Questa pagina è stata tradotta dall'API Cloud Translation.

Creare e utilizzare tabelle

Questo documento descrive come creare e utilizzare tabelle standard (integrate) in in BigQuery. Per informazioni sulla creazione di altri tipi di tabelle, consulta:

Dopo aver creato una tabella, puoi:

Controllare l'accesso ai dati della tabella
Recuperare informazioni sulle tabelle
Elenca le tabelle in un set di dati
Recupero metadati tabella

Per ulteriori informazioni sulla gestione delle tabelle, incluso l'aggiornamento delle proprietà delle tabelle, per copiare una tabella ed eliminarla, consulta Gestione delle tabelle.

Prima di iniziare

Prima di creare una tabella in BigQuery:

Configura un progetto seguendo una guida introduttiva a BigQuery .
Crea un set di dati BigQuery.
Se vuoi, leggi Introduzione alle tabelle. per comprendere i limiti delle tabelle, le quote e i prezzi.

Denominazione delle tabelle

Quando crei una tabella in BigQuery, il nome della tabella deve essere univoci per ogni set di dati. Il nome della tabella può:

Contenere caratteri con un massimo di 1024 byte UTF-8 in totale.
Contenere caratteri Unicode nella categoria L (lettera), M (segno), N (numero), Pc (connettore, trattino basso incluso), Pd (trattino), Z (spazio). Per maggiori informazioni le informazioni, vedi Categoria generale.

Di seguito sono riportati tutti esempi di nomi di tabella validi: table 01, ग्राहक, 00_お客様 e étudiant-01.

Precisazioni:

Per impostazione predefinita, i nomi delle tabelle sono sensibili alle maiuscole. mytable e MyTable possono coesistono nello stesso set di dati, a meno che non facciano parte di un set di dati con sensibilità alle maiuscole disattivata.
Alcuni nomi di tabella e prefissi di nomi di tabelle sono riservati. Se ricevi un errore che indica che il nome o il prefisso della tabella è riservato, seleziona un altro nome e riprova.
Se includi più operatori di punto (.) in una sequenza, lo stato duplicato vengono implicitamente eliminati.

Ad esempio: project_name....dataset_name..table_name

Diventa questo: project_name.dataset_name.table_name

Creare tabelle

Puoi creare una tabella in BigQuery nei seguenti modi:

Uso manuale della console Google Cloud o dello strumento a riga di comando bq Comando bq mk.
Chiamando tables.insert in modo programmatico API.
Utilizzando le librerie client.
Dai risultati della query.
definendo una tabella che fa riferimento a un'origine dati esterna.
Quando carichi i dati.
Utilizzando un CREATE TABLE l'istruzione DDL (Data Definition Language).

Autorizzazioni obbligatorie

Per creare una tabella, devi disporre delle seguenti autorizzazioni IAM:

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

Inoltre, potresti aver bisogno dell'autorizzazione bigquery.tables.getData per accedere ai dati che scrivi nella tabella.

Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per creare una tabella:

roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.admin (include l'autorizzazione bigquery.jobs.create)
roles/bigquery.user (include l'autorizzazione bigquery.jobs.create)
roles/bigquery.jobUser (include l'autorizzazione bigquery.jobs.create)

Inoltre, se disponi dell'autorizzazione bigquery.datasets.create, puoi creare e aggiornare le tabelle nei set di dati che crei.

Per ulteriori informazioni su ruoli e autorizzazioni IAM in per BigQuery, consulta Ruoli e autorizzazioni predefiniti.

Crea una tabella vuota con una definizione di schema

Puoi creare una tabella vuota con una definizione di schema nei seguenti modi:

Inserisci lo schema utilizzando la console Google Cloud.
Fornisci lo schema in linea utilizzando lo strumento a riga di comando bq.
Invia un file di schema JSON utilizzando lo strumento a riga di comando bq.
Fornisci lo schema in una risorsa di tabella quando chiami il metodo tables.insert delle API.

Per ulteriori informazioni su come specificare uno schema di tabella, consulta la sezione Specifica di uno schema.

Dopo aver creato la tabella, puoi caricare i dati o compilarlo scrivendo i risultati della query che le sono assegnati.

Per creare una tabella vuota con una definizione di schema:

Console

Nella console Google Cloud, vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro Explorer, espandi il progetto e seleziona un set di dati.
Nella sezione Informazioni sul set di dati, fai clic su Crea tabella.
Nel riquadro Crea tabella, specifica i seguenti dettagli:

Nella sezione Origine, seleziona Tabella vuota nell'elenco Crea tabella da.
Nella sezione Destinazione, specifica i seguenti dettagli:
1. In Set di dati, seleziona il set di dati in cui creare il tabella.
2. Nel campo Tabella, inserisci il nome della tabella da creare.
3. Verifica che il campo Tipo di tabella sia impostato su Tabella nativa.
Nella sezione Schema, inserisci lo schema. definizione di Kubernetes. Puoi inserire le informazioni sullo schema manualmente utilizzando uno dei seguenti utilizza i seguenti metodi:
- Opzione 1: fai clic su Modifica come testo e incolla lo schema sotto forma di un array JSON. Quando utilizzi un array JSON, generi lo schema utilizzando è la stessa procedura utilizzata per la creazione di un file di schema JSON. Puoi visualizzare lo schema di una tabella esistente in formato JSON inserendo quanto segue: :
```
    bq show --format=prettyjson dataset.table
    
```
- Opzione 2: fai clic su Aggiungi campo e inserisci lo schema della tabella. Specifica il Nome di ogni campo, Tipo, e Modalità.
(Facoltativo) Specifica le impostazioni di partizione e clustering. Per ulteriori informazioni, vedi Creazione di tabelle partizionate e Creazione e utilizzo di tabelle in cluster.
(Facoltativo) Nella sezione Opzioni avanzate, se vuoi utilizzare una di crittografia gestita dal cliente, quindi seleziona la casella Utilizza una chiave di crittografia gestita dal cliente chiave di crittografia (CMEK). Per impostazione predefinita, BigQuery cripta i contenuti archiviati inattivi dei clienti mediante una chiave di proprietà di Google.
Fai clic su Crea tabella.

SQL

L'esempio seguente crea una tabella denominata newtable che scade il 1° gennaio 2023:

Nella console Google Cloud, vai alla pagina BigQuery.

Vai a BigQuery

Nell'editor query, inserisci la seguente istruzione:

CREATE TABLE mydataset.newtable (
  x INT64 OPTIONS (description = 'An optional INTEGER field'),
  y STRUCT <
    a ARRAY <STRING> OPTIONS (description = 'A repeated STRING field'),
    b BOOL
  >
) OPTIONS (
    expiration_timestamp = TIMESTAMP '2023-01-01 00:00:00 UTC',
    description = 'a table that expires in 2023',
    labels = [('org_unit', 'development')]);

Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.

bq

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
Usa il comando bq mk con il flag --table o -t. Puoi fornire una tabella le informazioni sullo schema inline o con un file di schema JSON. Per un elenco completo vedi i parametri Riferimento bq mk --table. Alcuni parametri facoltativi includono:
- --expiration
- --description
- --time_partitioning_field
- --time_partitioning_type
- --range_partitioning
- --clustering_fields
- --destination_kms_key
- --label
--time_partitioning_field, --time_partitioning_type, --range_partitioning, --clustering_fields e --destination_kms_key non sono dimostrati qui. Per saperne di più, consulta i seguenti link su questi parametri facoltativi:
- Per ulteriori informazioni su --time_partitioning_field, --time_partitioning_type e --range_partitioning visualizzano tabelle partizionate.
- Per ulteriori informazioni su --clustering_fields, vedi tabelle in cluster.
- Per ulteriori informazioni su --destination_kms_key, vedi chiavi di crittografia gestite dal cliente.
Se crei una tabella in un progetto diverso da quello predefinito, aggiungi l'ID progetto al set di dati nel seguente formato: project_id:dataset.

Per creare una tabella vuota in un set di dati esistente con una definizione di schema, inserisci quanto segue:
```
bq mk \
--table \
--expiration=integer \
--description=description \
--label=key_1:value_1 \
--label=key_2:value_2 \
--add_tags=key_3:value_3[,...] \
project_id:dataset.table \
schema
```
Sostituisci quanto segue:
- integer è la durata predefinita (in secondi) della tabella. La il valore minimo è 3600 secondi (un'ora). Data e ora di scadenza restituisce l'ora UTC attuale più il valore intero. Se imposti il parametro scadenza quando crei una tabella, la tabella predefinita viene ignorata.
- description è una descrizione della tabella tra virgolette.
- key_1:value_1 e key_2:value_2 sono coppie chiave/valore che specificano le etichette.
- key_3:value_3 sono coppie chiave/valore che specificano i tag. Aggiungi più tag nel tag lo stesso flag con virgole tra coppie chiave:valore.
- project_id è l'ID progetto.
- dataset è un set di dati nel tuo progetto.
- table è il nome della tabella che stai creando.
- schema è una definizione di schema in linea nel formato field:data_type,field:data_type o il percorso dello schema JSON sul tuo computer locale.
Quando specifichi lo schema nella riga di comando, non puoi includere un'istruzione RECORD (STRUCT) non puoi includere una descrizione della colonna e non puoi specificare modalità colonna. Tutte le modalità predefinite sono: NULLABLE. Per includere le descrizioni, e i tipi di RECORD, fornisci un file di schema JSON .

Esempi:

Inserisci il comando seguente per creare una tabella utilizzando uno schema in linea definizione di Kubernetes. Questo comando crea una tabella denominata mytable in mydataset in il progetto predefinito. La scadenza della tabella è impostata su 3600 secondi (1 ora), la descrizione è impostata su This is my table e l'etichetta su organization:development. Il comando usa la scorciatoia -t anziché --table. Lo schema viene specificato in linea come: qtr:STRING,sales:FLOAT,year:STRING.
```
bq mk \
 -t \
 --expiration 3600 \
 --description "This is my table" \
 --label organization:development \
 mydataset.mytable \
 qtr:STRING,sales:FLOAT,year:STRING
```
Inserisci il comando seguente per creare una tabella utilizzando un file di schema JSON. Questo crea una tabella denominata mytable in mydataset nel browser progetto. La scadenza della tabella è impostata su 3600 secondi (1 ora), la descrizione è impostata su This is my table e l'etichetta su organization:development. Il percorso del file di schema è /tmp/myschema.json.
```
bq mk \
 --table \
 --expiration 3600 \
 --description "This is my table" \
 --label organization:development \
 mydataset.mytable \
 /tmp/myschema.json
```
Inserisci il comando seguente per creare una tabella utilizzando un file di schema JSON. Questo comando crea una tabella denominata mytable in mydataset in myotherproject. La scadenza della tabella è impostata su 3600 secondi (1 ora), la descrizione è impostata su This is my table e l'etichetta su organization:development. Il percorso del file di schema è /tmp/myschema.json.
```
bq mk \
 --table \
 --expiration 3600 \
 --description "This is my table" \
 --label organization:development \
 myotherproject:mydataset.mytable \
 /tmp/myschema.json
```
Dopo aver creato la tabella, puoi aggiornare la scadenza, la descrizione e le etichette della tabella. Puoi anche modificare la definizione dello schema.

Terraform

Utilizza la google_bigquery_table risorsa.

Per eseguire l'autenticazione in BigQuery, configura il valore predefinito dell'applicazione Credenziali. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

Creare una tabella

Nell'esempio seguente viene creata una tabella denominata mytable:

resource "google_bigquery_dataset" "default" {
  dataset_id                      = "mydataset"
  default_partition_expiration_ms = 2592000000  # 30 days
  default_table_expiration_ms     = 31536000000 # 365 days
  description                     = "dataset description"
  location                        = "US"
  max_time_travel_hours           = 96 # 4 days

  labels = {
    billing_group = "accounting",
    pii           = "sensitive"
  }
}

resource "google_bigquery_table" "default" {
  dataset_id          = google_bigquery_dataset.default.dataset_id
  table_id            = "mytable"
  deletion_protection = false # set to "true" in production

  schema = <<EOF
[
  {
    "name": "ID",
    "type": "INT64",
    "mode": "NULLABLE",
    "description": "Item ID"
  },
  {
    "name": "Item",
    "type": "STRING",
    "mode": "NULLABLE"
  }
]
EOF

}

Creare una tabella e concedere l'accesso

L'esempio seguente crea una tabella denominata mytable, quindi utilizza il metodo Risorsa google_bigquery_table_iam_policy da concedere per accedervi. Esegui questo passaggio solo se vuoi concedere l'accesso alla tabella alle entità che non hanno accesso al set di dati in cui della tabella.

resource "google_bigquery_dataset" "default" {
  dataset_id                      = "mydataset"
  default_partition_expiration_ms = 2592000000  # 30 days
  default_table_expiration_ms     = 31536000000 # 365 days
  description                     = "dataset description"
  location                        = "US"
  max_time_travel_hours           = 96 # 4 days

  labels = {
    billing_group = "accounting",
    pii           = "sensitive"
  }
}

resource "google_bigquery_table" "default" {
  dataset_id          = google_bigquery_dataset.default.dataset_id
  table_id            = "mytable"
  deletion_protection = false # set to "true" in production

  schema = <<EOF
[
  {
    "name": "ID",
    "type": "INT64",
    "mode": "NULLABLE",
    "description": "Item ID"
  },
  {
    "name": "Item",
    "type": "STRING",
    "mode": "NULLABLE"
  }
]
EOF

}

data "google_iam_policy" "default" {
  binding {
    role = "roles/bigquery.dataOwner"
    members = [
      "user:raha@altostrat.com",
    ]
  }
}

resource "google_bigquery_table_iam_policy" "policy" {
  dataset_id  = google_bigquery_table.default.dataset_id
  table_id    = google_bigquery_table.default.table_id
  policy_data = data.google_iam_policy.default.policy_data
}

Crea una tabella con una chiave di crittografia gestita dal cliente

L'esempio seguente crea una tabella denominata mytable e utilizza anche google_kms_crypto_key e google_kms_key_ring per specificare Chiave Cloud Key Management Service per tabella. Devi abilita l'API Cloud Key Management Service prima di eseguire questo esempio.

resource "google_bigquery_dataset" "default" {
  dataset_id                      = "mydataset"
  default_partition_expiration_ms = 2592000000  # 30 days
  default_table_expiration_ms     = 31536000000 # 365 days
  description                     = "dataset description"
  location                        = "US"
  max_time_travel_hours           = 96 # 4 days

  labels = {
    billing_group = "accounting",
    pii           = "sensitive"
  }
}

resource "google_bigquery_table" "default" {
  dataset_id          = google_bigquery_dataset.default.dataset_id
  table_id            = "mytable"
  deletion_protection = false # set to "true" in production

  schema = <<EOF
[
  {
    "name": "ID",
    "type": "INT64",
    "mode": "NULLABLE",
    "description": "Item ID"
  },
  {
    "name": "Item",
    "type": "STRING",
    "mode": "NULLABLE"
  }
]
EOF

  encryption_configuration {
    kms_key_name = google_kms_crypto_key.crypto_key.id
  }

  depends_on = [google_project_iam_member.service_account_access]
}

resource "google_kms_crypto_key" "crypto_key" {
  name     = "example-key"
  key_ring = google_kms_key_ring.key_ring.id
}

resource "random_id" "default" {
  byte_length = 8
}

resource "google_kms_key_ring" "key_ring" {
  name     = "${random_id.default.hex}-example-keyring"
  location = "us"
}

# Enable the BigQuery service account to encrypt/decrypt Cloud KMS keys
data "google_project" "project" {
}

resource "google_project_iam_member" "service_account_access" {
  project = data.google_project.project.project_id
  role    = "roles/cloudkms.cryptoKeyEncrypterDecrypter"
  member  = "serviceAccount:bq-${data.google_project.project.number}@bigquery-encryption.iam.gserviceaccount.com"
}

Per applicare la configurazione Terraform a un progetto Google Cloud, completa i passaggi nella le sezioni seguenti.

Prepara Cloud Shell

Avvia Cloud Shell.
Imposta il progetto Google Cloud predefinito dove vuoi applicare le configurazioni Terraform.

Devi eseguire questo comando una sola volta per progetto e puoi eseguirlo in qualsiasi directory.
```
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
```
Le variabili di ambiente vengono sostituite se imposti valori espliciti in Terraform di configurazione del deployment.

Prepara la directory

Ogni file di configurazione Terraform deve avere una directory dedicata (inoltre chiamato modulo principale).

In Cloud Shell, crea una directory e un nuovo all'interno di quella directory. Il nome file deve contenere i caratteri .tf, ad esempio main.tf. In questo tutorial, il file è denominato main.tf.
```
mkdir DIRECTORY && cd DIRECTORY && touch main.tf
```
Se stai seguendo un tutorial, puoi copiare il codice campione in ogni sezione o passaggio.

Copia il codice campione nel nuovo oggetto main.tf.

Facoltativamente, copia il codice da GitHub. Opzione consigliata quando lo snippet Terraform fa parte di una soluzione end-to-end.
Esamina e modifica i parametri di esempio da applicare al tuo ambiente.
Salva le modifiche.
Inizializza Terraform. Devi eseguire questa operazione una sola volta per directory.
```
terraform init
```
Facoltativamente, per utilizzare la versione più recente del provider Google, includi -upgrade :
```
terraform init -upgrade
```

Applica le modifiche

Rivedi la configurazione e verifica che le risorse che Terraform creerà o che l'aggiornamento soddisfi le tue aspettative:
```
terraform plan
```
Apporta le correzioni necessarie alla configurazione.
Applica la configurazione Terraform eseguendo questo comando e inserendo yes alla richiesta:
```
terraform apply
```
Attendi finché Terraform non visualizzi il messaggio "Applicazione completata!". per creare un nuovo messaggio email.
Apri il progetto Google Cloud per visualizzare i risultati. Nella console Google Cloud, vai alle risorse nella UI per assicurarti create o aggiornate da Terraform.

API

Chiama il tables.insert con una risorsa di tabella definita.

C#

Prima di provare questo esempio, segui le istruzioni per la configurazione di C# nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API C# 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.


using Google.Cloud.BigQuery.V2;

public class BigQueryCreateTable
{
    public BigQueryTable CreateTable(
        string projectId = "your-project-id",
        string datasetId = "your_dataset_id"
    )
    {
        BigQueryClient client = BigQueryClient.Create(projectId);
        var dataset = client.GetDataset(datasetId);
        // Create schema for new table.
        var schema = new TableSchemaBuilder
        {
            { "full_name", BigQueryDbType.String },
            { "age", BigQueryDbType.Int64 }
        }.Build();
        // Create the table
        return dataset.CreateTable(tableId: "your_table_id", schema: schema);
    }
}

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.

import (
	"context"
	"fmt"
	"time"

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

// createTableExplicitSchema demonstrates creating a new BigQuery table and specifying a schema.
func createTableExplicitSchema(projectID, datasetID, tableID string) error {
	// projectID := "my-project-id"
	// datasetID := "mydatasetid"
	// tableID := "mytableid"
	ctx := context.Background()

	client, err := bigquery.NewClient(ctx, projectID)
	if err != nil {
		return fmt.Errorf("bigquery.NewClient: %v", err)
	}
	defer client.Close()

	sampleSchema := bigquery.Schema{
		{Name: "full_name", Type: bigquery.StringFieldType},
		{Name: "age", Type: bigquery.IntegerFieldType},
	}

	metaData := &bigquery.TableMetadata{
		Schema:         sampleSchema,
		ExpirationTime: time.Now().AddDate(1, 0, 0), // Table will be automatically deleted in 1 year.
	}
	tableRef := client.Dataset(datasetID).Table(tableID)
	if err := tableRef.Create(ctx, metaData); err != nil {
		return err
	}
	return nil
}

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.

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Field;
import com.google.cloud.bigquery.Schema;
import com.google.cloud.bigquery.StandardSQLTypeName;
import com.google.cloud.bigquery.StandardTableDefinition;
import com.google.cloud.bigquery.TableDefinition;
import com.google.cloud.bigquery.TableId;
import com.google.cloud.bigquery.TableInfo;

public class CreateTable {

  public static void runCreateTable() {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    String tableName = "MY_TABLE_NAME";
    Schema schema =
        Schema.of(
            Field.of("stringField", StandardSQLTypeName.STRING),
            Field.of("booleanField", StandardSQLTypeName.BOOL));
    createTable(datasetName, tableName, schema);
  }

  public static void createTable(String datasetName, String tableName, Schema schema) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      TableId tableId = TableId.of(datasetName, tableName);
      TableDefinition tableDefinition = StandardTableDefinition.of(schema);
      TableInfo tableInfo = TableInfo.newBuilder(tableId, tableDefinition).build();

      bigquery.create(tableInfo);
      System.out.println("Table created successfully");
    } catch (BigQueryException e) {
      System.out.println("Table was not created. \n" + e.toString());
    }
  }
}

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.

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

async function createTable() {
  // Creates a new table named "my_table" in "my_dataset".

  /**
   * TODO(developer): Uncomment the following lines before running the sample.
   */
  // const datasetId = "my_dataset";
  // const tableId = "my_table";
  // const schema = 'Name:string, Age:integer, Weight:float, IsMagic:boolean';

  // For all options, see https://cloud.google.com/bigquery/docs/reference/v2/tables#resource
  const options = {
    schema: schema,
    location: 'US',
  };

  // Create a new table in the dataset
  const [table] = await bigquery
    .dataset(datasetId)
    .createTable(tableId, options);

  console.log(`Table ${table.id} created.`);
}

PHP

Prima di provare questo esempio, segui le istruzioni per la configurazione di PHP nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API PHP 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.

use Google\Cloud\BigQuery\BigQueryClient;

/** Uncomment and populate these variables in your code */
// $projectId = 'The Google project ID';
// $datasetId = 'The BigQuery dataset ID';
// $tableId = 'The BigQuery table ID';
// $fields = [
//    [
//        'name' => 'field1',
//        'type' => 'string',
//        'mode' => 'required'
//    ],
//    [
//        'name' => 'field2',
//        'type' => 'integer'
//    ],
//];

$bigQuery = new BigQueryClient([
    'projectId' => $projectId,
]);
$dataset = $bigQuery->dataset($datasetId);
$schema = ['fields' => $fields];
$table = $dataset->createTable($tableId, ['schema' => $schema]);
printf('Created table %s' . PHP_EOL, $tableId);

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.

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"

schema = [
    bigquery.SchemaField("full_name", "STRING", mode="REQUIRED"),
    bigquery.SchemaField("age", "INTEGER", mode="REQUIRED"),
]

table = bigquery.Table(table_id, schema=schema)
table = client.create_table(table)  # Make an API request.
print(
    "Created table {}.{}.{}".format(table.project, table.dataset_id, table.table_id)
)

Ruby

Prima di provare questo esempio, segui le istruzioni per la configurazione di Ruby nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Ruby 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.

require "google/cloud/bigquery"

def create_table dataset_id = "my_dataset"
  bigquery = Google::Cloud::Bigquery.new
  dataset  = bigquery.dataset dataset_id
  table_id = "my_table"

  table = dataset.create_table table_id do |updater|
    updater.string  "full_name", mode: :required
    updater.integer "age",       mode: :required
  end

  puts "Created table: #{table_id}"
end

Crea una tabella vuota senza una definizione dello schema

Java

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Schema;
import com.google.cloud.bigquery.StandardTableDefinition;
import com.google.cloud.bigquery.TableDefinition;
import com.google.cloud.bigquery.TableId;
import com.google.cloud.bigquery.TableInfo;

// Sample to create a table without schema
public class CreateTableWithoutSchema {

  public static void main(String[] args) {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    String tableName = "MY_TABLE_NAME";
    createTableWithoutSchema(datasetName, tableName);
  }

  public static void createTableWithoutSchema(String datasetName, String tableName) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      TableId tableId = TableId.of(datasetName, tableName);
      TableDefinition tableDefinition = StandardTableDefinition.of(Schema.of());
      TableInfo tableInfo = TableInfo.newBuilder(tableId, tableDefinition).build();

      bigquery.create(tableInfo);
      System.out.println("Table created successfully");
    } catch (BigQueryException e) {
      System.out.println("Table was not created. \n" + e.toString());
    }
  }
}

Crea una tabella dal risultato di una query

Per creare una tabella a partire dal risultato di una query, scrivi i risultati in una tabella di destinazione.

Console

Apri la pagina BigQuery nella console Google Cloud.

Vai alla pagina di BigQuery
Nel riquadro Spazio di esplorazione, espandi il progetto e seleziona un set di dati.
Inserisci una query SQL valida.
Fai clic su Altro e seleziona Impostazioni query.
Seleziona l'opzione Imposta una tabella di destinazione per i risultati della query.
Nella sezione Destinazione, seleziona il Set di dati in cui vuoi per creare la tabella, poi scegli un ID tabella.
Nella sezione Preferenza di scrittura per la tabella di destinazione, scegli una delle le seguenti:
- Scrivi se vuoto: scrive i risultati della query solo nella tabella se la tabella è vuota.
- Aggiungi alla tabella: aggiunge i risultati della query a una tabella esistente tabella.
- Sovrascrivi tabella: sovrascrive una tabella esistente con lo stesso utilizzando i risultati della query.
(Facoltativo) Per Località dei dati, scegli la tua posizione.
Per aggiornare le impostazioni della query, fai clic su Salva.
Fai clic su Esegui. In questo modo viene creato un job di query che scrive dei risultati della query alla tabella specificata.

In alternativa, se dimentichi di specificare una tabella di destinazione prima di eseguire la query, puoi copiare la tabella dei risultati memorizzata nella cache in una tabella permanente facendo clic sul pulsante Salva risultati. sopra l'editor.

SQL

L'esempio seguente utilizza il metodo Dichiarazione CREATE TABLE per creare la tabella trips dai dati pubblici Tabella bikeshare_trips:

Nella console Google Cloud, vai alla pagina BigQuery.

Vai a BigQuery

Nell'editor query, inserisci la seguente istruzione:

CREATE TABLE mydataset.trips AS (
  SELECT
    bike_id,
    start_time,
    duration_minutes
  FROM
    bigquery-public-data.austin_bikeshare.bikeshare_trips
);

Fai clic su Esegui.

Per ulteriori informazioni su come eseguire le query, vedi Eseguire una query interattiva.

Per ulteriori informazioni, vedi Creazione di una nuova tabella da una tabella esistente.

bq

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
Inserisci il valore bq query e specifica il flag --destination_table creare una tabella permanente in base ai risultati della query. Specifica use_legacy_sql=false per usare la sintassi GoogleSQL. Per scrivere la query a una tabella che non è nel progetto predefinito, aggiungi l'ID progetto al nome del set di dati nel seguente formato: project_id:dataset.

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

Per controllare l'istruzione di scrittura per una tabella di destinazione esistente, specifica uno dei seguenti flag facoltativi:
- --append_table: se la tabella di destinazione esiste, i risultati della query sono aggiunti.
- --replace: se la tabella di destinazione esiste, viene sovrascritta con i risultati della query.
```
bq --location=location query \
--destination_table project_id:dataset.table \
--use_legacy_sql=false 'query'
```
  Sostituisci quanto segue:
- location è il nome della località utilizzata per per elaborare la query. Il flag --location è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, puoi impostare il flag su asia-northeast1. Puoi impostare un valore predefinito per la località: utilizzando File .bigqueryrc.
- project_id è l'ID progetto.
- dataset è il nome del set di dati che contiene la tabella in cui vengono scritti i risultati della query.
- table è il nome della tabella a cui stai scrivere i risultati della query.
- query è una query con la sintassi GoogleSQL.
  
  Se non viene specificato alcun flag di scrittura, il comportamento predefinito è scrivere i risultati alla tabella solo se è vuota. Se la tabella esiste ed è non è vuoto, viene restituito il seguente errore: "Errore BigQuery in Operazione di query: errore di elaborazione del job project_id:bqjob_123abc456789_00000e1234f_1': Already Exists: Table project_id:dataset.table.
  
  Esempi:
  
  Nota: questi esempi eseguono query su un set di dati pubblico basato negli Stati Uniti. Poiché il pubblico è archiviato nella località multiregionale degli Stati Uniti, il set di dati che contiene anche la tabella di destinazione deve trovarsi negli Stati Uniti. Non puoi eseguire query su un set di dati in una posizione e scrivere i risultati in una tabella di destinazione in un'altra posizione.
  
  Inserisci il comando seguente per scrivere i risultati della query in una tabella di destinazione denominato mytable in mydataset. Il set di dati si trova nel progetto predefinito. Poiché nel comando non viene specificato alcun flag di disposizione di scrittura, la tabella deve essere nuovo o vuoto. In caso contrario, viene restituito un errore Already exists. La query recupera i dati dal set di dati pubblico Name Data USA.
```
bq query \
--destination_table mydataset.mytable \
--use_legacy_sql=false \
'SELECT
name,
number
FROM
`bigquery-public-data`.usa_names.usa_1910_current
WHERE
gender = "M"
ORDER BY
number DESC'
```
  Inserisci il comando seguente per utilizzare i risultati della query per sovrascrivere una destinazione tabella denominata mytable in mydataset. Il set di dati è quello predefinito progetto. Il comando utilizza il flag --replace per sovrascrivere la destinazione tabella.
```
bq query \
--destination_table mydataset.mytable \
--replace \
--use_legacy_sql=false \
'SELECT
name,
number
FROM
`bigquery-public-data`.usa_names.usa_1910_current
WHERE
gender = "M"
ORDER BY
number DESC'
```
  Inserisci il comando seguente per aggiungere i risultati della query a una tabella di destinazione denominato mytable in mydataset. Il set di dati si trova in my-other-project, non il progetto predefinito. Il comando usa il flag --append_table per aggiungere i risultati della query nella tabella di destinazione.
```
bq query \
--append_table \
--use_legacy_sql=false \
--destination_table my-other-project:mydataset.mytable \
'SELECT
name,
number
FROM
`bigquery-public-data`.usa_names.usa_1910_current
WHERE
gender = "M"
ORDER BY
number DESC'
```
  L'output per ciascuno di questi esempi è simile al seguente. Per la leggibilità elevata, alcuni output sono troncati.
```
Waiting on bqjob_r123abc456_000001234567_1 ... (2s) Current status: DONE
+---------+--------+
|  name   | number |
+---------+--------+
| Robert  |  10021 |
| John    |   9636 |
| Robert  |   9297 |
| ...              |
+---------+--------+
```

API

Per salvare i risultati della query in una tabella permanente, richiama il metodo jobs.insert, configura un job query e includi un valore per destinationTable proprietà. per controllare l'istruzione di scrittura per una destinazione esistente. configura la proprietà writeDisposition.

Per controllare il percorso di elaborazione del job di query, specifica location nella sezione jobReference della risorsa job.

Vai

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

import (
	"context"
	"fmt"
	"io"

	"cloud.google.com/go/bigquery"
	"google.golang.org/api/iterator"
)

// queryWithDestination demonstrates saving the results of a query to a specific table by setting the destination
// via the API properties.
func queryWithDestination(w io.Writer, projectID, destDatasetID, destTableID 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()

	q := client.Query("SELECT 17 as my_col")
	q.Location = "US" // Location must match the dataset(s) referenced in query.
	q.QueryConfig.Dst = client.Dataset(destDatasetID).Table(destTableID)
	// Run the query and print results when the query job is completed.
	job, err := q.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
	}
	it, err := job.Read(ctx)
	for {
		var row []bigquery.Value
		err := it.Next(&row)
		if err == iterator.Done {
			break
		}
		if err != nil {
			return err
		}
		fmt.Fprintln(w, row)
	}
	return nil
}

Java

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

Per salvare i risultati della query in una tabella permanente, imposta la destinazione tavola al TableId in un QueryJobConfiguration.

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.QueryJobConfiguration;
import com.google.cloud.bigquery.TableId;

public class SaveQueryToTable {

  public static void runSaveQueryToTable() {
    // TODO(developer): Replace these variables before running the sample.
    String query = "SELECT corpus FROM `bigquery-public-data.samples.shakespeare` GROUP BY corpus;";
    String destinationTable = "MY_TABLE";
    String destinationDataset = "MY_DATASET";

    saveQueryToTable(destinationDataset, destinationTable, query);
  }

  public static void saveQueryToTable(
      String destinationDataset, String destinationTableId, String query) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      // Identify the destination table
      TableId destinationTable = TableId.of(destinationDataset, destinationTableId);

      // Build the query job
      QueryJobConfiguration queryConfig =
          QueryJobConfiguration.newBuilder(query).setDestinationTable(destinationTable).build();

      // Execute the query.
      bigquery.query(queryConfig);

      // The results are now saved in the destination table.

      System.out.println("Saved query ran successfully");
    } catch (BigQueryException | InterruptedException e) {
      System.out.println("Saved query did not run \n" + e.toString());
    }
  }
}

Node.js

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

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

async function queryDestinationTable() {
  // Queries the U.S. given names dataset for the state of Texas
  // and saves results to permanent table.

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

  // Create destination table reference
  const dataset = bigquery.dataset(datasetId);
  const destinationTable = dataset.table(tableId);

  const query = `SELECT name
    FROM \`bigquery-public-data.usa_names.usa_1910_2013\`
    WHERE state = 'TX'
    LIMIT 100`;

  // For all options, see https://cloud.google.com/bigquery/docs/reference/v2/tables#resource
  const options = {
    query: query,
    // Location must match that of the dataset(s) referenced in the query.
    location: 'US',
    destination: destinationTable,
  };

  // Run the query as a job
  const [job] = await bigquery.createQueryJob(options);

  console.log(`Job ${job.id} started.`);
  console.log(`Query results loaded to table ${destinationTable.id}`);
}

Python

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

Per salvare i risultati della query in una tabella permanente, crea un'istanza QueryJobConfig e imposta destinazione al TableReference. passa la configurazione del job alla query .

from google.cloud import bigquery

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

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

job_config = bigquery.QueryJobConfig(destination=table_id)

sql = """
    SELECT corpus
    FROM `bigquery-public-data.samples.shakespeare`
    GROUP BY corpus;
"""

# Start the query, passing in the extra configuration.
query_job = client.query(sql, job_config=job_config)  # Make an API request.
query_job.result()  # Wait for the job to complete.

print("Query results loaded to the table {}".format(table_id))

Crea una tabella che fa riferimento a un'origine dati esterna

Un'origine dati esterna è un'origine dati su cui puoi eseguire query direttamente in BigQuery, anche se i dati non vengono archiviati di archiviazione BigQuery. Ad esempio, potresti avere dati in una un database Google Cloud diverso, nei file di Cloud Storage o in un prodotto cloud completamente diverso da analizzare a BigQuery, ma che non è tutto pronto per la migrazione.

Per ulteriori informazioni, vedi Introduzione alle origini dati esterne.

Crea una tabella quando carichi i dati

Quando carichi i dati in BigQuery, puoi caricarli in un nuovo una tabella o una partizione, puoi aggiungere dati a una tabella o a una partizione esistente oppure puoi sovrascrivere una tabella o una partizione. Non è necessario creare un campo vuoto prima di caricare i dati al suo interno. Puoi creare la nuova tabella e caricare contemporaneamente.

Quando carichi i dati in BigQuery, puoi fornire la tabella o schema di partizione oppure, per i formati di dati supportati, puoi usare rilevamento automatico.

Per ulteriori informazioni sul caricamento dei dati, consulta Introduzione al caricamento dei dati in BigQuery.

Controllare l'accesso alle tabelle

Per configurare l'accesso a tabelle e viste, puoi concedere a ruolo IAM a un'entità ai seguenti livelli, elencati in ordine delle risorse consentite (dalla più grande alla più piccola):

ad alto livello Gerarchia delle risorse di Google Cloud ad esempio a livello di progetto, cartella o organizzazione
a livello del set di dati
a livello di tabella o vista

Puoi anche limitare l'accesso ai dati all'interno delle tabelle utilizzando quanto segue: metodo:

L'accesso con qualsiasi risorsa protetta da IAM è cumulativo. Per Ad esempio, se un'entità non ha accesso ad alto livello, come un progetto, puoi concedere l'accesso all'entità a livello del set di dati. Poi hanno accesso alle tabelle e alle visualizzazioni del set di dati. Analogamente, se l'entità non ha accesso a livello generale o del set di dati, puoi concedere accesso alle entità a livello di tabella o vista.

Concessione di ruoli IAM a un livello superiore in Google Cloud gerarchia delle risorse a livello di progetto, cartella o organizzazione, concede all'entità l'accesso a un di un'ampia gamma di risorse. Ad esempio, concedere un ruolo a un'entità nel progetto assegna a quell'entità le autorizzazioni che si applicano a tutti i set di dati nell'area progetto.

La concessione di un ruolo a livello di set di dati specifica le operazioni a cui è soggetta un'entità possono essere eseguite su tabelle e viste in quello specifico set di dati, anche se non ha accesso a un livello superiore. Per informazioni sulla configurazione controlli dell'accesso a livello di set di dati, consulta Controllo dell'accesso ai set di dati.

La concessione di un ruolo a livello di tabella o vista specifica le operazioni a cui è soggetta un'entità che può essere eseguita su tabelle e viste specifiche, anche se l'entità non hanno accesso a un livello superiore. Per informazioni sulla configurazione dell'accesso a livello di tabella controlli, vedi Controllo dell'accesso a tabelle e viste.

Puoi anche creare ruoli IAM personalizzati. Se crei un ruolo personalizzato, le autorizzazioni che concedi dipendono dall'impostazione le operazioni che deve essere eseguita dall'entità.

Non puoi impostare un rifiuto su qualsiasi risorsa protetta o IAM.

Per ulteriori informazioni su ruoli e autorizzazioni, consulta la sezione Informazioni sui ruoli. nella documentazione di IAM e BigQuery Ruoli e autorizzazioni IAM.

Ottieni informazioni sulle tabelle

Puoi ottenere informazioni o metadati sulle tabelle nei seguenti modi:

Utilizzo della console Google Cloud.
Utilizzo dello strumento a riga di comando bq Comando bq show.
Chiamata a tables.get API.
Utilizzare le librerie client.
Esecuzione di query sulle viste INFORMATION_SCHEMA (beta).

Autorizzazioni obbligatorie

Per ottenere informazioni sulle tabelle, devi disporre almeno della licenza bigquery.tables.get autorizzazioni. Le impostazioni IAM predefinite i ruoli includono bigquery.tables.get autorizzazioni:

bigquery.metadataViewer
bigquery.dataViewer
bigquery.dataOwner
bigquery.dataEditor
bigquery.admin

Inoltre, se un utente dispone delle autorizzazioni bigquery.datasets.create, quando crea un set di dati e gli viene concesso l'accesso bigquery.dataOwner. L'accesso bigquery.dataOwner offre all'utente la possibilità di recuperare la tabella metadati.

Per ulteriori informazioni su ruoli e autorizzazioni IAM in BigQuery, vedi Controllo dell'accesso.

Recupera informazioni tabella

Per ottenere informazioni sulle tabelle:

Console

Nel pannello di navigazione, nella sezione Risorse, espandi le progetto, quindi seleziona un set di dati.
Fai clic sul nome del set di dati per espanderlo. Le tabelle e le viste del set di dati vengono visualizzate.
Fai clic sul nome della tabella.
Nel riquadro Dettagli, fai clic su Dettagli per visualizzare i dati della tabella. la descrizione e le informazioni della tabella.
Se vuoi, passa alla scheda Schema per visualizzare lo schema della tabella. definizione di Kubernetes.

bq

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
Emetti bq show per visualizzare tutte le informazioni della tabella. Utilizza la --schema per visualizzare solo le informazioni sullo schema della tabella. --format per controllare l'output.

Se ricevi informazioni su una tabella in un progetto diverso da progetto predefinito, aggiungi l'ID progetto al set di dati nel seguente formato: project_id:dataset.
```
bq show \
--schema \
--format=prettyjson \
project_id:dataset.table
```
Dove:
- project_id è l'ID progetto.
- dataset è il nome del set di dati.
- table è il nome della tabella.
Esempi:

Inserisci il comando seguente per visualizzare tutte le informazioni su mytable in mydataset. mydataset è nel tuo progetto predefinito.
```
bq show --format=prettyjson mydataset.mytable
```
Inserisci il comando seguente per visualizzare tutte le informazioni su mytable in mydataset. mydataset si trova nella cartella myotherproject, non nel tuo progetto predefinito.
```
bq show --format=prettyjson myotherproject:mydataset.mytable
```
Inserisci il comando seguente per visualizzare solo le informazioni sullo schema mytable a mydataset. mydataset si trova in myotherproject, non in tuo progetto predefinito.
```
bq show --schema --format=prettyjson myotherproject:mydataset.mytable
```

API

Chiama il tables.get e fornire i parametri pertinenti.

Vai

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

import (
	"context"
	"fmt"
	"io"

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

// printTableInfo demonstrates fetching metadata from a table and printing some basic information
// to an io.Writer.
func printTableInfo(w io.Writer, 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)
	}
	defer client.Close()

	meta, err := client.Dataset(datasetID).Table(tableID).Metadata(ctx)
	if err != nil {
		return err
	}
	// Print basic information about the table.
	fmt.Fprintf(w, "Schema has %d top-level fields\n", len(meta.Schema))
	fmt.Fprintf(w, "Description: %s\n", meta.Description)
	fmt.Fprintf(w, "Rows in managed storage: %d\n", meta.NumRows)
	return nil
}

Java

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Table;
import com.google.cloud.bigquery.TableId;

public class GetTable {

  public static void runGetTable() {
    // TODO(developer): Replace these variables before running the sample.
    String projectId = "bigquery_public_data";
    String datasetName = "samples";
    String tableName = "shakespeare";
    getTable(projectId, datasetName, tableName);
  }

  public static void getTable(String projectId, String datasetName, String tableName) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      TableId tableId = TableId.of(projectId, datasetName, tableName);
      Table table = bigquery.getTable(tableId);
      System.out.println("Table info: " + table.getDescription());
    } catch (BigQueryException e) {
      System.out.println("Table not retrieved. \n" + e.toString());
    }
  }
}

Node.js

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

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

async function getTable() {
  // Retrieves table named "my_table" in "my_dataset".

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

  // Retrieve table reference
  const dataset = bigquery.dataset(datasetId);
  const [table] = await dataset.table(tableId).get();

  console.log('Table:');
  console.log(table.metadata.tableReference);
}
getTable();

PHP

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

use Google\Cloud\BigQuery\BigQueryClient;

/** Uncomment and populate these variables in your code */
//$projectId = 'The Google project ID';
//$datasetId = 'The BigQuery dataset ID';
//$tableId   = 'The BigQuery table ID';

$bigQuery = new BigQueryClient([
    'projectId' => $projectId,
]);
$dataset = $bigQuery->dataset($datasetId);
$table = $dataset->table($tableId);

Python

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.


from google.cloud import bigquery

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

# TODO(developer): Set table_id to the ID of the model to fetch.
# table_id = 'your-project.your_dataset.your_table'

table = client.get_table(table_id)  # Make an API request.

# View table properties
print(
    "Got table '{}.{}.{}'.".format(table.project, table.dataset_id, table.table_id)
)
print("Table schema: {}".format(table.schema))
print("Table description: {}".format(table.description))
print("Table has {} rows".format(table.num_rows))

Ottieni informazioni della tabella utilizzando `INFORMATION_SCHEMA`

INFORMATION_SCHEMA è una serie di visualizzazioni che forniscono accesso ai metadati su set di dati, routine, tabelle, viste, job, prenotazioni e flussi di dati.

Per ottenere informazioni sulle tabelle, puoi eseguire query sulle seguenti viste:

Utilizza INFORMATION_SCHEMA.TABLES e INFORMATION_SCHEMA.TABLE_OPTIONS per recuperare i metadati relativi alle tabelle e alle viste di un progetto.
Utilizza INFORMATION_SCHEMA.COLUMNS e INFORMATION_SCHEMA.COLUMN_FIELD_PATHS viste per recuperare i metadati sulla colonne (campi) in una tabella.
Utilizza le viste INFORMATION_SCHEMA.TABLE_STORAGE per recuperare i metadati sull'utilizzo attuale e storico dello spazio di archiviazione in base a una tabella.

Le viste TABLES e TABLE_OPTIONS contengono anche informazioni sulle viste. Per informazioni dettagliate, esegui una query INFORMATION_SCHEMA.VIEWS visualizzazione .

`TABLES` visualizzazione

Quando esegui una query sulla vista INFORMATION_SCHEMA.TABLES, i risultati della query contengono una riga per ogni tabella o vista in un set di dati. Per informazioni dettagliate su viste, esegui una query sul INFORMATION_SCHEMA.VIEWS visualizza invece.

La vista INFORMATION_SCHEMA.TABLES ha il seguente schema:

Nome colonna	Tipo di dati	Valore
`table_catalog`	`STRING`	L'ID del progetto che contiene il set di dati.
`table_schema`	`STRING`	Il nome del set di dati che contiene la tabella o la vista. Chiamato anche come `datasetId`.
`table_name`	`STRING`	Il nome della tabella o della visualizzazione. Chiamato anche `tableId`.
`table_type`	`STRING`	Il tipo di tabella; uno dei seguenti: `BASE TABLE`: uno standard tabella `CLONE`: A clone di tabelle `SNAPSHOT`: A snapshot della tabella `VIEW`: A visualizza `MATERIALIZED VIEW`: A vista materializzata o replica della vista materializzata `EXTERNAL`: una tabella che fa riferimento a un origine dati esterna
`is_insertable_into`	`STRING`	`YES` o `NO` a seconda che la tabella supporta DML INSERT Estratti conto
`is_typed`	`STRING`	Il valore è sempre `NO`
`creation_time`	`TIMESTAMP`	L'ora di creazione della tabella
`base_table_catalog`	`STRING`	Per cloni di tabelle e gli snapshot delle tabelle, progetto della tabella di base. Applicabile solo a tabelle con `table_type` impostato su `CLONE` o `SNAPSHOT`.
`base_table_schema`	`STRING`	Per cloni di tabelle e gli snapshot delle tabelle, il set di dati della tabella di base. Applicabile solo alle tabelle con `table_type` impostata su `CLONE` o `SNAPSHOT`.
`base_table_name`	`STRING`	Per cloni di tabelle e gli snapshot delle tabelle, il nome della tabella di base. Applicabile solo alle tabelle con `table_type` impostata su `CLONE` o `SNAPSHOT`.
`snapshot_time_ms`	`TIMESTAMP`	Per cloni di tabelle e gli snapshot delle tabelle, il momento in cui il clone o istantanea è stata eseguita sulla tabella di base per creare questa tabella. Se tempo di viaggio, questo contiene il timestamp dello spostamento cronologico. In caso contrario, Il campo `snapshot_time_ms` è uguale al `creation_time`. Applicabile solo a tabelle con `table_type` impostato su `CLONE` o `SNAPSHOT`.
`replica_source_catalog`	`STRING`	Per repliche di viste materializzate, progetto della vista materializzata di base.
`replica_source_schema`	`STRING`	Per repliche di viste materializzate, il set di dati della vista materializzata di base.
`replica_source_name`	`STRING`	Per repliche di viste materializzate, il nome della vista materializzata di base.
`replication_status`	`STRING`	Per repliche di viste materializzate, lo stato della replica dalla vista materializzata di base replica della vista materializzata; uno dei seguenti: `REPLICATION_STATUS_UNSPECIFIED` `ACTIVE`: la replica è attiva senza errori `SOURCE_DELETED`: la vista materializzata dell'origine ha eliminato `PERMISSION_DENIED`: la vista materializzata dell'origine non è stato autorizzato sul set di dati contenente l'origine Amazon S3 Le tabelle BigLake utilizzate nella query che ha creato vista materializzata. `UNSUPPORTED_CONFIGURATION`: si è verificato un problema con della replica prerequisiti diversa dall'autorizzazione della vista materializzata di origine.
`replication_error`	`STRING`	Se `replication_status` indica un problema di replica per un replica della vista materializzata, `replication_error` fornisce ulteriori dettagli sul problema.
`ddl`	`STRING`	L'istruzione DDL che può essere utilizzato per ricreare la tabella, `CREATE TABLE` o `CREATE VIEW`
`default_collation_name`	`STRING`	Il nome della specifica di confronto predefinita se esiste; altrimenti `NULL`.
`upsert_stream_apply_watermark`	`TIMESTAMP`	Per le tabelle che utilizzano Change Data Capture (CDC), l'ora in cui la riga l'ultima modifica apportata. Per ulteriori informazioni, vedi Monitora l'avanzamento dell'operazione di upsert della tabella.

Esempi

Esempio 1:

L'esempio seguente recupera i metadati di una tabella per tutte le tabelle nel set di dati denominato mydataset. I metadati restituito per tutti i tipi di tabelle in mydataset del progetto predefinito.

mydataset contiene le seguenti tabelle:

mytable1: una tabella BigQuery standard
myview1: una vista BigQuery

Per eseguire la query su un progetto diverso da quello predefinito, aggiungi al set di dati nel seguente formato: `project_id`.dataset.INFORMATION_SCHEMA.view; ad esempio `myproject`.mydataset.INFORMATION_SCHEMA.TABLES.

SELECT
  table_catalog, table_schema, table_name, table_type,
  is_insertable_into, creation_time, ddl
FROM
  mydataset.INFORMATION_SCHEMA.TABLES;

Il risultato è simile al seguente. Per migliorare la leggibilità, alcune colonne escluse dal risultato.

+----------------+---------------+----------------+------------+--------------------+---------------------+---------------------------------------------+
| table_catalog  | table_schema  |   table_name   | table_type | is_insertable_into |    creation_time    |                     ddl                     |
+----------------+---------------+----------------+------------+--------------------+---------------------+---------------------------------------------+
| myproject      | mydataset     | mytable1       | BASE TABLE | YES                | 2018-10-29 20:34:44 | CREATE TABLE `myproject.mydataset.mytable1` |
|                |               |                |            |                    |                     | (                                           |
|                |               |                |            |                    |                     |   id INT64                                  |
|                |               |                |            |                    |                     | );                                          |
| myproject      | mydataset     | myview1        | VIEW       | NO                 | 2018-12-29 00:19:20 | CREATE VIEW `myproject.mydataset.myview1`   |
|                |               |                |            |                    |                     | AS SELECT 100 as id;                        |
+----------------+---------------+----------------+------------+--------------------+---------------------+---------------------------------------------+

Esempio 2:

L'esempio seguente recupera i metadati di una tabella per tutte le tabelle di tipo CLONE o SNAPSHOT dalla visualizzazione INFORMATION_SCHEMA.TABLES. I metadati restituiti è per le tabelle in mydataset nel progetto predefinito.

  SELECT
    table_name, table_type, base_table_catalog,
    base_table_schema, base_table_name, snapshot_time_ms
  FROM
    mydataset.INFORMATION_SCHEMA.TABLES
  WHERE
    table_type = 'CLONE'
  OR
    table_type = 'SNAPSHOT';

Il risultato è simile al seguente. Per migliorare la leggibilità, alcune colonne escluse dal risultato.

  +--------------+------------+--------------------+-------------------+-----------------+---------------------+
  | table_name   | table_type | base_table_catalog | base_table_schema | base_table_name | snapshot_time_ms    |
  +--------------+------------+--------------------+-------------------+-----------------+---------------------+
  | items_clone  | CLONE      | myproject          | mydataset         | items           | 2018-10-31 22:40:05 |
  | orders_bk    | SNAPSHOT   | myproject          | mydataset         | orders          | 2018-11-01 08:22:39 |
  +--------------+------------+--------------------+-------------------+-----------------+---------------------+

Esempio 3:

L'esempio seguente recupera le colonne table_name e ddl da INFORMATION_SCHEMA.TABLES per la tabella population_by_zip_2010 nel census_bureau_usa del set di dati. Questo set di dati fa parte di BigQuery programma set di dati pubblici.

Poiché la tabella su cui stai eseguendo query si trova in un altro progetto, aggiungi l'ID progetto al set di dati in il seguente formato: `project_id`.dataset.INFORMATION_SCHEMA.view. In questo esempio, il valore è `bigquery-public-data`.census_bureau_usa.INFORMATION_SCHEMA.TABLES.

SELECT
  table_name, ddl
FROM
  `bigquery-public-data`.census_bureau_usa.INFORMATION_SCHEMA.TABLES
WHERE
  table_name = 'population_by_zip_2010';

Il risultato è simile al seguente:

+------------------------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
|       table_name       |                                                                                                            ddl                                                                                                             |
+------------------------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| population_by_zip_2010 | CREATE TABLE `bigquery-public-data.census_bureau_usa.population_by_zip_2010`                                                                                                                                               |
|                        | (                                                                                                                                                                                                                          |
|                        |   geo_id STRING OPTIONS(description="Geo code"),                                                                                                                                                                           |
|                        |   zipcode STRING NOT NULL OPTIONS(description="Five digit ZIP Code Tabulation Area Census Code"),                                                                                                                          |
|                        |   population INT64 OPTIONS(description="The total count of the population for this segment."),                                                                                                                             |
|                        |   minimum_age INT64 OPTIONS(description="The minimum age in the age range. If null, this indicates the row as a total for male, female, or overall population."),                                                          |
|                        |   maximum_age INT64 OPTIONS(description="The maximum age in the age range. If null, this indicates the row as having no maximum (such as 85 and over) or the row is a total of the male, female, or overall population."), |
|                        |   gender STRING OPTIONS(description="male or female. If empty, the row is a total population summary.")                                                                                                                    |
|                        | )                                                                                                                                                                                                                          |
|                        | OPTIONS(                                                                                                                                                                                                                   |
|                        |   labels=[("freebqcovid", "")]                                                                                                                                                                                             |
|                        | );                                                                                                                                                                                                                         |
+------------------------+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+

`TABLE_OPTIONS` visualizzazione

Quando esegui una query sulla vista INFORMATION_SCHEMA.TABLE_OPTIONS, i risultati Deve contenere una riga per ogni opzione, per ogni tabella o vista in un set di dati. Per informazioni dettagliate su query, esegui una query INFORMATION_SCHEMA.VIEWS visualizzazione .

La vista INFORMATION_SCHEMA.TABLE_OPTIONS ha il seguente schema:

Nome colonna	Tipo di dati	Valore
`TABLE_CATALOG`	`STRING`	L'ID del progetto che contiene il set di dati
`TABLE_SCHEMA`	`STRING`	Indica il nome del set di dati che contiene la tabella o la vista come `datasetId`
`TABLE_NAME`	`STRING`	Il nome della tabella o della vista indicato anche come `tableId`
`OPTION_NAME`	`STRING`	Uno dei valori del nome nella tabella delle opzioni
`OPTION_TYPE`	`STRING`	Uno dei valori del tipo di dati nella tabella delle opzioni
`OPTION_VALUE`	`STRING`	Una delle opzioni dei valori nella tabella delle opzioni

Tabella delle opzioni

`OPTION_NAME`	`OPTION_TYPE`	`OPTION_VALUE`
`description`	`STRING`	Una descrizione della tabella
`enable_refresh`	`BOOL`	Indica se l'aggiornamento automatico è abilitato per una vista materializzata
`expiration_timestamp`	`TIMESTAMP`	L'ora di scadenza di questa tabella
`friendly_name`	`STRING`	Il nome descrittivo della tabella
`kms_key_name`	`STRING`	Il nome della chiave Cloud KMS utilizzata per criptare la tabella
`labels`	`ARRAY<STRUCT<STRING, STRING>>`	Un array di `STRUCT` che rappresentano le etichette nella tavola
`partition_expiration_days`	`FLOAT64`	La durata predefinita, in giorni, di tutte le partizioni in un tavola
`refresh_interval_minutes`	`FLOAT64`	Frequenza di aggiornamento di una vista materializzata
`require_partition_filter`	`BOOL`	Se le query sulla tabella richiedono un filtro di partizione
`tags`	`ARRAY<STRUCT<STRING, STRING>>`	Tag collegati a una tabella in un <key, value> con spazio dei nomi a riga di comando. Per ulteriori informazioni, vedi Tag e l'accesso condizionale.

Per le tabelle esterne, sono possibili le seguenti opzioni:

Opzioni
`allow_jagged_rows`	`BOOL` Se `true`, consenti le righe mancanti alla fine facoltative colonne. Si applica ai dati CSV.
`allow_quoted_newlines`	`BOOL` Se `true`, consenti le sezioni di dati tra virgolette che contengono nuova riga caratteri nel file. Si applica ai dati CSV.
`bigtable_options`	`STRING` Obbligatorio solo quando crei un oggetto esterno Bigtable tabella. Specifica lo schema della tabella esterna di Bigtable in formato JSON. Per un elenco delle opzioni di definizione delle tabelle Bigtable, consulta `BigtableOptions` nel riferimento dell'API REST.
`column_name_character_map`	`STRING` Definisce l'ambito dei caratteri supportati per i nomi delle colonne e la del comportamento di gestione dei caratteri non supportati. I valori supportati includono: `STRICT`. Attiva nomi di colonne flessibili. I job di caricamento con caratteri non supportati nei nomi delle colonne non riescono con un errore . Questo è il valore predefinito. `V1`. I nomi di colonna possono contenere solo caratteri standard dei nomi delle colonne. I caratteri non supportati vengono sostituiti con trattini bassi. `V2`. Attiva nomi di colonne flessibili. Non supportata vengono sostituiti con trattini bassi. Questa è la tranne nei casi d'uso con tabelle esterne. Si applica ai dati CSV e Parquet.
`compression`	`STRING` Il tipo di compressione dell'origine dati. I valori supportati includono: `GZIP`. Se non specificato, l'origine dati è decompressa. Si applica ai dati CSV e JSON.
`decimal_target_types`	`ARRAY<STRING>` Determina come convertire un tipo `Decimal`. Equivalente a ExternalDataConfiguration.decimal_target_types Esempio: `["NUMERIC", "BIGNUMERIC"]`.
`description`	`STRING` Una descrizione di questa tabella.
`enable_list_inference`	`BOOL` Se `true`, utilizza l'inferenza dello schema specificamente per Tipo logico LISTA Parquet. Si applica ai dati Parquet.
`enable_logical_types`	`BOOL` Se `true`, converti i tipi logici Avro nei relativi i tipi SQL corrispondenti. Per ulteriori informazioni, vedi Tipi logici. Si applica ai dati Avro.
`encoding`	`STRING` La codifica dei caratteri dei dati. I valori supportati includono: `UTF8` (o `UTF-8`), `ISO_8859_1` (o `ISO-8859-1`). Si applica ai dati CSV.
`enum_as_string`	`BOOL` Se `true`, deduce il tipo logico Parquet ENUM come STRING anziché BYTES per impostazione predefinita. Si applica ai dati Parquet.
`expiration_timestamp`	`TIMESTAMP` L'ora di scadenza della tabella. Se non specificata, la tabella non scadono. Esempio: `"2025-01-01 00:00:00 UTC"`.
`field_delimiter`	`STRING` Il separatore per i campi di un file CSV. Si applica ai dati CSV.
`format`	`STRING` Il formato dei dati esterni. Valori supportati per `CREATE EXTERNAL TABLE` includono: `AVRO`, `CLOUD_BIGTABLE`, `CSV`, `DATASTORE_BACKUP`, `DELTA_LAKE` (anteprima), `GOOGLE_SHEETS`, `NEWLINE_DELIMITED_JSON` (oppure `JSON`), `ORC`, `PARQUET`. Valori supportati per `LOAD DATA` includono: `AVRO`, `CSV`, `DELTA_LAKE` (anteprima) `NEWLINE_DELIMITED_JSON` (o `JSON`), `ORC`, `PARQUET`. Il valore `JSON` equivale a `NEWLINE_DELIMITED_JSON`.
`hive_partition_uri_prefix`	`STRING` Un prefisso comune per tutti gli URI di origine prima della codifica della chiave di partizione inizia. Si applica solo alle tabelle esterne partizionate in hive. Si applica ai dati Avro, CSV, JSON, Parquet e ORC. Esempio: `"gs://bucket/path"`.
`file_set_spec_type`	`STRING` Specifica come interpretare gli URI di origine per i job di caricamento e le tabelle esterne. I valori supportati includono: `FILE_SYSTEM_MATCH`. Espande gli URI di origine elencando i file dell'archivio oggetti. Questo è il comportamento predefinito se FileSetSpecType non è impostato. `NEW_LINE_DELIMITED_MANIFEST`. Indica che gli URI forniti sono file manifest delimitati da nuova riga, con un URI per riga. Gli URI con caratteri jolly non sono supportati nei file manifest e tutti i file di dati di riferimento devono trovarsi nello stesso bucket del file manifest. Ad esempio, se hai un URI di origine `"gs://bucket/path/file"` e il valore `file_set_spec_type` è `FILE_SYSTEM_MATCH`, il file viene utilizzato direttamente come file di dati. Se `file_set_spec_type` è `NEW_LINE_DELIMITED_MANIFEST`, ogni riga del file è interpretata come un URI che punta a un file di dati.
`ignore_unknown_values`	`BOOL` Se `true`, ignora i valori aggiuntivi che non sono rappresentati. nello schema della tabella, senza restituire un errore. Si applica ai dati CSV e JSON.
`json_extension`	`STRING` Per i dati JSON, indica un particolare formato di interscambio JSON. Se non specificato, BigQuery legge i dati come JSON generico record. I valori supportati includono: `GEOJSON`. Dati GeoJSON delimitato da nuova riga. Per maggiori informazioni le informazioni, vedi Creazione di un una tabella esterna da un file GeoJSON delimitato da nuova riga.
`max_bad_records`	`INT64` Il numero massimo di record non validi da ignorare durante la lettura dei dati. Si applica a: dati CSV, JSON e Fogli Google.
`max_staleness`	`INTERVAL` Applicabile per Tavoli BigLake e tabelle di oggetti. Specifica se i metadati memorizzati nella cache vengono utilizzati dalle operazioni rispetto alla e il grado di attualità dei metadati memorizzati nella cache per l'operazione per utilizzarlo. Per disabilitare la memorizzazione nella cache dei metadati, specifica 0. Questa è l'impostazione predefinita. Per abilitare la memorizzazione nella cache dei metadati, specifica valore letterale intervallo compreso tra 30 minuti e 7 giorni. Ad esempio, specifica `INTERVAL 4 HOUR` per un intervallo di inattività di 4 ore. Con questo valore, le operazioni sulla tabella utilizzano i metadati memorizzati nella cache se è stato aggiornato nelle ultime 4 ore. Se i metadati memorizzati nella cache è precedente, l'operazione torna al recupero dei metadati Cloud Storage.
`null_marker`	`STRING` La stringa che rappresenta i valori `NULL` in un file CSV. Si applica ai dati CSV.
`object_metadata`	`STRING` Obbligatorio solo quando crei un'istanza tabella degli oggetti. Imposta il valore di questa opzione su `SIMPLE` quando la creazione di una tabella di oggetti.
`preserve_ascii_control_characters`	`BOOL` Se `true`, i caratteri di controllo ASCII incorporati che corrispondono ai primi 32 caratteri della tabella ASCII, "\x00" a '\x1F', vengono conservati. Si applica ai dati CSV.
`projection_fields`	`STRING` Un elenco di proprietà delle entità da caricare. Si applica ai dati Datastore.
`quote`	`STRING` La stringa utilizzata per citare le sezioni di dati in un file CSV. Se i tuoi dati contiene caratteri di nuova riga tra virgolette, imposta anche `allow_quoted_newlines` a `true`. Si applica ai dati CSV.
`reference_file_schema_uri`	`STRING` File di riferimento fornito dall'utente con lo schema della tabella. Si applica ai dati Parquet/ORC/AVRO. Esempio: `"gs://bucket/path/reference_schema_file.parquet"`.
`require_hive_partition_filter`	`BOOL` Se `true`, tutte le query su questa tabella richiedono una partizione che può essere utilizzato per eliminare le partizioni durante la lettura dei dati. Si applica solo alle tabelle esterne partizionate in hive. Si applica ai dati Avro, CSV, JSON, Parquet e ORC.
`sheet_range`	`STRING` Intervallo di un foglio di lavoro di Fogli Google da cui eseguire le query. Si applica ai dati di Fogli Google. Esempio: `"sheet1!A1:B20"`,
`skip_leading_rows`	`INT64` Il numero di righe all'inizio di un file da saltare durante la lettura dell'attributo e i dati di Google Cloud. Si applica ai dati CSV e Fogli Google.
`uris`	Per le tabelle esterne, incluse le tabelle di oggetti, che non sono Tabelle Bigtable: `ARRAY<STRING>` Un array di URI completi per le posizioni dei dati esterni. Ogni URI può contenere un asterisco (``) carattere jolly, che deve essere successivo al nome del bucket. Se specifichi `uris` valori che hanno come target più file, tutti questi i file devono condividere uno schema compatibile. I seguenti esempi mostrano valori `uris` validi: `['gs://bucket/path1/myfile.csv']` `['gs://bucket/path1/.csv']` `['gs://bucket/path1/', 'gs://bucket/path2/file00']` Per le tabelle Bigtable: `STRING` L'URI che identifica la tabella Bigtable da utilizzare come origine dati. Puoi specificare un solo URI Bigtable. Esempio: `https://googleapis.com/bigtable/projects/project_id/instances/instance_id[/appProfiles/app_profile]/tables/table_name` Per ulteriori informazioni sulla creazione di una Bigtable URI, consulta Recupero dell'URI Bigtable.

Esempi

Esempio 1:

L'esempio seguente recupera i tempi di scadenza predefiniti per tutte le tabelle in mydataset nel tuo progetto predefinito (myproject) eseguendo una query INFORMATION_SCHEMA.TABLE_OPTIONS visualizzazione.

  SELECT
    *
  FROM
    mydataset.INFORMATION_SCHEMA.TABLE_OPTIONS
  WHERE
    option_name = 'expiration_timestamp';

Il risultato è simile al seguente:

  +----------------+---------------+------------+----------------------+-------------+--------------------------------------+
  | table_catalog  | table_schema  | table_name |     option_name      | option_type |             option_value             |
  +----------------+---------------+------------+----------------------+-------------+--------------------------------------+
  | myproject      | mydataset     | mytable1   | expiration_timestamp | TIMESTAMP   | TIMESTAMP "2020-01-16T21:12:28.000Z" |
  | myproject      | mydataset     | mytable2   | expiration_timestamp | TIMESTAMP   | TIMESTAMP "2021-01-01T21:12:28.000Z" |
  +----------------+---------------+------------+----------------------+-------------+--------------------------------------+

Esempio 2:

L'esempio seguente recupera i metadati su tutte le tabelle in mydataset che che contengono dati di test. La query utilizza i valori dell'opzione description per trovare tabelle che contengono "test" in qualsiasi punto della descrizione. mydataset è in progetto predefinito: myproject.

  SELECT
    *
  FROM
    mydataset.INFORMATION_SCHEMA.TABLE_OPTIONS
  WHERE
    option_name = 'description'
    AND option_value LIKE '%test%';

Il risultato è simile al seguente:

  +----------------+---------------+------------+-------------+-------------+--------------+
  | table_catalog  | table_schema  | table_name | option_name | option_type | option_value |
  +----------------+---------------+------------+-------------+-------------+--------------+
  | myproject      | mydataset     | mytable1   | description | STRING      | "test data"  |
  | myproject      | mydataset     | mytable2   | description | STRING      | "test data"  |
  +----------------+---------------+------------+-------------+-------------+--------------+

`COLUMNS` visualizzazione

Quando esegui una query sulla vista INFORMATION_SCHEMA.COLUMNS, i risultati della query contengono una riga per ogni colonna (campo) in una tabella.

La vista INFORMATION_SCHEMA.COLUMNS ha il seguente schema:

Nome colonna	Tipo di dati	Valore
`TABLE_CATALOG`	`STRING`	L'ID del progetto che contiene il set di dati
`TABLE_SCHEMA`	`STRING`	Il nome del set di dati che contiene la tabella, chiamata anche `datasetId`
`TABLE_NAME`	`STRING`	Il nome della tabella o della vista indicato anche come `tableId`
`COLUMN_NAME`	`STRING`	Il nome della colonna
`ORDINAL_POSITION`	`INT64`	L'offset indicizzato con 1 della colonna all'interno della tabella; se si tratta di uno pseudo colonna come _PARTITIONTIME o _PARTITIONDATE, il valore è `NULL`
`IS_NULLABLE`	`STRING`	`YES` o `NO` a seconda che la colonna consente `NULL` valori
`DATA_TYPE`	`STRING`	Il tipo di dati GoogleSQL della colonna
`IS_GENERATED`	`STRING`	Il valore è sempre `NEVER`
`GENERATION_EXPRESSION`	`STRING`	Il valore è sempre `NULL`
`IS_STORED`	`STRING`	Il valore è sempre `NULL`
`IS_HIDDEN`	`STRING`	`YES` o `NO` a seconda che la colonna sia una pseudocolonna come _PARTITIONTIME o _PARTITIONDATE
`IS_UPDATABLE`	`STRING`	Il valore è sempre `NULL`
`IS_SYSTEM_DEFINED`	`STRING`	`YES` o `NO` a seconda che la colonna sia una pseudocolonna come _PARTITIONTIME o _PARTITIONDATE
`IS_PARTITIONING_COLUMN`	`STRING`	`YES` o `NO` a seconda che la colonna sia una colonna di partizionamento
`CLUSTERING_ORDINAL_POSITION`	`INT64`	L'offset indicizzato con 1 della colonna all'interno dello schema della tabella le colonne di clustering; il valore è `NULL` se la tabella non è un tabella in cluster
`COLLATION_NAME`	`STRING`	Il nome della specifica di confronto se esiste; altrimenti `NULL` Se viene superato un valore `STRING` o `ARRAY<STRING>` la specifica delle regole di confronto viene restituita, se esistente; altrimenti Viene restituito `NULL`
`COLUMN_DEFAULT`	`STRING`	Il valore predefinito del parametro colonna, se esistente; altrimenti il valore è `NULL`
`ROUNDING_MODE`	`STRING`	La modalità di arrotondamento utilizzata per i valori scritti nel campo, se è il tipo è con parametri `NUMERIC` o `BIGNUMERIC`; altrimenti il valore è `NULL`

Esempi

L'esempio seguente recupera i metadati dall'INFORMATION_SCHEMA.COLUMNS per la tabella population_by_zip_2010 nel census_bureau_usa del set di dati. Questo set di dati fa parte di BigQuery programma set di dati pubblici.

Poiché la tabella su cui stai eseguendo query si trova in un altro progetto, bigquery-public-data, aggiungi l'ID progetto al set di dati nella seguente formato: `project_id`.dataset.INFORMATION_SCHEMA.view; ad esempio `bigquery-public-data`.census_bureau_usa.INFORMATION_SCHEMA.TABLES.

Le seguenti colonne sono escluse dai risultati della query perché sono attualmente riservati per uso futuro:

IS_GENERATED
GENERATION_EXPRESSION
IS_STORED
IS_UPDATABLE

  SELECT
    * EXCEPT(is_generated, generation_expression, is_stored, is_updatable)
  FROM
    `bigquery-public-data`.census_bureau_usa.INFORMATION_SCHEMA.COLUMNS
  WHERE
    table_name = 'population_by_zip_2010';

Il risultato è simile al seguente. Per migliorare la leggibilità, alcune colonne escluse dal risultato.

+------------------------+-------------+------------------+-------------+-----------+-----------+-------------------+------------------------+-----------------------------+
|       table_name       | column_name | ordinal_position | is_nullable | data_type | is_hidden | is_system_defined | is_partitioning_column | clustering_ordinal_position |
+------------------------+-------------+------------------+-------------+-----------+-----------+-------------------+------------------------+-----------------------------+
| population_by_zip_2010 | zipcode     |                1 | NO          | STRING    | NO        | NO                | NO                     |                        NULL |
| population_by_zip_2010 | geo_id      |                2 | YES         | STRING    | NO        | NO                | NO                     |                        NULL |
| population_by_zip_2010 | minimum_age |                3 | YES         | INT64     | NO        | NO                | NO                     |                        NULL |
| population_by_zip_2010 | maximum_age |                4 | YES         | INT64     | NO        | NO                | NO                     |                        NULL |
| population_by_zip_2010 | gender      |                5 | YES         | STRING    | NO        | NO                | NO                     |                        NULL |
| population_by_zip_2010 | population  |                6 | YES         | INT64     | NO        | NO                | NO                     |                        NULL |
+------------------------+-------------+------------------+-------------+-----------+-----------+-------------------+------------------------+-----------------------------+

`COLUMN_FIELD_PATHS` visualizzazione

Quando esegui una query sulla vista INFORMATION_SCHEMA.COLUMN_FIELD_PATHS, la query risultati contengono una riga per ogni colonna nidificati all'interno di RECORD (o STRUCT).

La vista INFORMATION_SCHEMA.COLUMN_FIELD_PATHS ha il seguente schema:

Nome colonna	Tipo di dati	Valore
`TABLE_CATALOG`	`STRING`	L'ID del progetto che contiene il set di dati
`TABLE_SCHEMA`	`STRING`	Il nome del set di dati che contiene la tabella, chiamata anche `datasetId`
`TABLE_NAME`	`STRING`	Il nome della tabella o della vista indicato anche come `tableId`
`COLUMN_NAME`	`STRING`	Il nome della colonna
`FIELD_PATH`	`STRING`	Il percorso di una colonna nidificato in una colonna "RECORD" o "STRUCT"
`DATA_TYPE`	`STRING`	Il codice GoogleSQL della colonna tipo di dati
`DESCRIPTION`	`STRING`	La descrizione della colonna
`COLLATION_NAME`	`STRING`	Il nome della specifica di confronto se esiste; altrimenti `NULL` Se `STRING`, `ARRAY<STRING>` o Viene passato un campo `STRING` in un `STRUCT`, il valore la specifica delle regole di confronto viene restituita, se esistente; altrimenti Viene restituito `NULL`
`ROUNDING_MODE`	`STRING`	La modalità di arrotondamento utilizzata quando si applicano precisione e scala a valori `NUMERIC` o `BIGNUMERIC` con parametri; altrimenti il valore è `NULL`

Esempi

L'esempio seguente recupera i metadati INFORMATION_SCHEMA.COLUMN_FIELD_PATHS visualizzazione per la tabella commits in github_repos set di dati. Questo set di dati fa parte di BigQuery programma set di dati pubblici.

La tabella commits contiene i seguenti elementi nidificati, nidificati e ripetuti colonne:

author: colonna RECORD nidificata
committer: colonna RECORD nidificata
trailer: colonna RECORD nidificata e ripetuta
difference: colonna RECORD nidificata e ripetuta

Per visualizzare i metadati relativi alle colonne author e difference, esegui questa query.

SELECT
  *
FROM
  `bigquery-public-data`.github_repos.INFORMATION_SCHEMA.COLUMN_FIELD_PATHS
WHERE
  table_name = 'commits'
  AND (column_name = 'author' OR column_name = 'difference');

Il risultato è simile al seguente. Per migliorare la leggibilità, alcune colonne escluse dal risultato.

  +------------+-------------+---------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------+-------------+
  | table_name | column_name |     field_path      |                                                                      data_type                                                                      | description |
  +------------+-------------+---------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------+-------------+
  | commits    | author      | author              | STRUCT<name STRING, email STRING, time_sec INT64, tz_offset INT64, date TIMESTAMP>                                                                  | NULL        |
  | commits    | author      | author.name         | STRING                                                                                                                                              | NULL        |
  | commits    | author      | author.email        | STRING                                                                                                                                              | NULL        |
  | commits    | author      | author.time_sec     | INT64                                                                                                                                               | NULL        |
  | commits    | author      | author.tz_offset    | INT64                                                                                                                                               | NULL        |
  | commits    | author      | author.date         | TIMESTAMP                                                                                                                                           | NULL        |
  | commits    | difference  | difference          | ARRAY<STRUCT<old_mode INT64, new_mode INT64, old_path STRING, new_path STRING, old_sha1 STRING, new_sha1 STRING, old_repo STRING, new_repo STRING>> | NULL        |
  | commits    | difference  | difference.old_mode | INT64                                                                                                                                               | NULL        |
  | commits    | difference  | difference.new_mode | INT64                                                                                                                                               | NULL        |
  | commits    | difference  | difference.old_path | STRING                                                                                                                                              | NULL        |
  | commits    | difference  | difference.new_path | STRING                                                                                                                                              | NULL        |
  | commits    | difference  | difference.old_sha1 | STRING                                                                                                                                              | NULL        |
  | commits    | difference  | difference.new_sha1 | STRING                                                                                                                                              | NULL        |
  | commits    | difference  | difference.old_repo | STRING                                                                                                                                              | NULL        |
  | commits    | difference  | difference.new_repo | STRING                                                                                                                                              | NULL        |
  +------------+-------------+---------------------+-----------------------------------------------------------------------------------------------------------------------------------------------------+-------------+

`TABLE_STORAGE` visualizzazione

Le viste TABLE_STORAGE e TABLE_STORAGE_BY_ORGANIZATION hanno le seguenti caratteristiche schema:

Nome colonna	Tipo di dati	Valore
`PROJECT_ID`	`STRING`	L'ID del progetto che contiene il set di dati.
`PROJECT_NUMBER`	`INT64`	Il numero del progetto che contiene il set di dati.
`TABLE_CATALOG`	`STRING`	L'ID del progetto che contiene il set di dati.
`TABLE_SCHEMA`	`STRING`	Il nome del set di dati che contiene la tabella o la vista materializzata, noto anche come `datasetId`.
`TABLE_NAME`	`STRING`	Il nome della tabella o della vista materializzata, indicato anche come `tableId`.
`CREATION_TIME`	`TIMESTAMP`	L'ora di creazione della tabella.
`TOTAL_ROWS`	`INT64`	Il numero totale di righe nella tabella o nella vista materializzata.
`TOTAL_PARTITIONS`	`INT64`	Il numero di partizioni presenti nella tabella o nella vista materializzata. Le tabelle non partizionate restituiscono 0.
`TOTAL_LOGICAL_BYTES`	`INT64`	Numero totale di byte logici (non compressi) nella tabella o vista materializzata.
`ACTIVE_LOGICAL_BYTES`	`INT64`	Numero di byte logici (non compressi) precedenti a 90 giorni.
`LONG_TERM_LOGICAL_BYTES`	`INT64`	Numero di byte logici (non compressi) precedenti a 90 giorni.
`CURRENT_PHYSICAL_BYTES`	`INT64`	Numero totale di byte fisici per l'archiviazione attuale del in tutte le partizioni.
`TOTAL_PHYSICAL_BYTES`	`INT64`	Numero totale di byte fisici (compressi) utilizzati per l'archiviazione, inclusi i viaggi attivi, a lungo termine e nel tempo (dati eliminati o modificati) byte. Fail-safe (dati eliminati o modificati conservati dopo il viaggio nel tempo) (finestra) byte non sono inclusi.
`ACTIVE_PHYSICAL_BYTES`	`INT64`	Numero di byte fisici (compressi) inferiori a 90 giorni, inclusi i byte relativi ai viaggi nel tempo (dati eliminati o modificati).
`LONG_TERM_PHYSICAL_BYTES`	`INT64`	Numero di byte fisici (compressi) risalenti a più di 90 giorni fa.
`TIME_TRAVEL_PHYSICAL_BYTES`	`INT64`	Numero di byte fisici (compressi) utilizzati per l'archiviazione dei viaggi nel tempo (dati eliminati o modificati).
`STORAGE_LAST_MODIFIED_TIME`	`TIMESTAMP`	L'ora più recente in cui i dati sono stati scritti nella tabella.
`DELETED`	`BOOLEAN`	Indica se la tabella è stata eliminata o meno.
`TABLE_TYPE`	`STRING`	Il tipo di tabella. Ad esempio, `EXTERNAL` o `BASE TABLE`.
`FAIL_SAFE_PHYSICAL_BYTES`	`INT64`	Numero di byte fisici (compressi) utilizzati dallo spazio di archiviazione fail-safe (dati eliminati o modificati).

Esempi

Esempio 1:

L'esempio seguente mostra il totale dei byte logici fatturati per progetto attuale.

SELECT
  SUM(total_logical_bytes) AS total_logical_bytes
FROM
  `region-REGION`.INFORMATION_SCHEMA.TABLE_STORAGE;

Il risultato è simile al seguente:

+---------------------+
| total_logical_bytes |
+---------------------+
| 971329178274633     |
+---------------------+

Esempio 2:

L'esempio seguente mostra come prevedere la differenza di prezzo per tra modelli di fatturazione logici e fisici per i prossimi 30 giorni. Questo esempio presuppone che l'utilizzo dello spazio di archiviazione futuro sia costante 30 giorni dal momento dell'esecuzione della query. Tieni presente che la previsione è limitata a di base, esclude tutti gli altri tipi di tabelle in un set di dati.

I prezzi utilizzati nelle variabili di prezzo per questa query si riferiscono a regione us-central1. Se vuoi eseguire questa query per un'altra regione, aggiornare le variabili di prezzo in modo appropriato. Consulta Prezzi dell'archiviazione per informazioni sui prezzi.

Apri la pagina BigQuery nella console Google Cloud.

Vai alla pagina di BigQuery

Inserisci la seguente query GoogleSQL nella casella Editor query. INFORMATION_SCHEMA richiede la sintassi di GoogleSQL. GoogleSQL è la sintassi predefinita nella console Google Cloud.

DECLARE active_logical_gib_price FLOAT64 DEFAULT 0.02;
DECLARE long_term_logical_gib_price FLOAT64 DEFAULT 0.01;
DECLARE active_physical_gib_price FLOAT64 DEFAULT 0.04;
DECLARE long_term_physical_gib_price FLOAT64 DEFAULT 0.02;

WITH
 storage_sizes AS (
   SELECT
     table_schema AS dataset_name,
     -- Logical
     SUM(IF(deleted=false, active_logical_bytes, 0)) / power(1024, 3) AS active_logical_gib,
     SUM(IF(deleted=false, long_term_logical_bytes, 0)) / power(1024, 3) AS long_term_logical_gib,
     -- Physical
     SUM(active_physical_bytes) / power(1024, 3) AS active_physical_gib,
     SUM(active_physical_bytes - time_travel_physical_bytes) / power(1024, 3) AS active_no_tt_physical_gib,
     SUM(long_term_physical_bytes) / power(1024, 3) AS long_term_physical_gib,
     -- Restorable previously deleted physical
     SUM(time_travel_physical_bytes) / power(1024, 3) AS time_travel_physical_gib,
     SUM(fail_safe_physical_bytes) / power(1024, 3) AS fail_safe_physical_gib,
   FROM
     `region-REGION`.INFORMATION_SCHEMA.TABLE_STORAGE_BY_PROJECT
   WHERE total_physical_bytes + fail_safe_physical_bytes > 0
     -- Base the forecast on base tables only for highest precision results
     AND table_type  = 'BASE TABLE'
     GROUP BY 1
 )
SELECT
  dataset_name,
  -- Logical
  ROUND(active_logical_gib, 2) AS active_logical_gib,
  ROUND(long_term_logical_gib, 2) AS long_term_logical_gib,
  -- Physical
  ROUND(active_physical_gib, 2) AS active_physical_gib,
  ROUND(long_term_physical_gib, 2) AS long_term_physical_gib,
  ROUND(time_travel_physical_gib, 2) AS time_travel_physical_gib,
  ROUND(fail_safe_physical_gib, 2) AS fail_safe_physical_gib,
  -- Compression ratio
  ROUND(SAFE_DIVIDE(active_logical_gib, active_no_tt_physical_gib), 2) AS active_compression_ratio,
  ROUND(SAFE_DIVIDE(long_term_logical_gib, long_term_physical_gib), 2) AS long_term_compression_ratio,
  -- Forecast costs logical
  ROUND(active_logical_gib * active_logical_gib_price, 2) AS forecast_active_logical_cost,
  ROUND(long_term_logical_gib * long_term_logical_gib_price, 2) AS forecast_long_term_logical_cost,
  -- Forecast costs physical
  ROUND((active_no_tt_physical_gib + time_travel_physical_gib + fail_safe_physical_gib) * active_physical_gib_price, 2) AS forecast_active_physical_cost,
  ROUND(long_term_physical_gib * long_term_physical_gib_price, 2) AS forecast_long_term_physical_cost,
  -- Forecast costs total
  ROUND(((active_logical_gib * active_logical_gib_price) + (long_term_logical_gib * long_term_logical_gib_price)) -
     (((active_no_tt_physical_gib + time_travel_physical_gib + fail_safe_physical_gib) * active_physical_gib_price) + (long_term_physical_gib * long_term_physical_gib_price)), 2) AS forecast_total_cost_difference
FROM
  storage_sizes
ORDER BY
  (forecast_active_logical_cost + forecast_active_physical_cost) DESC;

Fai clic su Esegui.

Il risultato è simile al seguente:

+--------------+--------------------+-----------------------+---------------------+------------------------+--------------------------+-----------------------------+------------------------------+----------------------------------+-------------------------------+----------------------------------+--------------------------------+
| dataset_name | active_logical_gib | long_term_logical_gib | active_physical_gib | long_term_physical_gib | active_compression_ratio | long_term_compression_ratio | forecast_active_logical_cost | forecaset_long_term_logical_cost | forecast_active_physical_cost | forecast_long_term_physical_cost | forecast_total_cost_difference |
+--------------+--------------------+-----------------------+---------------------+------------------------+--------------------------+-----------------------------+------------------------------+----------------------------------+-------------------------------+----------------------------------+--------------------------------+
| dataset1     |               10.0 |                  10.0 |                 1.0 |                    1.0 |                     10.0 |                        10.0 |                          0.2 |                              0.1 |                          0.04 |                             0.02 |                           0.24 |

Elenca tabelle in un set di dati

Puoi elencare le tabelle nei set di dati nei seguenti modi:

Utilizzo della console Google Cloud.
Utilizzo dello strumento a riga di comando bq Comando bq ls.
Chiamata a tables.list API.
Utilizzare le librerie client.

Autorizzazioni obbligatorie

Per elencare le tabelle in un set di dati, devi disporre almeno della licenza bigquery.tables.list autorizzazioni. Le impostazioni IAM predefinite i ruoli includono bigquery.tables.list autorizzazioni:

bigquery.user
bigquery.metadataViewer
bigquery.dataViewer
bigquery.dataEditor
bigquery.dataOwner
bigquery.admin

Per ulteriori informazioni su ruoli e autorizzazioni IAM in BigQuery, vedi Controllo dell'accesso.

Elenca tabelle

Per elencare le tabelle in un set di dati:

Console

Nella console Google Cloud, nel riquadro di navigazione, fai clic sul tuo set di dati per espanderlo. Vengono mostrate le tabelle e le viste nel set di dati.
Scorri l'elenco per visualizzare le tabelle nel set di dati. Tabelle e sono identificate da icone diverse.

bq

In the Google Cloud console, activate Cloud Shell.

Activate Cloud Shell

At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.
Emetti bq ls . Il flag --format può essere utilizzato per controllare come output. Se stai elencando le tabelle in un progetto diverso da quello predefinito aggiungi l'ID progetto al set di dati nel seguente formato: project_id:dataset.

I flag aggiuntivi includono:
- --max_results o -n: un numero intero che indica il numero massimo di che consentono di analizzare i dati e visualizzare i risultati. Il valore predefinito è 50.
```
bq ls \
--format=pretty \
--max_results integer \
project_id:dataset
```
Dove:
- integer è un numero intero che rappresenta il numero di tabelle da dall'elenco di lettura.
- project_id è l'ID progetto.
- dataset è il nome del set di dati.
Quando esegui il comando, il campo Type mostra TABLE o VIEW. Ad esempio:
```
+-------------------------+-------+----------------------+-------------------+
|         tableId         | Type  |        Labels        | Time Partitioning |
+-------------------------+-------+----------------------+-------------------+
| mytable                 | TABLE | department:shipping  |                   |
| myview                  | VIEW  |                      |                   |
+-------------------------+-------+----------------------+-------------------+
```
Esempi:

Inserisci il seguente comando per elencare le tabelle nel set di dati mydataset nel tuo progetto predefinito.
```
   bq ls --format=pretty mydataset
```
Inserisci il comando seguente per restituire un output superiore all'output predefinito (50) tabelle da mydataset. mydataset è nel tuo progetto predefinito.
```
   bq ls --format=pretty --max_results 60 mydataset
```
Inserisci il comando seguente per elencare le tabelle nel set di dati mydataset in myotherproject.
```
   bq ls --format=pretty myotherproject:mydataset
```

API

Per elencare le tabelle utilizzando l'API, chiama tables.list .

C#

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.


using Google.Cloud.BigQuery.V2;
using System;
using System.Collections.Generic;
using System.Linq;

public class BigQueryListTables
{
    public void ListTables(
        string projectId = "your-project-id",
        string datasetId = "your_dataset_id"
    )
    {
        BigQueryClient client = BigQueryClient.Create(projectId);
        // Retrieve list of tables in the dataset
        List<BigQueryTable> tables = client.ListTables(datasetId).ToList();
        // Display the results
        if (tables.Count > 0)
        {
            Console.WriteLine($"Tables in dataset {datasetId}:");
            foreach (var table in tables)
            {
                Console.WriteLine($"\t{table.Reference.TableId}");
            }
        }
        else
        {
            Console.WriteLine($"{datasetId} does not contain any tables.");
        }
    }
}

Vai

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

import (
	"context"
	"fmt"
	"io"

	"cloud.google.com/go/bigquery"
	"google.golang.org/api/iterator"
)

// listTables demonstrates iterating through the collection of tables in a given dataset.
func listTables(w io.Writer, projectID, datasetID string) error {
	// projectID := "my-project-id"
	// datasetID := "mydataset"
	ctx := context.Background()
	client, err := bigquery.NewClient(ctx, projectID)
	if err != nil {
		return fmt.Errorf("bigquery.NewClient: %v", err)
	}
	defer client.Close()

	ts := client.Dataset(datasetID).Tables(ctx)
	for {
		t, err := ts.Next()
		if err == iterator.Done {
			break
		}
		if err != nil {
			return err
		}
		fmt.Fprintf(w, "Table: %q\n", t.TableID)
	}
	return nil
}

Java

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

import com.google.api.gax.paging.Page;
import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQuery.TableListOption;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.DatasetId;
import com.google.cloud.bigquery.Table;

public class ListTables {

  public static void runListTables() {
    // TODO(developer): Replace these variables before running the sample.
    String projectId = "bigquery-public-data";
    String datasetName = "samples";
    listTables(projectId, datasetName);
  }

  public static void listTables(String projectId, String datasetName) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      DatasetId datasetId = DatasetId.of(projectId, datasetName);
      Page<Table> tables = bigquery.listTables(datasetId, TableListOption.pageSize(100));
      tables.iterateAll().forEach(table -> System.out.print(table.getTableId().getTable() + "\n"));

      System.out.println("Tables listed successfully.");
    } catch (BigQueryException e) {
      System.out.println("Tables were not listed. Error occurred: " + e.toString());
    }
  }
}

Node.js

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

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

async function listTables() {
  // Lists tables in 'my_dataset'.

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

  // List all tables in the dataset
  const [tables] = await bigquery.dataset(datasetId).getTables();

  console.log('Tables:');
  tables.forEach(table => console.log(table.id));
}

PHP

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

use Google\Cloud\BigQuery\BigQueryClient;

/** Uncomment and populate these variables in your code */
// $projectId  = 'The Google project ID';
// $datasetId  = 'The BigQuery dataset ID';

$bigQuery = new BigQueryClient([
    'projectId' => $projectId,
]);
$dataset = $bigQuery->dataset($datasetId);
$tables = $dataset->tables();
foreach ($tables as $table) {
    print($table->id() . PHP_EOL);
}

Python

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.


from google.cloud import bigquery

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

# TODO(developer): Set dataset_id to the ID of the dataset that contains
#                  the tables you are listing.
# dataset_id = 'your-project.your_dataset'

tables = client.list_tables(dataset_id)  # Make an API request.

print("Tables contained in '{}':".format(dataset_id))
for table in tables:
    print("{}.{}.{}".format(table.project, table.dataset_id, table.table_id))

Ruby

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.

require "google/cloud/bigquery"

def list_tables dataset_id = "your_dataset_id"
  bigquery = Google::Cloud::Bigquery.new
  dataset  = bigquery.dataset dataset_id

  puts "Tables in dataset #{dataset_id}:"
  dataset.tables.each do |table|
    puts "\t#{table.table_id}"
  end
end

Sicurezza dei tavoli

Per controllare l'accesso alle tabelle in BigQuery, consulta Introduzione ai controlli di accesso alle tabelle.

Passaggi successivi

Per saperne di più sui set di dati, consulta Introduzione ai set di dati.
Per saperne di più sulla gestione dei dati della tabella, vedi Gestire i dati della tabella.
Per ulteriori informazioni su come specificare gli schemi delle tabelle, consulta la sezione Specifica di uno schema.
Per saperne di più sulla modifica degli schemi delle tabelle, consulta Modifica degli schemi delle tabelle.
Per saperne di più sulla gestione delle tabelle, vedi Gestire le tabelle.
Per una panoramica di INFORMATION_SCHEMA, vai a Introduzione a BigQuery INFORMATION_SCHEMA.

Provalo

Se non hai mai utilizzato Google Cloud, crea un account per valutare in che modo BigQuery funziona nel mondo reale diversi scenari. I nuovi clienti ricevono anche 300 $ di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

Prova BigQuery gratuitamente

Creare e utilizzare tabelle

Prima di iniziare

Denominazione delle tabelle

Creare tabelle

Autorizzazioni obbligatorie

Crea una tabella vuota con una definizione di schema

Console

SQL

bq

Terraform

Prepara Cloud Shell

Prepara la directory

Applica le modifiche

API

C#

Vai

Java

Node.js

PHP

Python

Ruby

Crea una tabella vuota senza una definizione dello schema

Java

Crea una tabella dal risultato di una query

Console

SQL

bq

API

Vai

Java

Node.js

Python

Crea una tabella che fa riferimento a un'origine dati esterna

Crea una tabella quando carichi i dati

Controllare l'accesso alle tabelle

Ottieni informazioni sulle tabelle

Autorizzazioni obbligatorie

Recupera informazioni tabella

Console

bq

API

Vai

Java

Node.js

PHP

Python

Ottieni informazioni della tabella utilizzando INFORMATION_SCHEMA

TABLES visualizzazione

Esempi

Esempio 1:

Esempio 2:

Esempio 3:

TABLE_OPTIONS visualizzazione

Tabella delle opzioni

Esempi

Esempio 1:

Esempio 2:

COLUMNS visualizzazione

Esempi

COLUMN_FIELD_PATHS visualizzazione

Esempi

TABLE_STORAGE visualizzazione

Esempi

Esempio 1:

Esempio 2:

Elenca tabelle in un set di dati

Autorizzazioni obbligatorie

Elenca tabelle

Console

bq

API

C#

Vai

Java

Node.js

PHP

Python

Ruby

Sicurezza dei tavoli

Passaggi successivi

Ottieni informazioni della tabella utilizzando `INFORMATION_SCHEMA`

`TABLES` visualizzazione

`TABLE_OPTIONS` visualizzazione

`COLUMNS` visualizzazione

`COLUMN_FIELD_PATHS` visualizzazione

`TABLE_STORAGE` visualizzazione