创建视图

本文档介绍了如何在 BigQuery 中创建视图。

您可以通过以下方式在 BigQuery 中创建视图：

• 使用 Google Cloud 控制台。
• 使用 bq 命令行工具的 bq mk 命令。
• 调用 tables.insert API 方法。
• 使用客户端库。
• 提交 CREATE VIEW 数据定义语言 (DDL) 语句。

视图限制

BigQuery 视图存在如下限制：

• 视图是只读的。 例如，您无法运行用于插入、更新或删除数据的查询。
• 包含视图的数据集与包含视图所引用表的数据集必须位于相同位置。
• 视图内的引用必须使用数据集进行限定。默认数据集不会影响视图正文。
• 您无法使用 TableDataList JSON API 方法从视图中检索数据。如需了解详情，请参阅 Tabledata: list。
• 使用视图时，不能混合使用 GoogleSQL 查询和旧版 SQL 查询。GoogleSQL 查询无法引用使用旧版 SQL 语法定义的视图。
• 无法在视图中引用查询参数。
• 创建视图时，基础表的架构与视图一同存储。如果在视图创建后添加、删除或修改列，则视图不会自动更新，并且在视图 SQL 定义更改或视图重新创建之前，报告的架构会一直不准确。尽管报告的架构可能会不准确，但所有已提交的查询都会产生准确的结果。
• 您无法自动将旧版 SQL 视图更新为 GoogleSQL 语法。如需修改用于定义视图的查询，您可以使用以下各项：
  • Google Cloud 控制台中的修改查询选项
  • bq 命令行工具中的 bq update --view 命令
  • BigQuery 客户端库
  • update 或 patch API 方法。
• 您无法在定义视图的 SQL 查询中包含用户定义的临时性函数或临时表。
• 您无法在通配符表查询中引用视图。

如需了解适用于视图的配额和限制，请参阅视图限制。

准备工作

授予为用户提供执行本文档中的每个任务所需权限的 Identity and Access Management (IAM) 角色。

所需权限

在 BigQuery 中，视图作为表资源进行处理，因此创建视图所需的权限与创建表相同。您还必须拥有查询视图的 SQL 查询所引用的任何表的权限。

如需创建视图，您需要拥有 bigquery.tables.create IAM 权限。预定义的 IAM 角色 roles/bigquery.dataEditor 可提供创建视图所需的权限。

此外，如果您拥有 bigquery.datasets.create 权限，则可以在自己创建的数据集中创建视图。如需针对非自己拥有的数据创建视图，您必须拥有表的 bigquery.tables.getData 权限。

注意：如需创建或更新已获授权的视图或已获授权的数据集中的视图，您还需要拥有其他权限。如需了解详情，请参阅已获授权的视图所需的权限和已获授权的数据集中的视图所需的权限。

如需详细了解 BigQuery 中的 IAM 角色和权限，请参阅预定义的角色和权限。

视图命名

在 BigQuery 中创建视图时，每个数据集的视图名称必须唯一。视图名称要求：

• 包含的字符总数不超过 1024 个 UTF-8 字节。
• 包含类别 L（字母）、M（符号）、N（数字）、Pc（连接符，包括下划线）、Pd（短划线）、Zs（空格）中的 Unicode 字符。如需了解详情，请参阅常规类别。

以下是有效视图名称的所有示例：view 01、ग्राहक、00_お客様、étudiant-01。

注意事项：

• 默认情况下，表名称区分大小写。mytable 和 MyTable 可以位于同一数据集中，除非它们属于关闭区分大小写的数据集。
• 某些视图名称和视图名称前缀已预留。如果您收到错误，表示您的视图名称或前缀已被预留，请选择其他名称并重试。

• 如果您在序列中添加多个点运算符 (.)，则系统会隐式删除重复的运算符。

  例如，project_name....dataset_name..table_name

  会变为 project_name.dataset_name.table_name

创建视图

要创建视图，您可以编写 SQL 查询来定义视图可访问的数据。 SQL 查询必须包含 SELECT 语句。视图查询中不允许使用其他语句类型（例如 DML 语句）和多语句查询。

要创建视图，请执行以下操作：

控制台

1. 运行查询后，点击查询结果窗口上方的保存视图按钮，将查询保存为视图。

   

2. 在保存视图对话框中，执行以下操作：

   • 在项目名称部分，选择用于存储视图的项目。
   • 在数据集名称部分，选择用于存储视图的数据集。 包含视图的数据集与包含视图所引用表的数据集必须位于相同位置。
   • 在表名称部分，输入该视图的名称。
   • 点击保存。

注意：使用 Google Cloud 控制台创建视图时，您不能添加标签、说明或到期时间。您可以在使用 API 或 bq 命令行工具创建视图时添加这些可选属性。使用 Google Cloud 控制台创建视图后，您可以添加到期时间、说明和标签。如需了解详情，请参阅更新视图。

SQL

使用 CREATE VIEW 语句。以下示例根据美国姓名公共数据集创建一个名为 usa_male_names 的视图：

1. 在 Google Cloud 控制台中，转到 BigQuery 页面。

   转到 BigQuery

2. 在查询编辑器中，输入以下语句：

   CREATE VIEW mydataset.usa_male_names(name, number) AS (
     SELECT
       name,
       number
     FROM
       bigquery-public-data.usa_names.usa_1910_current
     WHERE
       gender = 'M'
     ORDER BY
       number DESC
   );

3. 点击 运行。

如需详细了解如何运行查询，请参阅运行交互式查询。

bq

使用带有 --view 标志的 bq mk 命令。对于 GoogleSQL 查询，请添加 --use_legacy_sql 标志并将其设置为 false。一些可选参数包括 --add_tags、--expiration、--description 和 --label。如需查看完整的参数列表，请参阅 bq mk 命令参考文档。

如果您的查询引用了存储在 Cloud Storage 或本地文件中的外部用户定义的函数 (UDF) 资源，请使用 --view_udf_resource 标志指定这些资源。此处未显示 --view_udf_resource 标志。如需详细了解如何使用 UDF，请参阅 UDF。

如果您要在非默认项目中创建视图，请使用 --project_id 标志指定项目 ID。

注意：包含视图的数据集与包含视图所引用表的数据集必须位于相同位置。

bq mk \
--use_legacy_sql=false \
--view_udf_resource=PATH_TO_FILE \
--expiration=INTEGER \
--description="DESCRIPTION" \
--label=KEY_1:VALUE_1 \
--add_tags=KEY_2:VALUE_2[,...] \
--view='QUERY' \
--project_id=PROJECT_ID \
DATASET.VIEW

替换以下内容：

• PATH_TO_FILE 是一个代码文件的 URI 或本地文件系统路径，该代码文件会被立即加载为 UDF 资源并评估，以供视图使用。重复使用该标志可指定多个文件。
• INTEGER 设置视图的生命周期（以秒为单位）。如果 INTEGER 为 0，则视图不会过期。如果不添加 --expiration 标志，则 BigQuery 将使用数据集的默认表生命周期来创建视图。
• DESCRIPTION 是括在引号中的视图说明。
• KEY_1:VALUE_1 是代表标签的键值对。重复使用 --label 标志可以指定多个标签。
• KEY_2:VALUE_2 是代表标记的键值对。在同一标志下添加多个标记，并在键值对之间使用英文逗号。
• QUERY 是一个有效查询。
• PROJECT_ID 是您的项目 ID（如果您未配置默认项目）。
• DATASET 是项目中的数据集。
• VIEW 是您要创建的视图的名称。

示例：

输入以下命令可在默认项目的 mydataset 中创建名为 myview 的视图。到期时间设置为 3600 秒（1 小时），说明设置为 This is my view，且标签设置为 organization:development。用于创建视图的查询会查询美国姓名数据公共数据集中的数据。

bq mk \
--use_legacy_sql=false \
--expiration 3600 \
--description "This is my view" \
--label organization:development \
--view \
'SELECT
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
WHERE
  gender = "M"
ORDER BY
  number DESC' \
mydataset.myview

输入以下命令可在 myotherproject 的 mydataset 中创建名为 myview 的视图。说明设置为 This is my view，标签设置为 organization:development，视图的到期时间设置为数据集的默认表到期时间。用于创建视图的查询会查询美国姓名数据公共数据集中的数据。

bq mk \
--use_legacy_sql=false \
--description "This is my view" \
--label organization:development \
--project_id myotherproject \
--view \
'SELECT
  name,
  number
FROM
  `bigquery-public-data.usa_names.usa_1910_current`
WHERE
  gender = "M"
ORDER BY
  number DESC' \
mydataset.myview

创建视图后，您可以更新视图的到期时间、说明和标签。如需了解详情，请参阅更新视图。

Terraform

使用 google_bigquery_table 资源。

注意：如需使用 Terraform 创建 BigQuery 对象，您必须启用 Cloud Resource Manager API。

如需向 BigQuery 进行身份验证，请设置应用默认凭据。如需了解详情，请参阅为客户端库设置身份验证。

以下示例创建了一个名为 myview 的视图：

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            = "myview"
  deletion_protection = false # set to "true" in production

  view {
    query          = "SELECT global_id, faa_identifier, name, latitude, longitude FROM `bigquery-public-data.faa.us_airports`"
    use_legacy_sql = false
  }

}

如需在 Google Cloud 项目中应用 Terraform 配置，请完成以下部分中的步骤。

准备 Cloud Shell

1. 启动 Cloud Shell。

2. 设置要在其中应用 Terraform 配置的默认 Google Cloud 项目。

   您只需为每个项目运行一次以下命令，即可在任何目录中运行它。

   export GOOGLE_CLOUD_PROJECT=PROJECT_ID

   如果您在 Terraform 配置文件中设置显式值，则环境变量会被替换。

准备目录

每个 Terraform 配置文件都必须有自己的目录（也称为“根模块”）。

1. 在 Cloud Shell 中，创建一个目录，并在该目录中创建一个新文件。文件名必须具有 .tf 扩展名，例如 main.tf。在本教程中，该文件称为 main.tf。

   mkdir DIRECTORY && cd DIRECTORY && touch main.tf

2. 如果您按照教程进行操作，可以在每个部分或步骤中复制示例代码。

   将示例代码复制到新创建的 main.tf 中。

   （可选）从 GitHub 中复制代码。如果端到端解决方案包含 Terraform 代码段，则建议这样做。

3. 查看和修改要应用到您的环境的示例参数。
4. 保存更改。
5. 初始化 Terraform。您只需为每个目录执行一次此操作。

   terraform init

   （可选）如需使用最新的 Google 提供程序版本，请添加 -upgrade 选项：

   terraform init -upgrade

应用更改

1. 查看配置并验证 Terraform 将创建或更新的资源是否符合您的预期：

   terraform plan

   根据需要更正配置。

2. 通过运行以下命令并在提示符处输入 yes 来应用 Terraform 配置：

   terraform apply

   等待 Terraform 显示“应用完成！”消息。

3. 打开您的 Google Cloud 项目以查看结果。在 Google Cloud 控制台的界面中找到资源，以确保 Terraform 已创建或更新它们。

注意：Terraform 示例通常假定您的 Google Cloud 项目中启用了所需的 API。

API

使用包含 view 属性的表资源调用 tables.insert 方法。

Go

试用此示例之前，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。

如需向 BigQuery 进行身份验证，请设置应用默认凭据。 如需了解详情，请参阅为客户端库设置身份验证。

import (
	"context"
	"fmt"

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

// createView demonstrates creation of a BigQuery logical view.
func createView(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()

	meta := &bigquery.TableMetadata{
		// This example shows how to create a view of the shakespeare sample dataset, which
		// provides word frequency information.  This view restricts the results to only contain
		// results for works that contain the "king" in the title, e.g. King Lear, King Henry V, etc.
		ViewQuery: "SELECT word, word_count, corpus, corpus_date FROM `bigquery-public-data.samples.shakespeare` WHERE corpus LIKE '%king%'",
	}
	if err := client.Dataset(datasetID).Table(tableID).Create(ctx, meta); 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。

如需向 BigQuery 进行身份验证，请设置应用默认凭据。 如需了解详情，请参阅为客户端库设置身份验证。

import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.TableId;
import com.google.cloud.bigquery.TableInfo;
import com.google.cloud.bigquery.ViewDefinition;

// Sample to create a view
public class CreateView {

  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";
    String viewName = "MY_VIEW_NAME";
    String query =
        String.format(
            "SELECT TimestampField, StringField, BooleanField FROM %s.%s", datasetName, tableName);
    createView(datasetName, viewName, query);
  }

  public static void createView(String datasetName, String viewName, 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();

      TableId tableId = TableId.of(datasetName, viewName);

      ViewDefinition viewDefinition =
          ViewDefinition.newBuilder(query).setUseLegacySql(false).build();

      bigquery.create(TableInfo.of(tableId, viewDefinition));
      System.out.println("View created successfully");
    } catch (BigQueryException e) {
      System.out.println("View was not created. \n" + e.toString());
    }
  }
}

Node.js

试用此示例之前，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。

如需向 BigQuery 进行身份验证，请设置应用默认凭据。 如需了解详情，请参阅为客户端库设置身份验证。

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

async function createView() {
  // Creates a new view named "my_shared_view" in "my_dataset".

  /**
   * TODO(developer): Uncomment the following lines before running the sample.
   */
  // const myDatasetId = "my_table"
  // const myTableId = "my_table"
  // const projectId = "bigquery-public-data";
  // const sourceDatasetId = "usa_names"
  // const sourceTableId = "usa_1910_current";
  const myDataset = await bigquery.dataset(myDatasetId);

  // For all options, see https://cloud.google.com/bigquery/docs/reference/v2/tables#resource
  const options = {
    view: `SELECT name 
    FROM \`${projectId}.${sourceDatasetId}.${sourceTableId}\`
    LIMIT 10`,
  };

  // Create a new view in the dataset
  const [view] = await myDataset.createTable(myTableId, options);

  console.log(`View ${view.id} created.`);
}

Python

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

如需向 BigQuery 进行身份验证，请设置应用默认凭据。 如需了解详情，请参阅为客户端库设置身份验证。

from google.cloud import bigquery

client = bigquery.Client()

view_id = "my-project.my_dataset.my_view"
source_id = "my-project.my_dataset.my_table"
view = bigquery.Table(view_id)

# The source table in this example is created from a CSV file in Google
# Cloud Storage located at
# `gs://cloud-samples-data/bigquery/us-states/us-states.csv`. It contains
# 50 US states, while the view returns only those states with names
# starting with the letter 'W'.
view.view_query = f"SELECT name, post_abbr FROM `{source_id}` WHERE name LIKE 'W%'"

# Make an API request to create the view.
view = client.create_table(view)
print(f"Created {view.table_type}: {str(view.reference)}")

创建视图后，您可以按照与查询表相同的方式查询视图。

视图安全性

如需控制对 BigQuery 中视图的访问权限，请参阅授权视图。

后续步骤

• 如需了解如何创建授权视图，请参阅创建授权视图。
• 如需了解如何获取视图元数据，请参阅获取视图相关信息。
• 如需详细了解如何管理视图，请参阅管理视图。