCH('foobar-example', 'foobar esempio') VERO I token sono in minuscolo.
SEARCH('foobar-example', '`foobar-example`') VERO Viene trovata una corrispondenza esatta.
SEARCH('foobar-example', '`foobar`') FALSE Gli apici inversi mantengono le lettere maiuscole.
SEARCH('`foobar-example`', '`foobar-example`') FALSE Gli apici inversi non hanno un significato speciale per data_to_search e
SEARCH('foobar@example.com', '`example.com`') VERO Viene trovata una corrispondenza esatta dopo il delimitatore in data_to_search.
SEARCH('a foobar-example b', '`foobar-example`') VERO Viene trovata una corrispondenza esatta tra i delimitatori di spazio.
SEARCH(['foobar', 'esempio']; 'foobar esempio') FALSE Nessuna singola voce dell'array corrisponde a tutti i termini di ricerca.
SEARCH('foobar=', '`foobar\\=`') FALSE Il parametro search_terms equivale a foobar\=.
SEARCH('foobar=', R'`foobar\=`') FALSE Equivale all'esempio precedente.
SEARCH('foobar=', 'foobar\\=') VERO Il segno di uguale è un delimitatore nei dati e nella query.
SEARCH('foobar=', R'foobar\=') VERO Equivale all'esempio precedente.
SEARCH('foobar.example', '`foobar`') VERO Viene trovata una corrispondenza esatta.
SEARCH('foobar.example', '`foobar.`') FALSE "foobar." non viene analizzato a causa di apici inversi; non è
SEARCH('foobar..example', '`foobar.`') VERO "foobar." non viene analizzato a causa di apici inversi; viene seguito

La tabella seguente mostra esempi di chiamate alla funzione SEARCH utilizzando il metodo Analizzatore di testo NO_OP_ANALYZER e motivi per i vari valori restituiti:

Chiamata funzione Restituisce Motivo
SEARCH('foobar', 'foobar', analyzer=>'NO_OP_ANALYZER') VERO Viene trovata una corrispondenza esatta.
SEARCH('foobar', '`foobar`', analyzer=>'NO_OP_ANALYZER') FALSE Gli apici inversi non sono caratteri speciali per NO_OP_ANALYZER.
SEARCH('foobar', 'foobar', analyzer=>'NO_OP_ANALYZER') FALSE Le lettere maiuscole non corrispondono.
SEARCH('foobar example', 'foobar', analyzer=>'NO_OP_ANALYZER') FALSE Non sono presenti delimitatori per NO_OP_ANALYZER.
SEARCH('', '', analyzer=>'NO_OP_ANALYZER') VERO Non sono presenti delimitatori per NO_OP_ANALYZER.

Altri operatori e funzioni

Puoi eseguire ottimizzazioni dell'indice di ricerca con diversi operatori, funzioni e predicati.

Ottimizzare con operatori e funzioni di confronto

BigQuery può ottimizzare alcune query che utilizzano operatore uguale (=), operatore IN, operatore LIKE, o Funzione STARTS_WITH per confrontare i valori letterali delle stringhe con i dati indicizzati.

Ottimizza con predicati di stringa

I seguenti predicati sono idonei per l'ottimizzazione dell'indice di ricerca:

  • column_name = 'string_literal'
  • 'string_literal' = column_name
  • struct_column.nested_field = 'string_literal'
  • string_array_column[OFFSET(0)] = 'string_literal'
  • string_array_column[ORDINAL(1)] = 'string_literal'
  • column_name IN ('string_literal1', 'string_literal2', ...)
  • STARTS_WITH(column_name, 'prefix')
  • column_name LIKE 'prefix%'

Ottimizza con predicati numerici

Per ricevere assistenza durante l'anteprima, invia un'email bq-search-team@google.com.

Se l'indice di ricerca è stato creato con tipi di dati numerici, BigQuery può ottimizzare alcune query che utilizzano l'operatore uguale (=) o IN con dati indicizzati. I seguenti predicati sono idonei per l'indice di ricerca ottimizzazione:

  • INT64(json_column.int64_field) = 1
  • int64_column = 1
  • int64_array_column[OFFSET(0)] = 1
  • int64_column IN (1, 2)
  • struct_column.nested_int64_field = 1
  • struct_column.nested_timestamp_field = TIMESTAMP "2024-02-15 21:31:40"
  • timestamp_column = "2024-02-15 21:31:40"
  • timestamp_column IN ("2024-02-15 21:31:40", "2024-02-16 21:31:40")

Ottimizza le funzioni che producono dati indicizzati

BigQuery supporta l'ottimizzazione dell'indice di ricerca quando vengono applicate ai dati indicizzati. Se l'indice di ricerca utilizza lo strumento di analisi di testo LOG_ANALYZER predefinito, puoi: applica il UPPER o LOWER funzioni nella colonna, ad esempio UPPER(column_name) = 'STRING_LITERAL'.

Per i dati di stringa scalare JSON estratti da una colonna JSON indicizzata, puoi applica il STRING o la sua versione sicura, SAFE.STRING. Se il valore JSON estratto non è una stringa, la funzione STRING genera un errore e la funzione SAFE.STRING restituisce NULL.

Per indicizzati Dati STRING (non JSON) con formattazione JSON, puoi applicare quanto segue :

Ad esempio, supponiamo che tu abbia la seguente tabella indicizzata chiamata dataset.person_data con una colonna JSON e una STRING:

+----------------------------------------------------------------+-----------------------------------------+
| json_column                                                    | string_column                           |
+----------------------------------------------------------------+-----------------------------------------+
| { "name" : "Ariel", "email" : "cloudysanfrancisco@gmail.com" } | { "name" : "Ariel", "job" : "doctor" }  |
+----------------------------------------------------------------+-----------------------------------------+

Le seguenti query sono idonee per l'ottimizzazione:

SELECT * FROM dataset.person_data
WHERE SAFE.STRING(json_column.email) = 'cloudysanfrancisco@gmail.com';
SELECT * FROM dataset.person_data
WHERE JSON_VALUE(string_column, '$.job') IN ('doctor', 'lawyer', 'teacher');

Anche le combinazioni di queste funzioni sono ottimizzate, ad esempio: UPPER(JSON_VALUE(json_string_expression)) = 'FOO'.

Utilizzo dell'indice di ricerca

Per determinare se è stato utilizzato un indice di ricerca per una query, controlla lo stato della query Informazioni job in Risultati query. La Modalità di utilizzo dell'indice e Motivi del mancato utilizzo dell'indice forniscono informazioni dettagliate sull'indice di ricerca all'utilizzo delle risorse.

Informazioni sul job che mostrano perché un indice di ricerca non è stato utilizzato.

Le informazioni sull'uso dell'indice di ricerca sono disponibili anche tramite la Campo searchStatistics nel metodo API Jobs.Get. La Il campo indexUsageMode in searchStatistics indica se è presente un indice di ricerca è stato utilizzato con i seguenti valori:

  • UNUSED: non è stato utilizzato alcun indice di ricerca.
  • PARTIALLY_USED: parte della query ha utilizzato indici di ricerca e parte no.
  • FULLY_USED: ogni funzione SEARCH della query ha utilizzato un indice di ricerca.

Quando indexUsageMode è UNUSED o PARTIALLY_USED, indexUnusuedReasons contiene informazioni sul motivo per cui gli indici di ricerca non sono stati utilizzati nella query.

Per visualizzare searchStatistics per una query, esegui il comando bq show.

bq show --format=prettyjson -j JOB_ID

Esempio

Supponi di eseguire una query che chiama la funzione SEARCH sui dati di una tabella. Tu possono visualizzare dettagli job della query individua l'ID job, quindi esegui il comando bq show per visualizzare ulteriori informazioni:

bq show --format=prettyjson --j my_project:US.bquijob_123x456_789y123z456c

L'output contiene molti campi, tra cui searchStatistics, che cerca in modo simile al seguente. In questo esempio, indexUsageMode indica che indice non utilizzato. Il motivo è che la tabella non ha un indice di ricerca. A risolvere questo problema, crea un indice di ricerca nella . Consulta le indexUnusedReason Campo code per un elenco di tutti i motivi per cui un indice di ricerca potrebbe non essere utilizzato in una query.

"searchStatistics": {
  "indexUnusedReasons": [
    {
      "baseTable": {
        "datasetId": "my_dataset",
        "projectId": "my_project",
        "tableId": "my_table"
      },
      "code": "INDEX_CONFIG_NOT_AVAILABLE",
      "message": "There is no search index configuration for the base table `my_project:my_dataset.my_table`."
    }
  ],
  "indexUsageMode": "UNUSED"
},

Best practice

Le seguenti sezioni descrivono le best practice relative all'utilizzo della funzione SEARCH.

Effettua ricerche in modo selettivo

La ricerca funziona meglio quando la ricerca ha pochi risultati. Imposta le tue ricerche come più specifici possibile.

Ottimizzazione ORDER BY LIMIT

Query che utilizzano SEARCH, =, IN, LIKE o STARTS_WITH su una dimensione La tabella partizionata può essere ottimizzata quando utilizzi una clausola ORDER BY nel campo partizionato e una clausola LIMIT. Per le query che non contengono la funzione SEARCH, puoi utilizzare il metodo altri operatori e funzioni per sfruttare l'ottimizzazione. L'ottimizzazione viene applicata indipendentemente dal fatto che viene indicizzata. Funziona bene se stai cercando un termine comune. Ad esempio, supponiamo che la tabella Logs creata in precedenza è partizionata in base a una colonna aggiuntiva di tipo DATE chiamato day. La seguente query è ottimizzata:

SELECT
  Level, Source, Message
FROM
  my_dataset.Logs
WHERE
  SEARCH(Message, "foo")
ORDER BY
  day
LIMIT 10;

Quando utilizzi la funzione SEARCH, cerca solo le colonne della tabella che che prevedi di contenere i termini di ricerca. Ciò migliora le prestazioni riduce il numero di byte da analizzare.

Utilizzare l'accento grave

Quando usi la funzione SEARCH con l'analizzatore di testo LOG_ANALYZER, Racchiudi la query di ricerca tra apici inversi forza una corrispondenza esatta. È utile se la ricerca è sensibile alle maiuscole o contiene caratteri che non devono essere interpretati come delimitatori. Ad esempio, per cercare l'indirizzo IP 192.0.2.1, usa `192.0.2.1`. Senza l'accento grave, la ricerca restituisce qualsiasi riga contenente i singoli token 192, 0, 2 e 1, in qualsiasi ordine.