Eseguire query su più tabelle utilizzando una tabella con funzione carattere jolly

Le tabelle con caratteri jolly ti consentono di eseguire query su più tabelle utilizzando istruzioni SQL concise. Le tabelle con caratteri jolly sono disponibili solo in GoogleSQL. Per la funzionalità equivalente in SQL precedente, consulta Funzioni con caratteri jolly per le tabelle.

Una tabella con funzione carattere jolly rappresenta un'unione di tutte le tabelle che corrispondono all'espressione con funzione carattere jolly. Ad esempio, la seguente clausola FROM utilizza l'espressione con caratteri jolly gsod* per trovare tutte le tabelle del set di dati noaa_gsod che iniziano con la stringa gsod.

FROM
  `bigquery-public-data.noaa_gsod.gsod*`

Ogni riga della tabella dei caratteri jolly contiene una colonna speciale, _TABLE_SUFFIX, che contiene il valore corrispondente al carattere jolly.

Limitazioni

Le query delle tabelle con caratteri jolly sono soggette alle seguenti limitazioni.

  • La funzionalità tabella con funzione carattere jolly non supporta le viste. Se la tabella con caratteri jolly corrisponde a una vista nel set di dati, la query restituisce un errore anche se contiene una clausola WHERE nella pseudocolonna _TABLE_SUFFIX per escludere la vista.
  • I risultati memorizzati nella cache non sono supportati per le query su più tabelle che utilizzano un carattere jolly anche se è selezionata l'opzione Utilizza risultati memorizzati nella cache. Se esegui la stessa query con caratteri jolly più volte, ti viene addebitato ogni costo query.
  • Le tabelle con caratteri jolly supportano solo l'archiviazione BigQuery integrata. Non puoi utilizzare i caratteri jolly per eseguire query su una tabella esterna o su una vista.
  • Non puoi utilizzare query con caratteri jolly su tabelle con partizionamento incompatibile o un mix di tabelle partizionate e non partizionate. Inoltre, le tabelle sottoposte a query devono avere specifiche di clustering identiche.
  • Puoi usare tabelle con caratteri jolly con tabelle partizionate, nonché l'eliminazione delle partizioni l'eliminazione dei cluster. Tuttavia, le tabelle sono in cluster ma non partizionate di eliminare i cluster dall'utilizzo dei caratteri jolly.
  • Query che contengono Data Manipulation Language (Manipolazione dei dati) Le istruzioni (DML) non possono utilizzare una tabella con funzione carattere jolly come destinazione della query. Per Ad esempio, è possibile usare una tabella con funzione carattere jolly nella clausola FROM di una tabella UPDATE ma non è possibile usare una tabella con funzione carattere jolly come destinazione di UPDATE operativa.
  • I filtri sulle pseudocolonne _TABLE_SUFFIX o _PARTITIONTIME che includono funzioni definite dall'utente JavaScript non limitano il numero di tabelle sottoposte a scansione in una tabella con caratteri jolly.
  • Le query con caratteri jolly non sono supportate per le tabelle protette da chiavi di crittografia gestite dal cliente (CMEK).
  • Tutte le tabelle a cui viene fatto riferimento in una query con caratteri jolly devono avere esattamente lo stesso insieme di e i valori tag.

  • Quando utilizzi tabelle con caratteri jolly, tutte le tabelle nel set di dati che iniziano con nome della tabella prima che * venga scansionato anche se viene utilizzato _TABLE_SUFFIX in combinazione con REGEXP_CONTAINS e viene fornita un'espressione regolare, come ^[0-9]{2}$. Ad esempio:

    SELECT *
FROM `my_project.my_dataset.my_table_*`
WHERE REGEXP_CONTAINS(_TABLE_SUFFIX, '^[0-9]{2}$');

  • Se una singola tabella sottoposta a scansione presenta una mancata corrispondenza dello schema (ovvero una colonna con lo stesso nome è di tipo diverso), la query non va a buon fine con l'errore Impossibile leggere il campo di tipo X come campo Y: nome_colonna. Tutte le tabelle vengono associate anche se utilizzi l'operatore di uguaglianza =. Ad esempio, nel seguente viene analizzata anche la tabella my_dataset.my_table_03_backup. Di conseguenza, la query potrebbe non riuscire a causa di una mancata corrispondenza dello schema. Tuttavia, se non esiste una mancata corrispondenza dello schema, i risultati provengono solo dalla tabella my_dataset.my_table_03, come previsto. 

    SELECT *
FROM my_project.my_dataset.my_table_*
WHERE _TABLE_SUFFIX = '03'

Prima di iniziare

Quando utilizzare le tabelle con caratteri jolly

Le tabelle con funzione carattere jolly sono utili quando un set di dati contiene più tabelle con nomi simili e schemi compatibili. In genere, questi set di dati contengono tabelle che rappresentano i dati di un singolo giorno, mese o anno. Ad esempio, un per il set di dati pubblico ospitato da BigQuery, Riepilogo della superficie globale NOAA dei dati meteo giornalieri, contiene una tabella per ogni anno dal 1929 a oggi.

Una query che analizza tutti gli ID tabella dal 1929 al 1940 sarebbe molto lunga se devi assegnare un nome a tutte e 12 le tabelle nella clausola FROM (la maggior parte delle tabelle sono omessi in questo esempio):

#standardSQL
SELECT
  max,
  ROUND((max-32)*5/9,1) celsius,
  mo,
  da,
  year
FROM (
  SELECT
    *
  FROM
    `bigquery-public-data.noaa_gsod.gsod1929` UNION ALL
  SELECT
    *
  FROM
    `bigquery-public-data.noaa_gsod.gsod1930` UNION ALL
  SELECT
    *
  FROM
    `bigquery-public-data.noaa_gsod.gsod1931` UNION ALL

  # ... Tables omitted for brevity

  SELECT
    *
  FROM
    `bigquery-public-data.noaa_gsod.gsod1940` )
WHERE
  max != 9999.9 # code for missing data
ORDER BY
  max DESC

La stessa query che utilizza una tabella con caratteri jolly è molto più concisa:

#standardSQL
SELECT
  max,
  ROUND((max-32)*5/9,1) celsius,
  mo,
  da,
  year
FROM
  `bigquery-public-data.noaa_gsod.gsod19*`
WHERE
  max != 9999.9 # code for missing data
  AND _TABLE_SUFFIX BETWEEN '29'
  AND '40'
ORDER BY
  max DESC
Le tabelle con caratteri jolly supportano BigQuery integrato solo spazio di archiviazione. Non è possibile utilizzare caratteri jolly durante l'esecuzione di query su un tabella esterna o una vista.

Sintassi della tabella con caratteri jolly

Sintassi della tabella con caratteri jolly:

SELECT
FROM
  `<project-id>.<dataset-id>.<table-prefix>*`
WHERE
  bool_expression
<project-id>
ID progetto Cloud Platform. (Facoltativo) Se utilizzi l'ID progetto predefinito.
<dataset-id>
ID set di dati BigQuery
.
&lt;table-prefix&gt;
Una stringa comune a tutte le tabelle corrispondenti al carattere jolly. Il prefisso della tabella è facoltativo. Se il prefisso della tabella viene omesso, le corrispondenze sono a tutte le tabelle nel set di dati.
* (carattere jolly)
Il carattere jolly "*" rappresenta uno o più caratteri di una tabella nome. Il carattere jolly può apparire solo come carattere finale di un il nome tabella con funzione carattere jolly.

Le query con tabelle con caratteri jolly supportano la pseudocolonna _TABLE_SUFFIX nella clausola WHERE. Questa colonna contiene i valori corrispondenti al carattere jolly di modo che le query possano filtrare le tabelle a cui si accede. Ad esempio, le seguenti clausole WHERE utilizzano operatori di confronto per filtrare le tabelle corrispondenti:

WHERE
  _TABLE_SUFFIX BETWEEN '29' AND '40'

WHERE
  _TABLE_SUFFIX = '1929'

WHERE
  _TABLE_SUFFIX < '1941'

Per saperne di più sulla pseudocolonna _TABLE_SUFFIX, consulta Filtro delle tabelle selezionate utilizzando _TABLE_SUFFIX.

Racchiudi i nomi delle tabelle con caratteri jolly tra backtick

Il nome della tabella jolly contiene il carattere speciale (*), il che significa che devi racchiudere il nome della tabella jolly tra i caratteri backtick (`). Per Ad esempio, la seguente query è valida perché utilizza apici inversi:

#standardSQL
/* Valid SQL query */
SELECT
  max
FROM
  `bigquery-public-data.noaa_gsod.gsod*`
WHERE
  max != 9999.9 # code for missing data
  AND _TABLE_SUFFIX = '1929'
ORDER BY
  max DESC

La seguente query NON è valida perché non è correttamente racchiusa tra virgolette:

#standardSQL
/* Syntax error: Expected end of statement but got "-" at [4:11] */
SELECT
  max
FROM
  # missing backticks
  bigquery-public-data.noaa_gsod.gsod*
WHERE
  max != 9999.9 # code for missing data
  AND _TABLE_SUFFIX = '1929'
ORDER BY
  max DESC

Le virgolette non funzionano:

#standardSQL
/* Syntax error: Unexpected string literal: 'bigquery-public-data.noaa_gsod.gsod*' at [4:3] */
SELECT
  max
FROM
  # quotes are not backticks
  'bigquery-public-data.noaa_gsod.gsod*'
WHERE
  max != 9999.9 # code for missing data
  AND _TABLE_SUFFIX = '1929'
ORDER BY
  max DESC

Esegui query sulle tabelle utilizzando le tabelle con caratteri jolly

Le tabelle con caratteri jolly ti consentono di eseguire query su più tabelle in modo conciso. Ad esempio, un set di dati pubblico ospitato da BigQuery, il NOAA Global Surface Summary of the Day Weather Data, contiene una tabella per ogni anno dal 1929 a oggi in cui tutti condividono prefisso comune gsod seguito dalle quattro cifre dell'anno. Le tabelle hanno un nome gsod1929, gsod1930, gsod1931 e così via.

Per eseguire una query su un gruppo di tabelle che condividono un prefisso comune, utilizza il carattere jolly della tabella simbolo (*) dopo il prefisso della tabella nell'istruzione FROM. Ad esempio, la seguente query trova la temperatura massima registrata negli anni '40:

#standardSQL
SELECT
  max,
  ROUND((max-32)*5/9,1) celsius,
  mo,
  da,
  year
FROM
  `bigquery-public-data.noaa_gsod.gsod194*`
WHERE
  max != 9999.9 # code for missing data
ORDER BY
  max DESC

Filtrare le tabelle selezionate utilizzando _TABLE_SUFFIX

Per limitare una query in modo che esamini solo un insieme specificato di tabelle, utilizza la pseudocolonna _TABLE_SUFFIX in una clausola WHERE con una condizione che sia un'espressione costante.

La pseudocolonna _TABLE_SUFFIX contiene i valori corrispondenti al carattere jolly della tabella. Ad esempio, la query di esempio precedente, che esegue la scansione di tutte le tabelle degli anni '40, utilizza un carattere jolly per la tabella per rappresentare l'ultima cifra dell'anno:

FROM
  `bigquery-public-data.noaa_gsod.gsod194*`

La pseudocolonna _TABLE_SUFFIX corrispondente contiene valori nell'intervallo Da 0 a 9, che rappresentano le tabelle da gsod1940 a gsod1949. Questi valori _TABLE_SUFFIX possono essere utilizzati in una clausola WHERE per filtrare in base a tabelle specifiche.

Ad esempio, per filtrare in base alla temperatura massima negli anni 1940 e 1944, utilizza i valori 0 e 4 per _TABLE_SUFFIX:

#standardSQL
SELECT
  max,
  ROUND((max-32)*5/9,1) celsius,
  mo,
  da,
  year
FROM
  `bigquery-public-data.noaa_gsod.gsod194*`
WHERE
  max != 9999.9 # code for missing data
  AND ( _TABLE_SUFFIX = '0'
    OR _TABLE_SUFFIX = '4' )
ORDER BY
  max DESC

L'utilizzo di _TABLE_SUFFIX può ridurre notevolmente il numero di byte analizzati, il che contribuisce a ridurre il costo di esecuzione delle tue query.

Tuttavia, i filtri in base a _TABLE_SUFFIX che includono condizioni senza costante non limitano il numero di tabelle analizzate in una tabella con funzione carattere jolly. Per Ad esempio, la seguente query non limita le tabelle analizzate per il carattere jolly tabella bigquery-public-data.noaa_gsod.gsod19* perché il filtro utilizza la classe valore dinamico della colonna table_id:

#standardSQL
# Scans all tables that match the prefix `gsod19`
SELECT
  ROUND((max-32)*5/9,1) celsius
FROM
  `bigquery-public-data.noaa_gsod.gsod19*`
WHERE
  _TABLE_SUFFIX = (SELECT SUBSTR(MAX(table_name), LENGTH('gsod19') + 1)
      FROM `bigquery-public-data.noaa_gsod.INFORMATION_SCHEMA.TABLES`
      WHERE table_name LIKE 'gsod194%')

Un altro esempio è la seguente query, che limita la ricerca in base alla prima condizione di filtro, _TABLE_SUFFIX BETWEEN '40' and '60', perché è un'espressione costante. Tuttavia, la seguente query non limita la scansione in base al secondo filtro condizione, _TABLE_SUFFIX = (SELECT SUBSTR(MAX(table_name), LENGTH('gsod19') + 1) FROM bigquery-public-data.noaa_gsod.INFORMATION_SCHEMA.TABLES WHERE table_name LIKE 'gsod194%'), perché è un'espressione dinamica:

#standardSQL
# Scans all tables with names that fall between `gsod1940` and `gsod1960`
SELECT
  ROUND((max-32)*5/9,1) celsius
FROM
  `bigquery-public-data.noaa_gsod.gsod19*`
WHERE
  _TABLE_SUFFIX BETWEEN '40' AND '60'
  AND _TABLE_SUFFIX = (SELECT SUBSTR(MAX(table_name), LENGTH('gsod19') + 1)
      FROM `bigquery-public-data.noaa_gsod.INFORMATION_SCHEMA.TABLES`
      WHERE table_name LIKE 'gsod194%')

Come soluzione alternativa, puoi eseguire due query separate, ad esempio:

Prima query:

#standardSQL
# Get the list of tables that match the required table name prefixes
SELECT SUBSTR(MAX(table_name), LENGTH('gsod19') + 1)
      FROM `bigquery-public-data.noaa_gsod.INFORMATION_SCHEMA.TABLES`
      WHERE table_name LIKE 'gsod194%'

Seconda query:

#standardSQL
# Construct the second query based on the values from the first query
SELECT
  ROUND((max-32)*5/9,1) celsius
FROM
  `bigquery-public-data.noaa_gsod.gsod19*`
WHERE _TABLE_SUFFIX = '49'

Queste query di esempio utilizzano la visualizzazione INFORMATION_SCHEMA.TABLES. Per ulteriori informazioni sulla tabella INFORMATION_SCHEMA, consulta Recupero dei metadati della tabella utilizzando INFORMATION_SCHEMA.

Scansione di un intervallo di tabelle utilizzando _TABLE_SUFFIX

Per eseguire la scansione di un intervallo di tabelle, utilizza la pseudocolonna _TABLE_SUFFIX insieme alla clausola BETWEEN. Ad esempio, per trovare la temperatura massima riportata in gli anni tra il 1929 e il 1935 inclusi, utilizza il carattere jolly della tabella per rappresentare le ultime due cifre dell'anno:

#standardSQL
SELECT
  max,
  ROUND((max-32)*5/9,1) celsius,
  mo,
  da,
  year
FROM
  `bigquery-public-data.noaa_gsod.gsod19*`
WHERE
  max != 9999.9 # code for missing data
  AND _TABLE_SUFFIX BETWEEN '29' and '35'
ORDER BY
  max DESC

Scansione di un intervallo di tabelle partizionate per data di importazione utilizzando _PARTITIONTIME

Per analizzare un intervallo di tabelle partizionate per data di importazione, utilizza _PARTITIONTIME pseudocolonna con la pseudocolonna _TABLE_SUFFIX. Ad esempio, la seguente query analizza la partizione del 1° gennaio 2017 nella tabella my_dataset.mytable_id1.

#standardSQL
SELECT
  field1,
  field2,
  field3
FROM
  `my_dataset.mytable_*`
WHERE
  _TABLE_SUFFIX = 'id1'
  AND _PARTITIONTIME = TIMESTAMP('2017-01-01')

Esecuzione di query su tutte le tabelle in un set di dati

Per eseguire la scansione di tutte le tabelle di un set di dati, puoi utilizzare un prefisso vuoto e il carattere jolly per le tabelle, il che significa che la pseudocolonna _TABLE_SUFFIX contiene i nomi completi delle tabelle. Ad esempio, la seguente clausola FROM analizza tutte le tabelle in il set di dati GSOD:

FROM
  `bigquery-public-data.noaa_gsod.*`

Con un prefisso vuoto, la pseudocolonna _TABLE_SUFFIX contiene la tabella completa i nomi degli utenti. Ad esempio, la seguente query è equivalente all'esempio precedente che trova la temperatura massima tra il 1929 e il 1935, ma utilizza i nomi completi delle tabelle nella clausola WHERE:

#standardSQL
SELECT
  max,
  ROUND((max-32)*5/9,1) celsius,
  mo,
  da,
  year
FROM
  `bigquery-public-data.noaa_gsod.*`
WHERE
  max != 9999.9 # code for missing data
  AND _TABLE_SUFFIX BETWEEN 'gsod1929' and 'gsod1935'
ORDER BY
  max DESC

Tieni presente, tuttavia, che i prefissi più lunghi in genere hanno un rendimento migliore. Per ulteriori informazioni, consulta le best practice.

Dettagli sull'esecuzione della query

Schema utilizzato per la valutazione delle query

Per eseguire una query GoogleSQL che utilizza una tabella con caratteri jolly, BigQuery deduce automaticamente lo schema della tabella. BigQuery utilizza lo schema della tabella creata più di recente che corrisponde al carattere jolly come schema per la tabella jolly. Anche se limita il numero di tabelle da utilizzare dalla tabella con funzione carattere jolly usando la pseudocolonna _TABLE_SUFFIX in una clausola WHERE, BigQuery utilizza lo schema dell'ultima tabella creata che corrisponde al carattere jolly.

Se una colonna dello schema dedotto non esiste in una tabella con corrispondenza, BigQuery restituisce valori NULL per quella colonna nelle righe della tabella in cui manca la colonna.

Se lo schema non è coerente tra le tabelle corrispondenti al carattere jolly della query, BigQuery restituisce un errore. Questo è il caso le colonne delle tabelle corrispondenti hanno tipi di dati diversi o quando le colonne che non sono presenti in tutte le tabelle corrispondenti non si può presumere che abbiano un valore nullo.

Best practice

  • In genere, i prefissi più lunghi hanno un rendimento migliore rispetto a quelli più brevi. Ad esempio, la seguente query utilizza un prefisso lungo (gsod200):

    #standardSQL
SELECT
max
FROM
`bigquery-public-data.noaa_gsod.gsod200*`
WHERE
max != 9999.9 # code for missing data
AND _TABLE_SUFFIX BETWEEN '0' AND '1'
ORDER BY
max DESC

    La seguente query in genere ha un rendimento peggiore perché utilizza un campo vuoto prefisso:

    #standardSQL
SELECT
max
FROM
`bigquery-public-data.noaa_gsod.*`
WHERE
max != 9999.9 # code for missing data
AND _TABLE_SUFFIX BETWEEN 'gsod2000' AND 'gsod2001'
ORDER BY
max DESC

  • Il partizionamento è consigliato rispetto allo sharding, perché le tabelle partizionate hanno un rendimento migliore. Lo sharding riduce le prestazioni e crea più tabelle da gestire. Per ulteriori informazioni, consulta Partizionamento e suddivisione in parti.

Per le best practice per il controllo dei costi in BigQuery, consulta Controllo dei costi in BigQuery

Passaggi successivi