Esporta i dati delle tabelle in Cloud Storage
Questa pagina descrive come esportare o estrarre i dati dalle tabelle BigQuery in Cloud Storage.
Dopo aver caricato i dati in BigQuery, puoi esportarli in diversi formati. BigQuery può esportare fino a 1 GB di dati in un singolo file. Se esporti più di 1 GB di dati, devi esportarli in più file. Quando esportare i dati in più file, le dimensioni dei file variano.
Puoi utilizzare un servizio come Dataflow per leggere i dati da BigQuery anziché esportarli manualmente. Per ulteriori informazioni sull'uso di Dataflow per leggere e scrivere BigQuery, consulta BigQuery I/O nella documentazione di Apache Beam.
Puoi anche esportare i risultati di una query utilizzando
EXPORT DATA
l'Informativa. Puoi utilizzare EXPORT DATA OPTIONS
per esportare le visualizzazioni in Cloud Storage.
Limitazioni per l'esportazione
Quando esporti i dati da BigQuery, tieni presente quanto segue:
- Non puoi esportare i dati della tabella in un file locale, in Fogli Google o su Google Drive. L'unica posizione di esportazione supportata è Cloud Storage. Per informazioni sul salvataggio dei risultati delle query, consulta Download e salvataggio dei risultati delle query.
- Puoi esportare fino a 1 GB di dati di tabelle in un singolo file. Se esportare più di 1 GB di dati, utilizza un carattere jolly per esportare i dati in più file. Quando esporti i dati in più file, le dimensioni dei file varieranno. Per limitare le dimensioni del file esportato, puoi partizionare i dati ed esportare ogni partizione.
- Le dimensioni del file generato quando si utilizza l'istruzione
EXPORT DATA
non sono garantite. - Il numero di file generati da un job di esportazione può variare.
- Non puoi esportare dati nidificati e ripetuti in formato CSV. Nidificati e ripetuti sono supportati per le esportazioni Avro, JSON e Parquet.
- Quando esporti i dati in JSON, INT64 i tipi di dati (numero intero) sono codificati come stringhe JSON per preservare la precisione a 64 bit quando i dati vengono letti da altri sistemi.
- Non puoi esportare i dati da più tabelle in un unico job di esportazione.
- Non puoi scegliere un tipo di compressione diverso da
GZIP
quando esporti i dati utilizzando la console Google Cloud. - Quando esporti i dati in un bucket Cloud Storage configurato con un regolamento sulla conservazione, BigQuery potrebbe non riuscire a scrivere i file nel bucket. Configura il periodo di conservazione in modo che sia più lungo di dei job di esportazione.
- Quando esporti una tabella in formato JSON, i simboli
<
,>
e&
vengono convertiti utilizzando la notazione Unicode\uNNNN
, doveN
è una cifra esadecimale. Ad esempio,profit&loss
diventaprofit\u0026loss
. Questa conversione Unicode viene eseguita per evitare vulnerabilità di sicurezza. - L'ordine dei dati della tabella esportati non è garantito, a meno che non utilizzi l'istruzione
EXPORT DATA
e specifichi una clausolaORDER BY
inquery_statement
. - BigQuery non supporta i percorsi delle risorse Cloud Storage
che includono più barre consecutive dopo la barra doppia iniziale.
I nomi degli oggetti Cloud Storage possono contenere più barre consecutive
("/"). Tuttavia, BigQuery converte più
barre consecutive in una singola barra. Ad esempio, la seguente risorsa
questo percorso, sebbene valido in Cloud Storage, non funziona in
BigQuery:
gs://bucket/my//object//name
. - I nuovi dati caricati in BigQuery durante l'esecuzione di un job di esportazione non verranno inclusi nel job. Devi creare un nuovo job di esportazione per esportare i nuovi dati.
Prima di iniziare
Concedi i ruoli IAM (Identity and Access Management) che concedono agli utenti le autorizzazioni necessarie per eseguire ogni attività in questo documento.
Autorizzazioni obbligatorie
Per eseguire le attività in questo documento, devi disporre delle seguenti autorizzazioni.
Autorizzazioni per esportare i dati da una tabella BigQuery
Per esportare i dati da una tabella BigQuery, devi disporre dell'bigquery.tables.export
autorizzazione IAM.
Ciascuno dei seguenti ruoli IAM predefiniti include l'autorizzazione bigquery.tables.export
:
roles/bigquery.dataViewer
roles/bigquery.dataOwner
roles/bigquery.dataEditor
roles/bigquery.admin
Autorizzazioni per eseguire un job di esportazione
Per eseguire un job di esportazione, devi disporre dell'autorizzazione IAM bigquery.jobs.create
.
Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per eseguire un job di esportazione:
roles/bigquery.user
roles/bigquery.jobUser
roles/bigquery.admin
Autorizzazioni per scrivere i dati nel bucket Cloud Storage
Per scrivere i dati in un bucket Cloud Storage esistente, devi disporre delle seguenti autorizzazioni IAM:
storage.objects.create
storage.objects.delete
Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per scrivere i dati in un bucket Cloud Storage esistente:
roles/storage.objectAdmin
roles/storage.admin
Per ulteriori informazioni su ruoli e autorizzazioni IAM in BigQuery, vedi Autorizzazioni e ruoli predefiniti.
Considerazioni sulla località
Colloca i bucket Cloud Storage per l'esportazione dei dati:- Se il set di dati BigQuery si trova nella regione multipla
EU
, il bucket Cloud Storage contenente i dati esportati deve trovarsi nella stessa regione multipla o in una posizione contenuta nella regione multipla. Ad esempio, se il set di dati BigQuery si trova nella regione multiregionaleEU
, il bucket Cloud Storage può trovarsi nella regioneeurope-west1
del Belgio, che fa parte dell'UE.Se il set di dati si trova nell'area geografica multipla
US
, puoi esportare i dati in un bucket Cloud Storage in qualsiasi posizione. - Se il set di dati si trova in una regione, il bucket Cloud Storage deve trovarsi nella stessa regione. Per
Ad esempio, se il set di dati si trova nella regione
asia-northeast1
di Tokyo, i dati di Cloud Storage il bucket non può trovarsi nella località multiregionaleASIA
.
- Se scegli una risorsa di archiviazione regionale, ad esempio un set di dati BigQuery un bucket Cloud Storage, sviluppa un piano la gestione geografica dei tuoi dati.
Per ulteriori informazioni sulle località di Cloud Storage, vedi Località dei bucket nella documentazione di Cloud Storage.
Spostare i dati BigQuery tra posizioni
Non puoi modificare la posizione di un set di dati dopo averlo creato, ma puoi crearne una copia. Non puoi spostare un set di dati da una località a un'altra, ma puoi spostare (ricreare) manualmente un set di dati.
Formati di esportazione e tipi di compressione
BigQuery supporta i seguenti formati di dati e tipi di compressione per i dati esportati.
Formato dei dati | Tipi di compressione supportati | Dettagli |
---|---|---|
CSV | GZIP | Puoi controllare il delimitatore CSV nei dati esportati utilizzando
il flag dello strumento a riga di comando I dati nidificati e ripetuti non sono supportati. |
JSON | GZIP | Sono supportati i dati nidificati e ripetuti. |
Avro | DEFLATE, PUNTEGGIO | GZIP non è supportato per le esportazioni Avro. Sono supportati i dati nidificati e ripetuti. Consulta Dettagli sull'esportazione in Avro. |
Parquet | SNAPPY, GZIP, ZSTD | Sono supportati i dati nidificati e ripetuti. Consulta: Dettagli dell'esportazione del Parquet. |
Esporta i dati
Puoi esportare i dati della tabella:
- Utilizzo della console Google Cloud
- Uso del comando
bq extract
nello strumento a riga di comando bq - Invio di un job
extract
utilizzando l'API o le librerie client
Esportare i dati delle tabelle
Per esportare i dati da una tabella BigQuery:
Console
Apri la pagina BigQuery nella console Google Cloud.
Nel riquadro Explorer, espandi il progetto e il set di dati, quindi seleziona nella tabella.
Nel riquadro dei dettagli, fai clic su Esporta e seleziona Esporta in. Cloud Storage.
Nella finestra di dialogo Esporta la tabella in Google Cloud Storage:
- In Seleziona la località di Google Cloud Storage, cerca il bucket una cartella o un file in cui vuoi esportare i dati.
- In Formato esportazione, scegli il formato per i dati esportati: CSV, JSON (Newline Delimited), Avro o Parquet.
- Per Compressione, seleziona un formato di compressione oppure
None
per senza compressione. - Fai clic su Esporta per esportare la tabella. google3/googledata/devsite/site-cloud/en/bigquery/docs/introduction-sql.md Per controllare l'avanzamento del job, guarda vicino alla parte superiore della Navigazione per Cronologia dei job per un job di Esporta.
Per esportare le visualizzazioni in Cloud Storage, utilizza l'istruzione EXPORT DATA OPTIONS
.
SQL
Utilizza
l'istruzione EXPORT DATA
.
L'esempio seguente esporta
i campi selezionati da una tabella denominata mydataset.table1
:
Nella console Google Cloud, vai alla pagina BigQuery.
Nell'editor di query, inserisci la seguente istruzione:
EXPORT DATA OPTIONS ( uri = 'gs://bucket/folder/*.csv', format = 'CSV', overwrite = true, header = true, field_delimiter = ';') AS ( SELECT field1, field2 FROM mydataset.table1 ORDER BY field1 );
Fai clic su
Esegui.
Per ulteriori informazioni su come eseguire query, consulta Eseguire una query interattiva.
bq
Utilizza il comando bq extract
con il flag --destination_format
.
(Facoltativo) Fornisci il flag --location
e imposta il valore su
località.
Altri flag facoltativi includono:
--compression
: il tipo di compressione da utilizzare per i file esportati.--field_delimiter
: il carattere che indica il confine tra nel file di output per le esportazioni CSV. Sia\t
chetab
sono consentiti per i delimitatori di tabulazione.--print_header
: se specificato, stampa le righe di intestazione per i formati che hanno intestazioni, ad esempio CSV.
bq extract --location=location \ --destination_format format \ --compression compression_type \ --field_delimiter delimiter \ --print_header=boolean \ project_id:dataset.table \ gs://bucket/filename.ext
Dove:
- location è il nome della tua sede. Il flag
--location
è facoltativo. Ad esempio, se utilizzi BigQuery Regione di Tokyo, puoi impostare il valore del flag suasia-northeast1
. Puoi impostare un valore predefinito per la posizione utilizzando il file .bigqueryrc. - format è il formato per i dati esportati:
CSV
.NEWLINE_DELIMITED_JSON
,AVRO
oPARQUET
. - compression_type è un tipo di compressione supportato per i tuoi dati formato. Consulta Formati di esportazione e tipi di compressione.
- delimiter è il carattere che indica il confine tra
nelle esportazioni CSV.
\t
etab
sono nomi accettati per la scheda. - boolean è
true
ofalse
. Se impostato sutrue
, le righe di intestazione vengono stampati nei dati esportati se il formato dei dati supporta le intestazioni. La il valore predefinito ètrue
. - project_id è l'ID progetto.
- dataset è il nome del set di dati di origine.
- table è la tabella che stai esportando. Se utilizzi un
decoratore della partizione,
il percorso della tabella deve essere racchiuso tra virgolette singole oppure
l'interpretazione letterale del carattere
$
. - bucket è il nome del bucket Cloud Storage a cui sei esportando i dati. Il set di dati BigQuery e Il bucket Cloud Storage deve trovarsi nella stessa località.
- filename.ext è il nome e l'estensione dei dati esportati . Puoi eseguire l'esportazione in più file utilizzando un carattere jolly.
Esempi:
Ad esempio, il seguente comando esporta mydataset.mytable
in un file compresso con gzip denominato myfile.csv
. myfile.csv
è archiviato in un
Bucket Cloud Storage denominato example-bucket
.
bq extract \ --compression GZIP \ 'mydataset.mytable' \ gs://example-bucket/myfile.csv
Il formato di destinazione predefinito è CSV. Per eseguire l'esportazione in JSON o Avro, utilizza
destination_format
e impostato su NEWLINE_DELIMITED_JSON
o AVRO
. Ad esempio:
bq extract \ --destination_format NEWLINE_DELIMITED_JSON \ 'mydataset.mytable' \ gs://example-bucket/myfile.json
Il seguente comando esporta mydataset.mytable
in un file Avro che è
compressi usando Snappy. Il file è denominato myfile.avro
. myfile.avro
è
esportato in un bucket Cloud Storage denominato example-bucket
.
bq extract \ --destination_format AVRO \ --compression SNAPPY \ 'mydataset.mytable' \ gs://example-bucket/myfile.avro
Il seguente comando esporta una singola partizione dimydataset.my_partitioned_table
in un file CSV in Cloud Storage:
bq extract \ --destination_format CSV \ 'mydataset.my_partitioned_table$0' \ gs://example-bucket/single_partition.csv
API
Per esportare i dati, crea un job extract
e compila la configurazione del job.
(Facoltativo) Specifica la tua località nella proprietà location
del
Sezione jobReference
della risorsa job.
Crea un job di estrazione che indichi i dati di origine BigQuery e la destinazione Cloud Storage.
Specifica la tabella di origine utilizzando l'oggetto di configurazione
sourceTable
che contiene l'ID progetto, l'ID del set di dati e l'ID tabella.La proprietà
destination URI(s)
devono essere pienamente qualificati, nel formatogs://bucket/filename.ext
. Ogni URI può contenere un carattere "*" carattere jolly che deve essere inserito dopo il nome del bucket.Specifica il formato dei dati impostando il parametro
configuration.extract.destinationFormat
proprietà. Ad esempio, per esportare un file JSON, imposta questa proprietà sul valoreNEWLINE_DELIMITED_JSON
.Per controllare lo stato del job, chiama jobs.get(job_id) con l'ID del job restituito dalla richiesta iniziale.
- Se
status.state = DONE
, il job è stato completato correttamente. - Se è presente la proprietà
status.errorResult
, la richiesta non è riuscita. e l'oggetto includerà informazioni che descrivono cosa non ha funzionato. - Se il campo
status.errorResult
non è presente, il job è stato completato correttamente. anche se potrebbero essersi verificati alcuni errori non irreversibili. Errori non irreversibili sono elencate nella proprietàstatus.errors
dell'oggetto job restituito.
- Se
Note API:
Come best practice, genera un ID univoco e passalo come
jobReference.jobId
quando chiamijobs.insert
per creare un job. Questo è più efficace per gli errori di rete perché il client può eseguire il polling o riprova sull'ID job noto.Chiamare
jobs.insert
su un determinato ID job è idempotente: in altre parole, puoi riprovare tutte le volte che vuoi per lo stesso ID job e al massimo una delle queste operazioni avranno esito positivo.
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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per le librerie client.
Vai
Prima di provare questo esempio, segui le istruzioni per la configurazione di Go nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
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 saperne di più, consulta Configurare l'autenticazione per le librerie client.
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.
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.
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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
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 ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
Dettagli esportazione Avro
BigQuery esprime i dati nel formato Avro nei seguenti modi:
- I file di esportazione risultanti sono file container Avro.
- Ogni riga di BigQuery è rappresentata come un record Avro. I dati nidificati sono rappresentati da oggetti record nidificati.
- I campi
REQUIRED
sono rappresentati come i tipi Avro corrispondenti. Ad esempio, un tipoINTEGER
BigQuery viene mappato a un tipoLONG
Avro. - I campi
NULLABLE
sono rappresentati come un'unione Avro del tipo corrispondente e "null". - I campi
REPEATED
sono rappresentati come array Avro. - Per impostazione predefinita, i tipi di dati
TIMESTAMP
sono rappresentati come tipo logicotimestamp-micros
(annotano un tipo AvroLONG
) sia nei job di estrazione sia in SQL Export Data. Attenzione: puoi aggiungereuse_avro_logical_types=False
aExport Data Options
per disattivare il tipo logico in modo da utilizzare il tipostring
nella colonna del timestamp, ma nei job di estrazione viene sempre utilizzato il tipo logico Avro. DATE
tipi di dati sono rappresentati come tipo logicodate
(aggiunge un'annotazione AvroINT
) per impostazione predefinita in Esporta dati SQL, ma sono rappresentati come tipostring
per impostazione predefinita in Estrai job. Nota: puoi aggiungereuse_avro_logical_types=False
aExport Data Options
per disabilitare il tipo logico oppure usa il flag--use_avro_logical_types=True
per abilitare il tipo logico in Estrai job.)- I tipi di dati
TIME
sono rappresentati come tipo logicotimestamp-micro
(annotano un tipo AvroLONG
) per impostazione predefinita in SQL di esportazione dei dati, ma sono rappresentati come tipostring
per impostazione predefinita nei job di estrazione. Nota: puoi aggiungere Dause_avro_logical_types=False
aExport Data Options
per disattivare la logica o utilizza il flag--use_avro_logical_types=True
per abilitare il tipo logico in Estrai job). DATETIME
tipi di dati sono rappresentati come tipi di dati AvroSTRING
(un tipo di stringa) con tipo logico con nome personalizzatodatetime
) per impostazione predefinita in Esporta dati SQL, ma sono rappresentati come tipostring
per impostazione predefinita nei job di estrazione. Nota: puoi aggiungereuse_avro_logical_types=False
aExport Data Options
per disattivare il tipo logico o utilizzare il flag--use_avro_logical_types=True
per attivare il tipo logico nei job di estrazione.
Trasferimento dei tipi di dati NUMERIC(P[, S])
e BIGNUMERIC(P[, S])
con parametri
i loro parametri di precisione e scala al tipo logico decimale Avro.
Il formato Avro non può essere utilizzato in combinazione con la compressione GZIP. Per comprimere
Per i dati Avro, usa lo strumento a riga di comando bq o l'API e specifica uno dei
tipi di compressione supportati per i dati Avro: DEFLATE
o SNAPPY
.
Dettagli esportazione in parquet
BigQuery converte i tipi di dati GoogleSQL nei seguenti tipi di dati Parquet:
Tipo di dati BigQuery | Tipo primitivo Parquet | Tipo logico Parquet |
---|---|---|
Numero intero | INT64 |
NONE |
Numerico | FIXED_LEN_BYTE_ARRAY |
DECIMAL (precision = 38, scale = 9) |
Numerico(P[, S]) | FIXED_LEN_BYTE_ARRAY |
DECIMAL (precision = P, scale = S) |
BigNumeric | FIXED_LEN_BYTE_ARRAY |
DECIMAL (precision = 76, scale = 38) |
BigNumeric(P[, S]) | FIXED_LEN_BYTE_ARRAY |
DECIMAL (precision = P, scale = S) |
Virgola mobile | FLOAT |
NONE |
Booleano | BOOLEAN |
NONE |
Stringa | BYTE_ARRAY |
STRING (UTF8) |
Byte | BYTE_ARRAY |
NONE |
Data | INT32 |
DATE |
Data/ora | INT64 |
TIMESTAMP (isAdjustedToUTC = false, unit = MICROS) |
Ora | INT64 |
TIME (isAdjustedToUTC = true, unit = MICROS) |
Timestamp | INT64 |
TIMESTAMP (isAdjustedToUTC = false, unit = MICROS) |
Lo schema Parquet rappresenta i dati nidificati come gruppo e i record ripetuti come e gruppi ripetuti. Per ulteriori informazioni sull'utilizzo di dati nidificati e ripetuti in BigQuery, consulta Specificare colonne nidificate e ripetute.
Puoi utilizzare le seguenti soluzioni alternative per i tipi DATETIME
:
- Carica il file in una tabella intermedia. Quindi, utilizza una query SQL per eseguire il casting del campo in un valore
DATETIME
e salva il risultato in una nuova tabella. Per ulteriori informazioni, vedi Modificare il tipo di dati di una colonna. - Fornisci uno schema per la tabella utilizzando il flag
--schema
nel job di caricamento. Definisci la colonna data/ora comecol:DATETIME
.
Esportazione di dati in uno o più file
La proprietà destinationUris
indica una o più posizioni e nomi file in cui
BigQuery dovrebbe esportare i file.
BigQuery supporta un singolo operatore jolly (*) in ogni URI. Il carattere jolly può comparire in qualsiasi punto dell'URI, tranne che all'interno del nome del bucket. Utilizzo
l'operatore con caratteri jolly indica a BigQuery di creare più
i file con sharding basso in base al pattern fornito. L'operatore jolly viene sostituito
con un numero (a partire da 0), con zeri iniziali fino a 12 cifre. Ad esempio, un URI con un carattere jolly alla fine del nome file crea file con 000000000000
aggiunto al primo file e 000000000001
aggiunto al secondo file, continuando con questo schema.
La seguente tabella descrive diverse possibili opzioni per destinationUris
proprietà:
Opzioni destinationUris |
|
---|---|
URI singolo |
Utilizza un singolo URI se esporti dati di tabelle di dimensioni pari o inferiori a 1 GB. Questa opzione è il caso d'uso più comune, in quanto i dati esportati sono
generalmente inferiore al valore massimo di 1 GB. Questa opzione non è
supportati per
Definizione della proprietà:
Crea: gs://my-bucket/file-name.json |
URI con carattere jolly singolo |
Utilizza un singolo URI con caratteri jolly se ritieni che i dati esportati verranno superiore al valore massimo di 1 GB. BigQuery suddivide i dati in più file in base al pattern fornito. Le dimensioni i file esportati varieranno. Se utilizzi un carattere jolly in un componente URI diverso dal nome file, assicurati che il percorso non esiste prima di esportare i dati. Definizione della proprietà:
Crea: gs://my-bucket/file-name-000000000000.json gs://my-bucket/file-name-000000000001.json gs://my-bucket/file-name-000000000002.json ... |
Limitare le dimensioni del file esportato
Quando esporti più di 1 GB di dati in una singola esportazione, devi utilizzare un carattere jolly per esportare i dati in più file e le dimensioni dei file variano. Se devi limitare la dimensione massima di ciascun file esportato, un'opzione consiste nel partizionare i dati in modo casuale e quindi esportare ogni partizione in un file:
- Determina il numero di partizioni necessarie, che corrisponde alle dimensioni totali dei dati divise per le dimensioni del file esportato scelto. Ad esempio, se hai 8000 MB di dati e vuoi che ogni file esportato abbia circa 20 MB, hai bisogno di 400 partizioni.
Crea una nuova tabella partizionata e raggruppata in base a un nuovo colonna generata denominata
export_id
. L'esempio seguente mostra come crea un nuovoprocessed_table
da una tabella esistente denominatasource_table
che richieden
partizioni per ottenere la dimensione di file scelta:CREATE TABLE my_dataset.processed_table PARTITION BY RANGE_BUCKET(export_id, GENERATE_ARRAY(0, n, 1)) CLUSTER BY export_id AS ( SELECT *, CAST(FLOOR(n*RAND()) AS INT64) AS export_id FROM my_dataset.source_table );
Per ogni numero intero
i
compreso tra 0 en-1
, esegui un'istruzioneEXPORT DATA
sulla seguente query:SELECT * EXCEPT(export_id) FROM my_dataset.processed_table WHERE export_id = i;
Estrai tabella compressa
Go
Prima di provare questo esempio, segui le istruzioni per la configurazione di Go nel Guida rapida di BigQuery con librerie client. Per ulteriori informazioni, consulta API Go BigQuery documentazione di riferimento.
Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
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.
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 autenticarti a BigQuery, configura le credenziali predefinite dell'applicazione. Per ulteriori informazioni, vedi Configura l'autenticazione per le librerie client.
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 API Python 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.
Esportare i metadati della tabella
Per esportare i metadati di una tabella da una tabella gestita di BigLake, utilizza la seguente istruzione SQL:
EXPORT TABLE METADATA FROM `[[PROJECT_NAME.]DATASET_NAME.]TABLE_NAME`;
Sostituisci quanto segue:
- PROJECT_NAME: il nome del progetto per la tabella. Il valore predefinito al progetto che esegue questa query.
- DATASET_NAME: il nome del set di dati per la tabella.
- TABLE_NAME: il nome della tabella.
I metadati esportati si trovano in STORAGE_URI/metadata
cartella, dove STORAGE_URI è la posizione di archiviazione della tabella impostata nel
le opzioni di CPU e memoria disponibili.
Caso d'uso di esempio
Questo esempio mostra come esportare i dati in Cloud Storage.
Supponiamo che tu stia trasmettendo in streaming i dati su Cloud Storage dai log degli endpoint continuamente. Uno snapshot giornaliero deve essere esportato in Cloud Storage per scopi di backup e archiviazione. La scelta migliore è estrazione job soggetto a determinati quote e limitazioni.
Invia un job di estrazione con l'API o le librerie client, passando un ID univoco come jobReference.jobId
. I job di estrazione sono asincroni.
Controlla lo stato del job
utilizzando l'ID univoco del job utilizzato per crearlo. Il job è stato completato correttamente se status.status
è DONE
. Se è presente status.errorResult
,
il job non è riuscito ed è necessario riprovare.
Elaborazione dei dati in batch
Supponiamo che venga utilizzato un job batch notturno per caricare i dati entro una scadenza fissa. Al termine di questo job di caricamento, viene visualizzata una tabella con le statistiche da una query come descritto nella sezione precedente. I dati di questa tabella vengono recuperati e compilati in un report PDF e inviati a un ente regolatore.
Poiché la quantità di dati da leggere è ridotta, utilizza l'API
tabledata.list
per recuperare tutte le righe della tabella in formato dizionario JSON. Se c'è
più di una pagina di dati, i risultati hanno la proprietà pageToken
per iniziare. Per recuperare la pagina successiva di risultati, effettua un'altra chiamata a tabledata.list
e includi il valore del token come parametro pageToken
. Se la chiamata API
ha un errore
Errore 5xx,
e riprova con il backoff esponenziale. La maggior parte degli errori 4xx non può essere ritentata. Per
un migliore disaccoppiamento di BigQuery Export e la generazione di report,
i risultati devono essere resi permanenti su disco.
Criteri per le quote
Per informazioni sulle quote dei job di esportazione, consulta Job di esportazione nella pagina Quote e limiti.
L'utilizzo dei job di esportazione è disponibile in INFORMATION_SCHEMA
.
La voce del job nelle tabelle di sistema JOBS_BY_*
per il job di esportazione contiene un valore total_processed_bytes
che può essere utilizzato per monitorare l'utilizzo aggregato in modo che rimanga al di sotto di 50 TiB al giorno. Per scoprire come eseguire query sul
INFORMATION_SCHEMA.JOBS
visualizzazione per ottenere il valore total_processed_bytes
, vedi
Ottieni byte elaborati dai job di esportazione
Visualizza l'utilizzo attuale della quota
Puoi visualizzare l'utilizzo corrente dei job di query, caricamento, estrazione o copia eseguendo
una query INFORMATION_SCHEMA
per visualizzare i metadati dei job eseguiti in un
periodo di tempo specificato. Puoi confrontare l'utilizzo corrente con il limite di quota per determinare l'utilizzo della quota per un determinato tipo di job. La seguente query di esempio utilizza la vista INFORMATION_SCHEMA.JOBS
per elencare il numero di job di query, caricamento, estrazione e copia per progetto:
SELECT sum(case when job_type="QUERY" then 1 else 0 end) as QRY_CNT, sum(case when job_type="LOAD" then 1 else 0 end) as LOAD_CNT, sum(case when job_type="EXTRACT" then 1 else 0 end) as EXT_CNT, sum(case when job_type="COPY" then 1 else 0 end) as CPY_CNT FROM `region-eu`.INFORMATION_SCHEMA.JOBS_BY_PROJECT WHERE date(creation_time)= CURRENT_DATE()
Puoi configurare un criterio di avviso di Cloud Monitoring che avvisa il numero di byte esportati.
Nella console Google Cloud, vai alla pagina Monitoring.
Nel riquadro di navigazione, seleziona Esplora metriche.
Nell'editor di query MQL, configura un avviso per monitorare i byte esportati al giorno, come illustrato nell'esempio seguente:
fetch consumer_quota | filter resource.service == 'bigquery.googleapis.com' | { metric serviceruntime.googleapis.com/quota/rate/net_usage | align delta_gauge(1m) | group_by [resource.project_id, metric.quota_metric, resource.location], sum(value.net_usage) ; metric serviceruntime.googleapis.com/quota/limit | filter metric.limit_name == 'ExtractBytesPerDay' | group_by [resource.project_id, metric.quota_metric, resource.location], sliding(1m), max(val()) } | ratio | every 1m | condition gt(val(), 0.01 '1')
Per configurare l'avviso, fai clic su Esegui query.
Per ulteriori informazioni, consulta Criteri di avviso con MQL.
Risoluzione dei problemi
Per diagnosticare i problemi relativi ai job di estrazione, puoi utilizzare Esplora log per esaminare i log per uno specifico job di estrazione e identificare possibili errori. Il seguente filtro di Esplora log restituisce informazioni sul tuo di estrazione dei job:
resource.type="bigquery_resource"
protoPayload.methodName="jobservice.insert"
(protoPayload.serviceData.jobInsertRequest.resource.jobConfiguration.query.query=~"EXPORT" OR
protoPayload.serviceData.jobCompletedEvent.eventName="extract_job_completed" OR
protoPayload.serviceData.jobCompletedEvent.job.jobConfiguration.query.query=~"EXPORT")
Prezzi
Per informazioni sui prezzi dell'esportazione dei dati, consulta la pagina Prezzi di BigQuery.
Una volta esportati i dati, ti viene addebitato il costo per l'archiviazione dei dati di archiviazione ideale in Cloud Storage. Per ulteriori informazioni, consulta i prezzi di Cloud Storage.
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 sulla console Google Cloud, consulta Utilizzo della console Google Cloud.
- Per saperne di più sullo strumento a riga di comando bq, consulta Utilizzo dello strumento a riga di comando bq.
- Per scoprire come creare un'applicazione utilizzando le librerie client dell'API BigQuery, consulta la Guida rapida alle librerie client.