更新数据集属性

本文档介绍了如何在 BigQuery 中更新数据集属性。创建数据集后，您可以更新以下数据集属性：

说明
新表的默认到期时间
新分区表的默认分区到期时间
访问权限控制
标签

所需权限

如需更新数据集属性，您必须至少具备 bigquery.datasets.update 和 bigquery.datasets.get 权限。以下预定义 IAM 角色具有 bigquery.datasets.update 和 bigquery.datasets.get 权限：

bigquery.dataOwner
bigquery.admin

此外，如果用户具有 bigquery.datasets.create 权限，则当该用户创建数据集时，系统会为其授予该数据集的 bigquery.dataOwner 访问权限。借助 bigquery.dataOwner 访问权限，用户可以更新其创建的数据集的属性。

如需详细了解 BigQuery 中的 IAM 角色和权限，请参阅访问权限控制。

更新数据集说明

您可以通过以下方式更新表的说明：

使用 Cloud Console。
使用 bq 命令行工具的 bq update 命令。
调用 datasets.patch API 方法。
使用客户端库。

如需更新数据集的说明，请执行以下操作：

控制台

在探索器面板中，展开您的项目并选择数据集。

注意：默认体验是预览版 Cloud Console。如果您点击隐藏预览功能以转到正式版 Cloud Console，则改为执行以下步骤：在导航面板的资源部分中，展开您的项目并选择数据集。
展开操作选项，然后点击打开。
在详细信息页面中，点击说明旁边的铅笔图标以修改说明文本。
在对话框中输入说明或修改现有说明。点击更新以保存新的说明文本。

SQL

如需更新数据集的说明，请使用 ALTER SCHEMA SET OPTIONS 语句来设置 description 选项。

以下示例为名为 mydataset 的数据集设置说明：

 ALTER SCHEMA mydataset
 SET OPTIONS(
     description="Description of mydataset"
 )

如需了解如何在 BigQuery 中运行 SQL 查询，请参阅运行交互式查询作业和批量查询作业。

bq

发出带 --description 标志的 bq update 命令。如果您要更新非默认项目中的数据集，请按以下格式将相应项目 ID 添加到数据集名称中：project_id:dataset。

bq update \
--description "string" \
project_id:dataset

替换以下内容：

string：描述数据集的文本，括在英文双引号内
project_id：您的项目 ID
dataset：您要更新的数据集的名称

示例：

输入以下命令可将 mydataset 的说明更改为“Description of mydataset”。mydataset 属于默认项目。

bq update --description "Description of mydataset" mydataset

输入以下命令可将 mydataset 的说明更改为“Description of mydataset”。该数据集属于 myotherproject，而非默认项目。

bq update \
--description "Description of mydataset" \
myotherproject:mydataset

API

调用 datasets.patch 并更新数据集资源中的 description 属性。由于 datasets.update 方法会替换整个数据集资源，因此最好使用 datasets.patch 方法。

Go

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

在 GitHub 上查看反馈

import (
	"context"
	"fmt"

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

// updateDatasetDescription demonstrates how the Description metadata of a dataset can
// be read and modified.
func updateDatasetDescription(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()

	ds := client.Dataset(datasetID)
	meta, err := ds.Metadata(ctx)
	if err != nil {
		return err
	}
	update := bigquery.DatasetMetadataToUpdate{
		Description: "Updated Description.",
	}
	if _, err = ds.Update(ctx, update, meta.ETag); err != nil {
		return err
	}
	return nil
}

Java

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

使用 Dataset.toBuilder() 方法，基于现有数据集实例创建 Dataset.Builder 实例。配置数据集构建器对象。使用 Dataset.Builder.build() 方法构建更新的数据集，然后调用 Dataset.update() 方法向 API 发送更新。

在 GitHub 上查看反馈

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Dataset;

public class UpdateDatasetDescription {

  public static void runUpdateDatasetDescription() {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    String newDescription = "this is the new dataset description";
    updateDatasetDescription(datasetName, newDescription);
  }

  public static void updateDatasetDescription(String datasetName, String newDescription) {
    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();

      Dataset dataset = bigquery.getDataset(datasetName);
      bigquery.update(dataset.toBuilder().setDescription(newDescription).build());
      System.out.println("Dataset description updated successfully to " + newDescription);
    } catch (BigQueryException e) {
      System.out.println("Dataset description was not updated \n" + e.toString());
    }
  }
}

Node.js

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

在 GitHub 上查看反馈

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

async function updateDatasetDescription() {
  // Updates a dataset's description.

  // Retreive current dataset metadata
  const dataset = bigquery.dataset(datasetId);
  const [metadata] = await dataset.getMetadata();

  // Set new dataset description
  const description = 'New dataset description.';
  metadata.description = description;

  const [apiResponse] = await dataset.setMetadata(metadata);
  const newDescription = apiResponse.description;

  console.log(`${datasetId} description: ${newDescription}`);
}

Python

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

配置 Dataset.description 属性，并调用 Client.update_dataset() 向 API 发送更新。

在 GitHub 上查看反馈


from google.cloud import bigquery

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

# TODO(developer): Set dataset_id to the ID of the dataset to fetch.
# dataset_id = 'your-project.your_dataset'

dataset = client.get_dataset(dataset_id)  # Make an API request.
dataset.description = "Updated description."
dataset = client.update_dataset(dataset, ["description"])  # Make an API request.

full_dataset_id = "{}.{}".format(dataset.project, dataset.dataset_id)
print(
    "Updated dataset '{}' with description '{}'.".format(
        full_dataset_id, dataset.description
    )
)

更新默认表到期时间

您可以通过以下方式更新数据集的默认表到期时间：

使用 Cloud Console。
使用 bq 命令行工具的 bq update 命令。
调用 datasets.patch API 方法。
使用客户端库。

您可以在数据集级层设置默认的表到期时间，也可以在创建表时设置表的到期时间。如果在创建表时设置了其过期时间，则系统会忽略数据集的默认表过期时间。如果未在数据集级层设置默认的表到期时间，也未在创建表时设置表到期时间，则该表永不过期，您必须手动删除该表。

更新数据集的默认表过期时间设置时：

如果您将此设置的值从 Never 更改为由您定义的过期时间，那么对于数据集中的任何现有表而言，除非您在创建该表时为其设置了过期时间，否则该表不会过期。
如果您更改默认的表过期时间值，那么任何现有表将应用原始表过期时间设置。而对于在数据集中创建的任何新表，除非您在创建该表时为其指定了不同的表过期时间，否则该表将应用新的表过期时间设置。

默认表过期时间值的表示方式有所不同，具体取决于该值的设置位置。请根据自己所需的细化程度选择适当的方法：

在 Cloud Console 中，过期时间以天为单位表示。
在 bq 命令行工具中，到期时间以秒为单位表示。
在 API 中，到期时间以毫秒为单位表示。

如需更新数据集的默认到期时间，请执行以下操作：

控制台

在探索器面板中，展开您的项目并选择数据集。

注意：默认体验是预览版 Cloud Console。如果您点击隐藏预览功能以转到正式版 Cloud Console，则改为执行以下步骤：在导航面板的资源部分中，展开您的项目并选择数据集。
展开操作选项，然后点击打开。
在详细信息页面中，点击数据集信息旁边的铅笔图标以修改到期时间。
在数据集信息对话框的默认表过期时间部分中，输入创建表后的天数的值。
点击保存。

SQL

如需更新默认表到期时间，请使用 ALTER SCHEMA SET OPTIONS 语句来设置 default_table_expiration_days 选项。

以下示例更新名为 mydataset 的数据集的默认表到期时间。

 ALTER SCHEMA mydataset
 SET OPTIONS(
     default_table_expiration_days=3.75
 )

如需了解如何在 BigQuery 中运行 SQL 查询，请参阅运行交互式查询作业和批量查询作业。

bq

如需更新数据集中新创建的表的默认到期时间，请输入带 --default_table_expiration 标志的 bq update 命令。如果您要更新非默认项目中的数据集，请按以下格式将相应项目 ID 添加到数据集名称中：project_id:dataset。

bq update \
--default_table_expiration integer \
project_id:dataset

请替换以下内容：

integer：新创建的表的默认生命周期（以秒为单位）。最小值为 3600 秒（一小时）。到期时间以当前世界协调时间 (UTC) 加上这个整数值为准。指定 0 可移除现有到期时间。在数据集中创建的任何表都会在创建之时起的 integer 秒后删除。如果您在创建表时未设置表到期时间，则系统会应用此值。
project_id：您的项目 ID。
dataset：您要更新的数据集的名称。

示例：

输入以下命令可将在 mydataset 中创建的新表的默认表过期时间设置为从当前时间算起两小时（7200 秒）。该数据集在默认项目中。

bq update --default_table_expiration 7200 mydataset

输入以下命令可将在 mydataset 中创建的新表的默认表过期时间设置为从当前时间算起两小时（7200 秒）。该数据集属于 myotherproject，而非默认项目。

bq update --default_table_expiration 7200 myotherproject:mydataset

API

调用 datasets.patch 并更新数据集资源中的 defaultTableExpirationMs 属性。在 API 中，到期时间以毫秒为单位表示。由于 datasets.update 方法会替换整个数据集资源，因此最好使用 datasets.patch 方法。

Go

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

在 GitHub 上查看反馈

import (
	"context"
	"fmt"
	"time"

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

// updateDatasetDefaultExpiration demonstrats setting the default expiration of a dataset
// to a specific retention period.
func updateDatasetDefaultExpiration(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()

	ds := client.Dataset(datasetID)
	meta, err := ds.Metadata(ctx)
	if err != nil {
		return err
	}
	update := bigquery.DatasetMetadataToUpdate{
		DefaultTableExpiration: 24 * time.Hour,
	}
	if _, err := client.Dataset(datasetID).Update(ctx, update, meta.ETag); err != nil {
		return err
	}
	return nil
}

Java

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

使用 Dataset.Builder.setDefaultTableLifetime() 方法配置默认到期时间。

在 GitHub 上查看反馈

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Dataset;
import java.util.concurrent.TimeUnit;

public class UpdateDatasetExpiration {

  public static void runUpdateDatasetExpiration() {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    updateDatasetExpiration(datasetName);
  }

  public static void updateDatasetExpiration(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();

      // Update dataset expiration to one day
      Long newExpiration = TimeUnit.MILLISECONDS.convert(1, TimeUnit.DAYS);

      Dataset dataset = bigquery.getDataset(datasetName);
      bigquery.update(dataset.toBuilder().setDefaultTableLifetime(newExpiration).build());
      System.out.println("Dataset description updated successfully to " + newExpiration);
    } catch (BigQueryException e) {
      System.out.println("Dataset expiration was not updated \n" + e.toString());
    }
  }
}

Node.js

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

在 GitHub 上查看反馈

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

async function updateDatasetExpiration() {
  // Updates the lifetime of all tables in the dataset, in milliseconds.

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

  // Retreive current dataset metadata
  const dataset = bigquery.dataset(datasetId);
  const [metadata] = await dataset.getMetadata();

  // Set new dataset metadata
  const expirationTime = 24 * 60 * 60 * 1000;
  metadata.defaultTableExpirationMs = expirationTime.toString();

  const [apiResponse] = await dataset.setMetadata(metadata);
  const newExpirationTime = apiResponse.defaultTableExpirationMs;

  console.log(`${datasetId} expiration: ${newExpirationTime}`);
}

Python

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

配置 Dataset.default_table_expiration_ms 属性，然后调用 Client.update_dataset() 向 API 发送更新。

在 GitHub 上查看反馈


from google.cloud import bigquery

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

# TODO(developer): Set dataset_id to the ID of the dataset to fetch.
# dataset_id = 'your-project.your_dataset'

dataset = client.get_dataset(dataset_id)  # Make an API request.
dataset.default_table_expiration_ms = 24 * 60 * 60 * 1000  # In milliseconds.

dataset = client.update_dataset(
    dataset, ["default_table_expiration_ms"]
)  # Make an API request.

full_dataset_id = "{}.{}".format(dataset.project, dataset.dataset_id)
print(
    "Updated dataset {} with new expiration {}".format(
        full_dataset_id, dataset.default_table_expiration_ms
    )
)

更新默认分区到期时间

您可以通过以下方式更新数据集的默认分区到期时间：

使用 bq 命令行工具的 bq update 命令。
调用 datasets.patch API 方法。
使用客户端库。

Cloud Console 目前不支持设置或更新数据集的默认分区到期时间。

您可以在数据集级层设置默认分区到期时间，该到期时间会影响所有新建的分区表，也可以在创建分区表时设置各个表的分区到期时间。如果在数据集级层设置默认分区到期时间，并在数据集级层设置默认表到期时间，则新分区表将只有分区到期时间。如果同时设置了这两个选项，则默认分区到期时间将覆盖默认表到期时间。

如果您在创建分区表时设置了分区到期时间，则该值将覆盖数据集级层的默认分区到期时间（如果存在）。

如果您未在数据集级层设置默认分区到期时间，并且在创建表时未设置分区到期时间，则分区将永不过期，您必须手动删除分区。

如果您为数据集设置了默认分区到期时间，则该到期时间将应用于数据集中创建的所有分区表中的所有分区。如果您为表设置了分区到期时间，则该到期时间将应用于指定的表中创建的所有分区。目前，您不能将不同到期时间应用于同一个表中的不同分区。

在您更新数据集的默认分区到期时间设置时：

如果您将值从 never 更改为定义的到期时间，则除非在创建分区表时为其设置了分区到期时间，否则在数据集的分区表中已存在的所有分区都将不会过期。
如果您要更改默认分区到期时间的值，则现有分区表中的所有分区都将根据原始默认分区到期时间过期。除非您在创建分区表时指定了其他分区到期时间，否则数据集中创建的所有新分区表都将应用新的默认分区到期时间。

默认分区到期时间值的表示方式有所不同，具体取决于该值的设置位置。请根据自己所需的细化程度选择适当的方法：

在 bq 命令行工具中，到期时间以秒为单位表示。
在 API 中，到期时间以毫秒为单位表示。

如需更新数据集的默认分区到期时间，请执行以下操作：

控制台

目前，Cloud Console 不支持更新数据集的默认分区到期时间。

SQL

如需更新默认分区到期时间，请使用 ALTER SCHEMA SET OPTIONS 语句来设置 default_partition_expiration_days 选项。

以下示例更新名为 mydataset 的数据集的默认分区到期时间。

 ALTER SCHEMA mydataset
 SET OPTIONS(
     default_partition_expiration_days=3.75
 )

如需了解如何在 BigQuery 中运行 SQL 查询，请参阅运行交互式查询作业和批量查询作业。

bq

如需更新数据集的默认到期时间，请输入带 --default_partition_expiration 标志的 bq update 命令。如果您要更新非默认项目中的数据集，请按以下格式将相应项目 ID 添加到数据集名称中：project_id:dataset。

bq update \
--default_partition_expiration integer \
project_id:dataset

请替换以下内容：

integer：新创建的分区表中分区的默认生命周期（以秒为单位）。此标志没有最小值。指定 0 可移除现有到期时间。新创建的分区表中的所有分区都会在分区创建日期（按世界协调时间 (UTC) 计算）之时起的 integer 秒后删除。如果您在创建表时未设置分区到期时间，则系统会应用此值。
project_id：您的项目 ID。
dataset：您要更新的数据集的名称。

示例：

输入以下命令可将在 mydataset 中创建的新分区表的默认分区到期时间设置为 26 小时（93600 秒）。该数据集在默认项目中。

bq update --default_partition_expiration 93600 mydataset

输入以下命令可将在 mydataset 中创建的新分区表的默认分区到期时间设置为 26 小时（93600 秒）。该数据集属于 myotherproject，而非默认项目。

bq update --default_partition_expiration 93600 myotherproject:mydataset

API

调用 datasets.patch 并更新数据集资源中的 defaultPartitionExpirationMs 属性。到期时间以毫秒为单位表示。由于 datasets.update 方法会替换整个数据集资源，因此最好使用 datasets.patch 方法。

更新数据集访问权限控制

更新数据集访问权限控制的过程与分配对数据集的访问权限控制的过程非常相似。在使用 Cloud Console 或 bq 命令行工具创建数据集期间，无法应用访问权限控制。您必须先创建数据集，然后才能更新数据集的访问权限控制。借助 API，您可以通过调用 datasets.patch 方法来更新数据集访问权限控制。

更新数据集的访问权限控制时，您可以修改以下实体的访问权限：

Google 帐号电子邮件：向某个 Google 帐号授予对数据集的访问权限。
Google 群组：向某个 Google 群组的所有成员授予对数据集的访问权限。
Google Workspace 网域：向 Google 网域中的所有用户和群组授予对数据集的访问权限。
服务帐号：向某个服务帐号授予对数据集的访问权限。
任何人：输入 allUsers 可向公众授予访问权限。
所有 Google 帐号：输入 allAuthenticatedUsers 可向任何已登录到 Google 帐号的用户授予访问权限。
授权视图：向某个授权视图授予对数据集的访问权限。

如需更新数据集的访问权限控制，请执行以下操作：

控制台

在探索器面板中，展开您的项目并选择数据集。

注意：默认体验是预览版 Cloud Console。如果您点击隐藏预览功能以转到正式版 Cloud Console，则改为执行以下步骤：在导航面板的资源部分中，展开您的项目并选择数据集。
展开操作选项，然后点击打开。
点击共享数据集。
在共享数据集对话框中，展开条目，然后点击删除图标（垃圾桶），即可删除现有条目。
在共享数据集对话框中，按照如下方式添加新条目：
1. 在添加成员框中输入实体。
2. 对于选择角色，从列表中选择适当的 IAM 角色。如需详细了解分配给每个预定义 BigQuery 角色的权限，请参阅预定义的角色和权限页面。
3. 点击添加。
要添加已获授权的视图，请点击已获授权的视图标签页，然后输入项目、数据集和视图，再点击添加。
添加完或删除完访问权限控制后，点击完成。

bq

使用 show 命令将现有数据集信息（包括访问权限控制设置）写入 JSON 文件。如果数据集不属于默认项目，请按以下格式将相应项目 ID 添加到数据集名称中：project_id:dataset。
```
bq show \
--format=prettyjson \
project_id:dataset > path_to_file
```
替换以下内容：
- project_id：您的项目 ID。
- dataset：您的数据集的名称。
- path_to_file：本地机器上 JSON 文件的路径。
示例：

输入以下命令可将 mydataset 的访问权限控制写入 JSON 文件。mydataset 属于默认项目。
```
bq show --format=prettyjson mydataset > /tmp/mydataset.json
```
输入以下命令可将 mydataset 的访问权限控制写入 JSON 文件。mydataset 属于 myotherproject。
```
bq show --format=prettyjson \
myotherproject:mydataset > /tmp/mydataset.json
```

对 JSON 文件的 "access" 部分进行更改。您可以添加或移除任意 specialGroup 条目：projectOwners、projectWriters、projectReaders、allAuthenticatedUsers。还可以添加、移除或修改以下任一项：userByEmail、groupByEmail、domain。

例如，某个数据集的 JSON 文件的 access 部分可能如下所示：

{
 "access": [
  {
   "role": "READER",
   "specialGroup": "projectReaders"
  },
  {
   "role": "WRITER",
   "specialGroup": "projectWriters"
  },
  {
   "role": "OWNER",
   "specialGroup": "projectOwners"
  }
  {
   "role": "READER",
   "specialGroup": "allAuthenticatedUsers"
  }
  {
   "role": "READER",
   "domain": "[DOMAIN_NAME]"
  }
  {
   "role": "WRITER",
   "userByEmail": "[USER_EMAIL]"
  }
  {
   "role": "READER",
   "groupByEmail": "[GROUP_EMAIL]"
  }
 ],
}

修改完成后，运行 update 命令，并用 --source 标志包括该 JSON 文件。如果数据集不属于默认项目，请按以下格式将相应项目 ID 添加到数据集名称中：project_id:dataset。

注意：包含访问权限控制设置的 JSON 文件生效后，现有的设置将被覆盖。
```
bq update --source path_to_file project_id:dataset
```
替换以下内容：
- path_to_file：本地机器上 JSON 文件的路径。
- project_id：您的项目 ID。
- dataset：您的数据集的名称。
示例：

输入以下命令可更新 mydataset 的访问权限控制。mydataset 属于默认项目。
```
bq update --source /tmp/mydataset.json mydataset
```
输入以下命令可更新 mydataset 的访问权限控制。mydataset 属于 myotherproject。
```
bq update --source /tmp/mydataset.json myotherproject:mydataset
```
如需验证您的访问权限控制发生了变化，请再次输入 show 命令，但不要将信息写入文件。
```
bq show --format=prettyjson dataset
```
或
```
bq show --format=prettyjson project_id:dataset
```

API

调用 datasets.patch 并更新数据集资源中的 access 属性。

由于 datasets.update 方法会替换整个数据集资源，因此 datasets.patch 是更新访问权限控制的首选方法。

Go

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

在 GitHub 上查看反馈

import (
	"context"
	"fmt"

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

// updateDatasetAccessControl demonstrates how the access control policy of a dataset
// can be amended by adding an additional entry corresponding to a specific user identity.
func updateDatasetAccessControl(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()

	ds := client.Dataset(datasetID)
	meta, err := ds.Metadata(ctx)
	if err != nil {
		return err
	}
	// Append a new access control entry to the existing access list.
	update := bigquery.DatasetMetadataToUpdate{
		Access: append(meta.Access, &bigquery.AccessEntry{
			Role:       bigquery.ReaderRole,
			EntityType: bigquery.UserEmailEntity,
			Entity:     "sample.bigquery.dev@gmail.com"},
		),
	}

	// Leverage the ETag for the update to assert there's been no modifications to the
	// dataset since the metadata was originally read.
	if _, err := ds.Update(ctx, update, meta.ETag); err != nil {
		return err
	}
	return nil
}

Java

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

使用 Dataset.Builder.setAcl() 方法配置访问权限控制。

在 GitHub 上查看反馈

import com.google.cloud.bigquery.Acl;
import com.google.cloud.bigquery.Acl.Role;
import com.google.cloud.bigquery.Acl.User;
import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Dataset;
import java.util.ArrayList;

public class UpdateDatasetAccess {

  public static void runUpdateDatasetAccess() {
    // TODO(developer): Replace these variables before running the sample.
    String datasetName = "MY_DATASET_NAME";
    updateDatasetAccess(datasetName);
  }

  public static void updateDatasetAccess(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();

      Dataset dataset = bigquery.getDataset(datasetName);

      // Create a new ACL granting the READER role to "sample.bigquery.dev@gmail.com"
      // For more information on the types of ACLs available see:
      // https://cloud.google.com/storage/docs/access-control/lists
      Acl newEntry = Acl.of(new User("sample.bigquery.dev@gmail.com"), Role.READER);

      // Get a copy of the ACLs list from the dataset and append the new entry
      ArrayList<Acl> acls = new ArrayList<>(dataset.getAcl());
      acls.add(newEntry);

      bigquery.update(dataset.toBuilder().setAcl(acls).build());
      System.out.println("Dataset Access Control updated successfully");
    } catch (BigQueryException e) {
      System.out.println("Dataset Access control was not updated \n" + e.toString());
    }
  }
}

Node.js

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

在 GitHub 上查看反馈

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

async function updateDatasetAccess() {
  // Updates a datasets's access controls.

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

  // Create new role metadata
  const newRole = {
    role: 'READER',
    entity_type: 'userByEmail',
    userByEmail: 'sample.bigquery.dev@gmail.com',
  };

  // Retreive current dataset metadata
  const dataset = bigquery.dataset(datasetId);
  const [metadata] = await dataset.getMetadata();

  // Add new role to role acess array
  metadata.access.push(newRole);
  const [apiResponse] = await dataset.setMetadata(metadata);
  const newAccessRoles = apiResponse.access;
  newAccessRoles.forEach(role => console.log(role));
}

Python

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

使用数据集的访问控制设置 dataset.access_entries 属性。然后调用 client.update_dataset() 函数来更新该属性。

在 GitHub 上查看反馈

from google.cloud import bigquery

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

# TODO(developer): Set dataset_id to the ID of the dataset to fetch.
# dataset_id = 'your-project.your_dataset'

dataset = client.get_dataset(dataset_id)  # Make an API request.

entry = bigquery.AccessEntry(
    role="READER",
    entity_type="userByEmail",
    entity_id="sample.bigquery.dev@gmail.com",
)

entries = list(dataset.access_entries)
entries.append(entry)
dataset.access_entries = entries

dataset = client.update_dataset(dataset, ["access_entries"])  # Make an API request.

full_dataset_id = "{}.{}".format(dataset.project, dataset.dataset_id)
print(
    "Updated dataset '{}' with modified user permissions.".format(full_dataset_id)
)

后续步骤

如需详细了解如何创建数据集，请参阅创建数据集。
如需详细了解如何管理数据集，请参阅管理数据集。