Questa pagina è stata tradotta dall'API Cloud Translation.

Creare e utilizzare le 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 deve essere unico per ogni set di dati. Il nome della tabella può:

Contenere caratteri per un totale massimo di 1024 byte UTF-8.
Contengono caratteri Unicode della categoria L (lettera), M (segno), N (numero), Pc (connettore, incluso il trattino basso), Pd (tratto), Zs (spazio). Per ulteriori informazioni, consulta la Categoria generale.

Di seguito sono riportati tutti gli esempi di nomi di tabelle validi: table 01, ग्राहक, 00_お客様, 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 punto (.) in una sequenza, gli operatori duplicati vengono rimossi implicitamente.

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

Diventa così: project_name.dataset_name.table_name

Creare tabelle

Puoi creare una tabella in BigQuery nei seguenti modi:

Utilizzo manuale della console Google Cloud o dello strumento a riga di comando bq 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 sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Ruoli e autorizzazioni predefiniti.

Creare 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.

Una volta creata la tabella, puoi caricarvi i dati o completarla scrivendo i risultati delle query.

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 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 vuoi creare la 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 la definizione dello schema. Puoi inserire manualmente le informazioni dello schema utilizzando uno dei 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 la stessa procedura utilizzata per creare un file di schema JSON. Puoi visualizzare lo schema di una tabella esistente in formato JSON inserendo il seguente comando:
```
    bq show --format=prettyjson dataset.table
    
```
- Opzione 2: fai clic su Aggiungi campo e inserisci lo schema della tabella. Specifica Nome, Tipo e Modalità di ogni campo.
(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 chiave di crittografia gestita dal cliente, seleziona l'opzione Utilizza una chiave di crittografia gestita dal cliente (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, consulta 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.
Utilizza il comando bq mk con il flag --table o -t. Puoi fornire le informazioni sullo schema della tabella in linea 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 mostrati qui. Per saperne di più su questi parametri facoltativi, consulta i seguenti link:
- Per ulteriori informazioni su --time_partitioning_field, --time_partitioning_type e --range_partitioning visualizzano tabelle partizionate.
- Per ulteriori informazioni su --clustering_fields, consulta tabelle raggruppate.
- 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. 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 le 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 del file dello schema JSON sul 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 descrizioni, modi e tipi di RECORD, fornisci un file di schema JSON.

Esempi:

Inserisci il seguente comando per creare una tabella utilizzando una definizione di schema in linea. 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 utilizza 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 seguente comando per creare una tabella utilizzando un file di schema JSON. Questo comando crea una tabella denominata mytable in mydataset nel 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 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 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 concederne 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 a entità che non hanno accesso al set di dati in cui risiede la 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 in un progetto Google Cloud, completa i passaggi nelle seguenti sezioni.

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 farlo in qualsiasi directory.
```
export GOOGLE_CLOUD_PROJECT=PROJECT_ID
```
Le variabili di ambiente vengono sostituite se imposti valori espliciti nel file di configurazione di Terraform.

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 avere l'estensione .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 di esempio nel file main.tf appena creato.

Se vuoi, 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 di Terraform eseguendo il seguente comando e inserendo yes al prompt:
```
terraform apply
```
Attendi che Terraform mostri il messaggio "Applicazione completata".
Apri il tuo progetto Google Cloud per visualizzare i risultati. Nella console Google Cloud, vai alle risorse nell'interfaccia utente per assicurarti che Terraform le abbia create o aggiornate.

API

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

C#

Prima di provare questo esempio, segui le istruzioni di configurazione C# riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta API C# BigQuery documentazione di riferimento.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 di configurazione Go riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 di configurazione Node.js riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta API Node.js BigQuery documentazione di riferimento.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 di configurazione PHP riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta API PHP BigQuery documentazione di riferimento.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 la documentazione di riferimento dell'API BigQuery Python.

Per autenticarti a BigQuery, configura le 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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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

Creare una tabella vuota senza una definizione dello schema

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 la documentazione di riferimento dell'API BigQuery Java.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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());
    }
  }
}

Creare una tabella da un risultato di 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 creare la tabella e poi scegli un ID tabella.
Nella sezione Preferenza di scrittura per tabella di destinazione, scegli una delle seguenti opzioni:
- 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. Viene creato un job di query che scrive i risultati della query nella tabella specificata.

In alternativa, se dimentichi di specificare una tabella di destinazione prima di eseguire la query, puoi copiare la tabella dei risultati memorizzati 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 di 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, consulta 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 il flag use_legacy_sql=false per utilizzare 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 sulla tua posizione.

Per controllare l'impostazione 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 elaborare la query. Il flag --location è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, puoi impostare il valore del flag su asia-northeast1. Puoi impostare un valore predefinito per la posizione utilizzando il 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 disposizione di scrittura, il comportamento predefinito è scrivi i risultati nella tabella solo se è vuota. Se la tabella esiste e non è vuoto, viene restituito il seguente errore: BigQuery error in query operation: Error processing 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 denominata mytable in mydataset. Il set di dati si trova nel progetto predefinito. Poiché nel comando non è 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 USA Name Data.
```
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 di ciascuno di questi esempi è il seguente. Per motivi di leggibilità, parte dell'output è troncata.
```
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 la località di elaborazione del job di query, specifica la proprietà location nella sezione jobReference della risorsa job.

Vai

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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

Prima di provare questo esempio, segui le istruzioni di configurazione Java riportate nella guida rapida all'utilizzo di BigQuery con le 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.

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

Prima di provare questo esempio, segui le istruzioni di configurazione Node.js riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Node.js.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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

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 saperne di più, consulta Configurare 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))

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

Un'origine dati esterna è un'origine dati in cui puoi eseguire query direttamente da BigQuery, anche se i dati non vengono archiviati in 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, consulta 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 una tabella vuota prima di caricarvi i dati. 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 visualizzazioni, puoi concedere un ruolo IAM a un'entità ai seguenti livelli, elencati in ordine di intervallo di risorse consentito (dal più grande al più piccolo):

un livello elevato della gerarchia delle risorse Google Cloud, come il livello di progetto, cartella o organizzazione
a livello di set di dati
il livello della tabella o della visualizzazione

Puoi anche limitare l'accesso ai dati all'interno delle tabelle utilizzando i seguenti metodi:

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.

La concessione di ruoli IAM a un livello superiore nella gerarchia delle risorse di Google Cloud, ad esempio a livello di progetto, cartella o organizzazione, consente all'entità di accedere a un insieme ampio di risorse. Ad esempio, l'assegnazione di un ruolo a un'entità a livello di progetto assegna a quell'entità le autorizzazioni che si applicano a tutti i set di dati del progetto.

La concessione di un ruolo a livello di set di dati specifica le operazioni che un'entità è autorizzata a eseguire sulle tabelle e sulle visualizzazioni in quel set di dati specifico, anche se l'entità non ha accesso a un livello superiore. Per informazioni sulla configurazione dei controlli di accesso a livello di set di dati, consulta Controllare l'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 di controllo, consulta Controllo dell'accesso a tabelle e viste.

Puoi anche creare ruoli IAM personalizzati. Se crei un ruolo personalizzato, le autorizzazioni che concedi dipendono dalle operazioni specifiche che vuoi che l'entità possa eseguire.

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 del comando bq show dello strumento a riga di comando bq.
Chiamata al metodo dell'API tables.get.
Utilizzare le librerie client.
Eseguire query sulle visualizzazioni INFORMATION_SCHEMA (beta).

Autorizzazioni obbligatorie

Per ottenere informazioni sulle tabelle, devi disporre almeno delle autorizzazioni bigquery.tables.get. I seguenti ruoli IAM predefiniti includono le autorizzazioni bigquery.tables.get:

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, gli viene concesso l'accesso bigquery.dataOwner. L'accesso bigquery.dataOwner consente all'utente di recuperare i metadati della tabella.

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

Recuperare le informazioni della tabella

Per ottenere informazioni sulle tabelle:

Console

Nel riquadro di navigazione, nella sezione Risorse, espandi il progetto e 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 la descrizione e le informazioni della tabella.
Se vuoi, passa alla scheda Schema per visualizzare la definizione dello schema della tabella.

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.
Esegui il comando 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 quello 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 seguente comando per visualizzare tutte le informazioni su mytable in mydataset. mydataset si trova in myotherproject, non nel 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 metodo tables.get e fornisci eventuali 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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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

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 autenticarti a BigQuery, configura le 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

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 la documentazione di riferimento dell'API BigQuery PHP.

Per autenticarti a BigQuery, configura le 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 autenticarti a BigQuery, configura le 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 di set di dati, routine, tabelle, visualizzazioni, job, prenotazioni e dati in streaming.

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

Utilizza le visualizzazioni INFORMATION_SCHEMA.TABLES e INFORMATION_SCHEMA.TABLE_OPTIONS per recuperare i metadati relativi alle tabelle e alle visualizzazioni in 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 visualizzazioni INFORMATION_SCHEMA.TABLE_STORAGE per recuperare i metadati relativi all'utilizzo corrente e storico dello spazio di archiviazione da parte di una tabella.

Le visualizzazioni TABLES e TABLE_OPTIONS contengono anche informazioni di alto livello sulle visualizzazioni. Per informazioni dettagliate, esegui una query INFORMATION_SCHEMA.VIEWS visualizzazione .

`TABLES` visualizzazione

Quando esegui una query sulla visualizzazione INFORMATION_SCHEMA.TABLES, i risultati della query contengono una riga per ogni tabella o visualizzazione in un set di dati. Per informazioni dettagliate sulle visualizzazioni, esegui una query sulla visualizzazioneINFORMATION_SCHEMA.VIEWS.

La vista INFORMATION_SCHEMA.TABLES ha lo schema seguente:

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`: un clone di tabella `SNAPSHOT`: A snapshot della tabella `VIEW`: una visualizzazione `MATERIALIZED VIEW`: una vista materializzata o una 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 i cloni di tabelle e gli snapshot delle tabelle, il progetto della tabella di base. Applicabile solo alle tabelle con `table_type` impostato su `CLONE` o `SNAPSHOT`.
`base_table_schema`	`STRING`	Per i cloni di tabelle e gli snapshot delle tabelle, il set di dati della tabella di base. Applicabile solo alle tabelle con `table_type` impostato su `CLONE` o `SNAPSHOT`.
`base_table_name`	`STRING`	Per i cloni di tabella e gli snapshot delle tabelle, il nome della tabella di base. Applicabile solo alle tabelle con `table_type` impostato su `CLONE` o `SNAPSHOT`.
`snapshot_time_ms`	`TIMESTAMP`	Per i cloni di tabelle e gli snapshot di tabelle, l'ora in cui è stata eseguita l'operazione di clonazione o di snapshot 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 campo `creation_time`. Applicabile solo a tabelle con `table_type` impostato su `CLONE` o `SNAPSHOT`.
`replica_source_catalog`	`STRING`	Per le repliche delle viste materializzate, il progetto della vista materializzata di base.
`replica_source_schema`	`STRING`	Per le repliche delle viste materializzate, il set di dati della vista materializzata di base.
`replica_source_name`	`STRING`	Per le repliche delle 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 di origine è stata eliminata `PERMISSION_DENIED`: la vista materializzata di origine non è stata autorizzata nel set di dati che contiene le tabelle BigLake di Amazon S3 di origine utilizzate nella query che ha creato la 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 una replica della vista materializzata, `replication_error` fornisce ulteriori dettagli sul problema.
`ddl`	`STRING`	L'istruzione DDL che può essere utilizzata per ricreare la tabella, ad esempio `CREATE TABLE` o `CREATE VIEW`
`default_collation_name`	`STRING`	Il nome della specifica di regole di confronto predefinita se esistente; in caso contrario, `NULL`.
`upsert_stream_apply_watermark`	`TIMESTAMP`	Per le tabelle che utilizzano Change Data Capture (CDC), l'ora in cui la riga sono state applicate l'ultima volta. Per ulteriori informazioni, vedi Monitora l'avanzamento dell'operazione di upsert della tabella.

Esempi

Esempio 1:

L'esempio seguente recupera i metadati delle tabelle 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 l'ID progetto 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 delle tabelle 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 una maggiore leggibilità, alcune colonne vengono 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 dalla vista INFORMATION_SCHEMA.TABLES per la tabella population_by_zip_2010 nel set di dati census_bureau_usa. Questo set di dati fa parte del programma per i set di dati pubblici di BigQuery.

Poiché la tabella su cui stai eseguendo la query si trova in un altro progetto, aggiungi l'ID progetto al set di dati nel 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 sulle visualizzazioni, esegui una query sulla visualizzazione INFORMATION_SCHEMA.VIEWS.

La vista INFORMATION_SCHEMA.TABLE_OPTIONS ha il seguente schema:

Nome colonna	Tipo di dati	Valore
`TABLE_CATALOG`	`STRING`	L'ID del progetto contenente 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 di valore 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 della 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 tabella
`partition_expiration_days`	`FLOAT64`	La durata predefinita, in giorni, di tutte le partizioni in un tavola
`refresh_interval_minutes`	`FLOAT64`	La 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 associati a una tabella in una sintassi <key, value> con spazio dei nomi. Per ulteriori informazioni, consulta Tag e 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 della tabella Bigtable, consulta `BigtableOptions` nel riferimento all'API REST.
`column_name_character_map`	`STRING` Definisce l'ambito dei caratteri supportati per i nomi colonna e la modalità di gestione dei caratteri non supportati. L'impostazione predefinita è `STRICT`, il che significa che i caratteri non supportati causano BigQuery per generare errori. `V1` e `V2` sostituiscono eventuali caratteri non supportati con trattini bassi. I valori supportati sono: `STRICT`. Attiva nomi di colonne flessibili. Questo è il valore predefinito. Job di caricamento con caratteri non supportati nella colonna dei nomi non funziona e viene visualizzato un messaggio di errore. Per configurare la sostituzione di caratteri non supportati con trattini bassi affinché il job di caricamento abbia esito positivo, specificare `default_column_name_character_map` configurazione di configurazione. `V1`. I nomi di colonna possono contenere solo caratteri standard dei nomi delle colonne. I caratteri non supportati vengono sostituiti con trattini bassi. Questo è il comportamento predefinito per le tabelle create prima dell'introduzione di `column_name_character_map`. `V2`. Oltre ai caratteri dei nomi di colonna standard, supporta anche nomi di colonna flessibili. I caratteri non supportati vengono sostituiti con trattini bassi. 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 rispettivi tipi SQL. 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 è specificato, la tabella non scade. Esempio: `"2025-01-01 00:00:00 UTC"`.
`field_delimiter`	`STRING` Il separatore per i campi in 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` è equivalente a `NEWLINE_DELIMITED_JSON`.
`hive_partition_uri_prefix`	`STRING` Un prefisso comune per tutti gli URI di origine prima dell'inizio della codifica della chiave di partizione. 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 riga nuova, con un URI per riga. Gli URI con caratteri jolly non sono supportati nei file manifest e tutti i file di dati a cui viene fatto 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 determinato formato di interscambio JSON. Se non viene specificato, BigQuery legge i dati come record JSON generici. I valori supportati includono: `GEOJSON`. Dati GeoJSON delimitati da nuova riga. Per ulteriori informazioni, consulta Creare una tabella esterna da un file GeoJSON delimitato da nuova riga.
`max_bad_records`	`INT64` Il numero massimo di record errati da ignorare durante la lettura dei dati. Si applica a: dati CSV, JSON e di Fogli Google.
`max_staleness`	`INTERVAL` Applicabile per Tavoli BigLake e tabelle di oggetti. Specifica se i metadati memorizzati nella cache vengono utilizzati dalle operazioni sulla tabella e quanto devono essere aggiornati per poter essere utilizzati dall'operazione. 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 sono stati aggiornati nelle ultime 4 ore. Se i metadati memorizzati nella cache sono precedenti a questa data, l'operazione ricorre al recupero dei metadati da 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 crei 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 di 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 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 la query. Si applica ai dati di Fogli Google. Esempio: `"sheet1!A1:B20"`,
`skip_leading_rows`	`INT64` Il numero di righe nella parte superiore di un file da saltare durante la lettura dei dati. 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 un URI Bigtable, consulta Recupero dell'URI Bigtable.

Esempi

Esempio 1:

L'esempio seguente recupera i tempi di scadenza predefiniti per 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 di tutte le tabelle in mydataset che contengono dati di test. La query utilizza i valori dell'opzione description per trovare le 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 contenente il set di dati
`TABLE_SCHEMA`	`STRING`	Il nome del set di dati contenente la tabella, chiamato 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 ordinamento se esistente; altrimenti `NULL` Se viene passato un `STRING` o un `ARRAY<STRING>`, viene restituita la specifica di ordinamento se esistente; altrimenti viene restituito `NULL`
`COLUMN_DEFAULT`	`STRING`	Il valore predefinito della colonna, se esistente; in caso contrario, il valore è `NULL`
`ROUNDING_MODE`	`STRING`	La modalità di arrotondamento utilizzata per i valori scritti nel campo se il suo tipo è un `NUMERIC` o `BIGNUMERIC` parametrizzato; in caso contrario, il valore è `NULL`

Esempi

L'esempio seguente recupera i metadati dalla vista INFORMATION_SCHEMA.COLUMNS per la tabella population_by_zip_2010 nel set di dati census_bureau_usa. 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 al momento sono riservate per un 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 una maggiore leggibilità, alcune colonne vengono 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 lo schema seguente:

Nome colonna	Tipo di dati	Valore
`TABLE_CATALOG`	`STRING`	L'ID del progetto contenente il set di dati
`TABLE_SCHEMA`	`STRING`	Il nome del set di dati contenente la tabella, chiamato 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 nidificata all'interno di 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 per l'applicazione della precisione e della scala a valori `NUMERIC` o `BIGNUMERIC` con parametri; altrimenti il valore è `NULL`

Esempi

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

Poiché la tabella su cui esegui la query si trova in un altro progetto, il progetto bigquery-public-data, aggiungi l'ID progetto al set di dati nel seguente formato:`project_id`.dataset.INFORMATION_SCHEMA.view; ad esempio,`bigquery-public-data`.github_repos.INFORMATION_SCHEMA.COLUMN_FIELD_PATHS.

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 la seguente 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 contenente il set di dati.
`PROJECT_NUMBER`	`INT64`	Il numero del progetto che contiene il set di dati.
`TABLE_CATALOG`	`STRING`	L'ID del progetto contenente il set di dati.
`TABLE_SCHEMA`	`STRING`	Il nome del set di dati che contiene la tabella o la vista materializzata, chiamato anche `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) meno recenti di 90 giorni, inclusi i byte con spostamento cronologico (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 dallo spazio di archiviazione del viaggio 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 viene 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).
`LAST_METADATA_INDEX_REFRESH_TIME`	`TIMESTAMP`	L'ora dell'ultimo aggiornamento dell'indice dei metadati della tabella.

Esempi

Esempio 1:

L'esempio seguente mostra i byte logici totali fatturati per il progetto corrente.

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 set di dati tra i modelli di fatturazione logica e fisica 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 alle tabelle di base ed esclude tutti gli altri tipi di tabelle all'interno di un set di dati.

I prezzi utilizzati nelle variabili di prezzo per questa query si riferiscono alla regione us-central1. Se vuoi eseguire questa query per una regione diversa, aggiorna le variabili di prezzo di conseguenza. Per informazioni sui prezzi, vedi Prezzi di archiviazione.

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 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 le 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 al metodo dell'API tables.list.
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 set di dati per espanderlo. Vengono visualizzate le tabelle e le visualizzazioni nel set di dati.
Scorri l'elenco per visualizzare le tabelle nel set di dati. Le tabelle e le visualizzazioni 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 elenchi 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 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 comando seguente per elencare le tabelle nel set di dati mydataset nel tuo progetto predefinito.
```
   bq ls --format=pretty mydataset
```
Inserisci il seguente comando per restituire più dell'output predefinito di 50 tabelle da mydataset. mydataset si trova nel tuo progetto predefinito.
```
   bq ls --format=pretty --max_results 60 mydataset
```
Inserisci il seguente comando per elencare le tabelle del set di dati mydataset in myotherproject.
```
   bq ls --format=pretty myotherproject:mydataset
```

API

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

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 saperne di più, consulta Configurare 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

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 la documentazione di riferimento dell'API BigQuery Go.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 saperne di più, consulta Configurare 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

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 la documentazione di riferimento dell'API BigQuery Node.js.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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

Prima di provare questo esempio, segui le istruzioni di configurazione Python riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Python.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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

Prima di provare questo esempio, segui le istruzioni di configurazione Ruby riportate nella guida rapida all'utilizzo di BigQuery con le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Ruby.

Per autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare 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 Specificare uno schema.
Per saperne di più sulla modifica degli schemi delle tabelle, consulta Modifica degli schemi delle tabelle.
Per ulteriori informazioni sulla gestione delle tabelle, consulta Gestire le tabelle.
Per una panoramica di INFORMATION_SCHEMA, vai a Introduzione a BigQuery INFORMATION_SCHEMA.

Provalo

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

Prova BigQuery gratuitamente

Creare e utilizzare le tabelle

Prima di iniziare

Denominazione delle tabelle

Creare tabelle

Autorizzazioni obbligatorie

Creare 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

Creare una tabella vuota senza una definizione dello schema

Java

Creare una tabella da un risultato di query

Console

SQL

bq

API

Vai

Java

Node.js

Python

Creare 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

Recuperare le informazioni della 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 le 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