查詢 Google 雲端硬碟資料

本頁面說明如何使用 BigQuery 查詢儲存在 Google 雲端硬碟中的資料。

BigQuery 同時支援查詢個人 Google 雲端硬碟檔案和小組雲端硬碟檔案。如要進一步瞭解 Google 雲端硬碟,請參閱 G Suite 學習中心

您可以查詢 Google 雲端硬碟中以下格式的檔案:

  • 逗號分隔值 (CSV)
  • JSON (以換行符號分隔)
  • Avro 檔案
  • Google 試算表 (僅限第一個分頁)

如要直接查詢 Google 雲端硬碟外部資料來源,請提供資料的 Google 雲端硬碟 URI 路徑,並建立參照資料來源的外部資料表。用來參照 Google 雲端硬碟資料來源的資料表可以是永久資料表,也可以是臨時資料表

取得 Google 雲端硬碟 URI

如要建立 Google 雲端硬碟資料來源的外部資料表,您必須提供 Google 雲端硬碟 URI。如何取得 Google 雲端硬碟 URI:

  1. 前往 Google 雲端硬碟

  2. 在檔案上按滑鼠右鍵並選取 [Get shareable link] (取得檔案共用連結)。URI 格式範例如下:https://drive.google.com/open?id=[FILE_ID]

    其中:

    • [FILE_ID] 是您 Google 雲端硬碟檔案的 ID (由英數字元組成)

啟用 Google 雲端硬碟存取權

無論是定義聯合來源或執行查詢期間,只要存取託管於 Google 雲端硬碟中的資料就需要額外的 OAuth 範圍。雖然預設為停用,但您可以透過下列機制將其包含在 UI、CLI 或 API 中:

主控台

在 BigQuery 網頁版 UI 中建立永久資料表時,請按照網頁驗證步驟操作。當系統提示時,按一下 [Allow] (允許),授予 BigQuery 用戶端工具 Google 雲端硬碟的存取權。

傳統版 UI

在 BigQuery 網頁版 UI 中建立永久資料表時,請按照網頁驗證步驟操作。當系統提示時,按一下 [Allow] (允許),授予 BigQuery 用戶端工具 Google 雲端硬碟的存取權。

CLI


如何啟用 Google 雲端硬碟存取權:

  1. 輸入以下指令,確認您擁有最新版本的指令列工具。

    gcloud components update
    
  2. 輸入下列指令,驗證 Google 雲端硬碟。

    gcloud auth login --enable-gdrive-access
    

API


如果您使用 BigQuery API,除了 BigQuery 的 OAuth 範圍,您還必須要求 Google 雲端硬碟的 OAuth 範圍

Python

在試用這個範例程式之前,請至 BigQuery 快速入門導覽課程:使用用戶端程式庫,按照 Python 設定說明進行操作。詳情請參閱 BigQuery Python API 參考說明文件

import google.auth
# from google.cloud import bigquery

# Create credentials with Drive & BigQuery API scopes
# Both APIs must be enabled for your project before running this code
credentials, project = google.auth.default(scopes=[
    'https://www.googleapis.com/auth/drive',
    'https://www.googleapis.com/auth/bigquery',
])
client = bigquery.Client(credentials=credentials, project=project)

存取權控管和範圍

永久外部資料表的存取權控管

您可以分享已連結至 Google 雲端硬碟資料來源的永久外部資料表的存取權,而存取權分享對象可以是使用者 (包括服務帳戶) 或群組。如要查詢外部資料表,您的使用者或群組 (至少) 需要擁有:

  • 外部資料表所屬資料集的 READERbigquery.dataViewer 存取權
  • 資料集所屬專案的 bigquery.user 存取權 (用於執行查詢工作)
  • Can view 存取權,用於查看連結至外部資料表的 Google 雲端硬碟檔案

Compute Engine 執行個體的範圍

建立 Compute Engine 執行個體時,您可以指定執行個體的範圍清單。這個範圍會控管執行個體對 Google Cloud Platform 產品 (包含 Google 雲端硬碟) 的存取權。在 VM 上執行的應用程式會使用服務帳戶呼叫 Google Cloud API。

如果將 Compute Engine 執行個體設為以服務帳戶的形式執行,且這個服務帳戶會存取連結至 Google 雲端硬碟資料來源的外部資料表,則您必須為執行個體新增 Google 雲端硬碟的 OAuth 範圍 (https://www.googleapis.com/auth/drive)。

如需為 Compute Engine 執行個體套用範圍的相關資訊,請參閱變更執行個體的服務帳戶與存取範圍。如要深入瞭解 Compute Engine 服務帳戶,請參閱服務帳戶一文。

永久與臨時外部資料表

您可以在 BigQuery 中使用永久資料表或臨時資料表查詢外部資料來源。使用永久資料表時,請在 BigQuery 資料集中建立連結至外部資料來源的資料表。因為是永久資料表,所以您可以使用資料集層級存取權控管,將資料表分享給也具有基礎外部資料來源存取權的其他使用者,而且您可以隨時查詢此資料表。

使用臨時資料表查詢外部資料來源時,您必須提交內含查詢的指令,並建立連結至外部資料來源的非永久資料表。使用臨時資料表時,不用在 BigQuery 資料集內建立資料表。因為資料表不會永久儲存在資料集中,所以無法與其他使用者分享。使用臨時資料表查詢外部資料來源,對於臨時的一次性外部資料查詢作業,或對擷取、轉換和載入 (ETL) 程序而言非常有用。

使用永久外部資料表查詢 Google 雲端硬碟資料

如要使用永久資料表查詢外部資料來源,您可在 BigQuery 資料集中建立連結至外部資料來源的資料表。資料不會儲存在 BigQuery 資料表中。由於資料表為永久性,因此您可以使用資料集層級存取權控管,將資料表分享給其他同樣具備基礎外部資料來源存取權的使用者。

在 BigQuery 中建立永久外部資料表時,您可以透過三種方式指定結構定義資訊:

  • 如果您是使用 API 來建立永久外部資料表,請先從建立資料表定義檔開始;這個檔案的用途是定義外部資料來源的結構定義和中繼資料。建立資料表定義檔時,您可以啟用結構定義自動偵測來找出支援的資料來源。
  • 如果您是使用 CLI 來建立永久外部資料表,可以使用資料表定義檔、建立及使用自己的結構定義檔,或是在指令列以內嵌方式輸入結構定義。
  • 如果您是使用主控台或傳統 BigQuery 網頁版 UI 來建立永久外部資料表,可以手動輸入資料表結構定義,或使用結構定義自動偵測來找出支援的資料來源。

如要使用永久外部資料表來查詢 Google 雲端硬碟資料,您必須:

  • 建立資料表定義檔 (適用於 API,亦可選擇用於 CLI)
  • 在 BigQuery 中建立連結至外部資料來源的資料表
  • 查詢已連結至外部資料來源的資料表

建立永久外部資料表

您可以透過下列方式建立已連結至外部資料來源的永久資料表:

主控台

  1. 在 GCP 主控台中開啟 BigQuery 網頁版 UI。
    前往 BigQuery 網頁版 UI

  2. 在導覽面板的「Resources」(資源) 部分,展開您的專案並選取資料集。按一下視窗右側的 [Create table] (建立資料表)

    建立資料表

  3. 在「Create table」(建立資料表) 頁面的「Source」(來源) 區段中:

    • 針對「Create table from」(使用下列資料建立資料表) 選取想要的來源類型,如 [Drive] (雲端硬碟)

      建立資料表來源

    • 在「Select Drive URI」(選取雲端硬碟 URI) 欄位中,輸入Google 雲端硬碟 URI。請注意,Google 雲端硬碟 URI 不支援萬用字元。

    • 針對「File format」(檔案格式) 選取資料格式。Google 雲端硬碟資料的有效格式包括:

      • 逗號分隔值 (CSV)
      • JSON (以換行符號分隔)
      • Avro
      • Google 試算表 (僅限第一個分頁)
  4. 在「Create table」(建立資料表) 頁面的「Destination」(目的地) 區段中:

    • 針對「Dataset name」(資料集名稱) 選擇適當的資料集,然後在「Table name」(資料表名稱) 欄位中,輸入您在 BigQuery 建立資料表時使用的名稱。

      選取資料集

    • 確認「Table type」(資料表類型) 已設為 [External table] (外部資料表)。

  5. 在「Schema」(結構定義) 區段中,輸入結構定義

    • 如果是 JSON 或 CSV 檔案,您可以勾選 [Auto-detect] (自動偵測) 選項來啟用結構定義自動偵測功能。[Auto-detect] (自動偵測) 不適用於 Cloud Datastore 匯出、Cloud Firestore 匯出和 Avro 檔案。系統會自動從自述來源資料中擷取結構定義資訊。
    • 透過以下方式,手動輸入結構定義資訊:
      • 按一下 [Edit as text] (以文字形式編輯),然後以 JSON 陣列的形式輸入資料表結構定義。附註:您可以輸入下列指令,查看現有資料表的 JSON 格式結構定義:bq show --format=prettyjson [DATASET].[TABLE]
      • 使用 [Add Field] (新增欄位) 手動輸入結構定義
  6. 按一下 [Create table] (建立資料表)

  7. 必要的話,選取帳戶然後按一下「Allow」(允許),授予 BigQuery 的用戶端工具 Google 雲端硬碟的存取權。

接著,您就可以在外部資料來源的限制下,將資料表當做原生 BigQuery 資料表執行查詢。

查詢完成後,您可以 CSV 或 JSON 的格式下載結果、將結果儲存為資料表,或是將結果儲存至 Google 試算表。詳情請參閱下載、儲存及匯出資料

傳統版 UI

  1. 前往 BigQuery 網頁版 UI。

    前往 BigQuery 網頁版 UI

  2. 在導覽面板中,將滑鼠游標懸停在資料集上,點選向下箭號圖示 向下箭頭圖示圖片 後,按一下 [Create new table] (建立新資料表)

  3. 在「Create Table」(建立資料表) 頁面的「Source Data」(來源資料) 區段中:

    • 針對「Location」(位置) 選取 [Google Drive] (Google 雲端硬碟),然後在來源欄位輸入 Google 雲端硬碟 URI。請注意,Google 雲端硬碟 URI 不支援萬用字元。
    • 針對「File format」(檔案格式) 選取資料格式。Google 雲端硬碟資料的有效格式包括:

      • 逗號分隔值 (CSV)
      • JSON (以換行符號分隔)
      • Avro
      • Google 試算表 (僅限第一個分頁)
  4. 在「Create Table」(建立資料表) 頁面的「Destination Table」(目標資料表) 區段中:

    • 針對「Table name」(資料表名稱) 選擇適當的資料集,然後在資料表名稱欄位中,輸入要在 BigQuery 中建立的永久資料表名稱。
    • 確認「Table type」(資料表類型) 已設為 [External table] (外部資料表)。
  5. 在「Schema」(結構定義) 部分中,輸入結構定義資訊。

    • 如果是 JSON 或 CSV 檔案,您可以勾選 [Auto-detect] (自動偵測) 選項來啟用結構定義自動偵測功能。網頁版 UI 中的結構定義自動偵測功能目前不支援 Google 試算表 (但可透過 CLI 和 API 使用)。此外,[Auto-detect] (自動偵測) 選項也不適用於 Avro 資料來源。系統會自動從 Avro 檔案中擷取結構定義資訊。

    • 如果是 CSV、JSON 或 Google 試算表檔案,您可以透過下列任一方式,手動輸入結構定義資訊:

      • 按一下 [Edit as text] (以文字形式編輯),然後以 JSON 格式輸入資料表結構定義
      • 使用 [Add Field] (新增欄位) 手動輸入結構定義
  6. 在「Options」(選項) 區段選取適用的項目,然後按一下 [Create Table] (建立資料表)

  7. 選取您的帳戶,然後按一下 [Allow] (允許),授予 BigQuery 用戶端工具 Google 雲端硬碟的存取權。

    用戶端工具存取權對話方塊

接著,您就可以在外部資料來源的限制下,將資料表當做原生 BigQuery 資料表執行查詢。

查詢完成後,您可以 CSV 或 JSON 的格式下載結果、將結果儲存為資料表,或是將結果儲存至 Google 試算表。詳情請參閱下載、儲存及匯出資料一文。

CLI

您可以在 BigQuery 指令列工具中使用 bq mk 指令建立資料表。使用 CLI 建立已連結至外部資料來源的資料表時,您可以透過以下項目識別資料表的結構定義:

  • 資料表定義檔 (儲存在本機)
  • 內嵌結構定義
  • JSON 結構定義檔 (儲存在本機)

如要使用資料表定義檔建立已連結至 Google 雲端硬碟資料來源的永久資料表,請輸入以下指令。

bq mk --external_table_definition=[DEFINITION_FILE] [DATASET_ID].[TABLE_NAME]

其中:

  • [DEFINITION_FILE] 是本機電腦上的資料表定義檔路徑
  • [DATASET_ID] 是資料表所屬的資料集名稱
  • [TABLE_NAME] 是您要建立的資料表名稱

舉例來說,以下指令會使用名稱為 mytable_def 的資料表定義檔,建立名為 mytable 的永久資料表。

bq mk --external_table_definition=/tmp/mytable_def mydataset.mytable

如要使用內嵌結構定義建立已連結至外部資料來源的永久資料表,請輸入下列指令。

bq mk --external_table_definition=[SCHEMA]@[SOURCE_FORMAT]=[DRIVE_URI] [DATASET_ID].[TABLE_NAME]

其中:

  • [SCHEMA] 是結構定義 (格式為 [FIELD]:[DATA_TYPE], [FIELD]:[DATA_TYPE])
  • [SOURCE_FORMAT]CSVNEWLINE_DELIMITED_JSONAVROGOOGLE_SHEETS
  • [DRIVE_URI] 是您的 Google 雲端硬碟 URI
  • [DATASET_ID] 是資料表所屬的資料集名稱
  • [TABLE_NAME] 是您要建立的資料表名稱

舉例來說,下方指令會使用以下的結構定義,建立名稱為 sales 且連結至 Google 雲端硬碟中的 Google 試算表檔案的永久資料表:Region:STRING,Quarter:STRING,Total_sales:INTEGER

bq mk --external_table_definition=Region:STRING,Quarter:STRING,Total_sales:INTEGER@GOOGLE_SHEETS=https://drive.google.com/open?id=1234_AbCD12abCd mydataset.sales

如要使用 JSON 結構定義檔來建立已連結至外部資料來源的永久資料表,請輸入下列指令。

bq mk --external_table_definition=[SCHEMA_FILE]@[SOURCE_FORMAT]=[DRIVE_URI] [DATASET_ID].[TABLE_NAME]

其中:

  • [SCHEMA_FILE] 是本機上 JSON 結構定義檔的路徑
  • [SOURCE_FORMAT]CSVNEWLINE_DELIMITED_JSONAVROGOOGLE_SHEETS
  • [DRIVE_URI] 是您的 Google 雲端硬碟 URI
  • [DATASET_ID] 是資料表所屬的資料集名稱
  • [TABLE_NAME] 是您要建立的資料表名稱

舉例來說,下列指令會使用 /tmp/sales_schema.json 結構定義檔,建立名為 sales 且連結至 Google 雲端硬碟中的 CSV 檔案的資料表。

bq mk --external_table_definition=/tmp/sales_schema.json@CSV=https://drive.google.com/open?id=1234_AbCD12abCd mydataset.sales

永久資料表建立完成後,您就可以在外部資料來源的限制下,將資料表當做原生 BigQuery 資料表執行查詢。

查詢完成後,您可以 CSV 或 JSON 的格式下載結果、將結果儲存為資料表,或是將結果儲存至 Google 試算表。詳情請參閱下載、儲存及匯出資料一文。

API

使用 externalDataConfiguration 屬性指定外部資料來源。

Python

在試用這個範例程式之前,請至 BigQuery 快速入門導覽課程:使用用戶端程式庫,按照 Python 設定說明進行操作。詳情請參閱 BigQuery Python API 參考說明文件

import google.auth
# from google.cloud import bigquery
# dataset_id = 'my_dataset'

# Create credentials with Drive & BigQuery API scopes
# Both APIs must be enabled for your project before running this code
credentials, project = google.auth.default(scopes=[
    'https://www.googleapis.com/auth/drive',
    'https://www.googleapis.com/auth/bigquery',
])
client = bigquery.Client(credentials=credentials, project=project)

# Configure the external data source
dataset_ref = client.dataset(dataset_id)
table_id = 'us_states'
schema = [
    bigquery.SchemaField('name', 'STRING'),
    bigquery.SchemaField('post_abbr', 'STRING')
]
table = bigquery.Table(dataset_ref.table(table_id), schema=schema)
external_config = bigquery.ExternalConfig('GOOGLE_SHEETS')
# Use a shareable link or grant viewing access to the email address you
# used to authenticate with BigQuery (this example Sheet is public)
sheet_url = (
    'https://docs.google.com/spreadsheets'
    '/d/1i_QCL-7HcSyUZmIbP9E6lO_T5u3HnpLe7dnpHaijg_E/edit?usp=sharing')
external_config.source_uris = [sheet_url]
external_config.options.skip_leading_rows = 1  # optionally skip header row
table.external_data_configuration = external_config

# Create a permanent table linked to the Sheets file
table = client.create_table(table)  # API request

# Example query to find states starting with 'W'
sql = 'SELECT * FROM `{}.{}` WHERE name LIKE "W%"'.format(
    dataset_id, table_id)

query_job = client.query(sql)  # API request

w_states = list(query_job)  # Waits for query to finish
print('There are {} states with names starting with W.'.format(
    len(w_states)))

使用臨時資料表查詢 Google 雲端硬碟資料

如要查詢外部資料來源,但不想建立永久資料表,請執行指令來合併以下項目:

系統會使用資料表定義檔或提供的結構定義來建立臨時外部資料表,然後對臨時外部資料表執行查詢。BigQuery CLI 及 API 支援使用臨時資料表查詢外部資料來源。

使用臨時外部資料表時,並不會在其中一個 BigQuery 資料集中建立資料表。因為資料表不會永久儲存在資料集中,所以無法與其他使用者分享。使用臨時資料表查詢外部資料來源,對於一次性、臨時查詢外部資料,或對擷取、轉換和載入 (ETL) 處理程序而言非常有用。

建立及查詢臨時資料表

您可以使用 CLI 或 API,建立及查詢已連結至外部資料來源的臨時資料表。

CLI

您可以搭配 --external_table_definition 標記使用 bq query 指令,查詢已連結至外部資料來源的臨時資料表。使用 CLI 查詢已連結至外部資料來源的臨時資料表時,可以透過以下項目識別資料表的結構定義:

  • 資料表定義檔 (儲存在本機)
  • 內嵌結構定義
  • JSON 結構定義檔 (儲存在本機)

如要使用資料表定義檔查詢已連結至外部資料來源的臨時資料表,請輸入下列指令。

bq --location=[LOCATION] query --external_table_definition=[TABLE_NAME]::[DEFINITION_FILE] '[QUERY]'

其中:

  • [LOCATION] 是您的位置--location 則為選用標記。
  • [TABLE_NAME] 是要建立的臨時資料表名稱
  • [DEFINITION_FILE] 是本機電腦上的資料表定義檔路徑
  • [QUERY] 是要提交至臨時資料表的查詢

舉例來說,下列指令會使用名為 sales_def 的資料表定義檔,建立及查詢名為 sales 的臨時資料表。

bq --location=US query --external_table_definition=sales::sales_def 'SELECT Region,Total_sales FROM sales;'

如要使用內嵌結構定義來查詢已連結至外部資料來源的臨時資料表,請輸入下列指令。

bq --location=[LOCATION] query --external_table_definition=[TABLE_NAME]::[SCHEMA]@[SOURCE_FORMAT]=[DRIVE_URI] '[QUERY]'

其中:

  • [LOCATION] 是您的位置--location 則為選用標記。
  • [TABLE_NAME] 是要建立的臨時資料表名稱
  • [SCHEMA] 是內嵌結構定義 (格式為 [FIELD]:[DATA_TYPE],[FIELD]:[DATA_TYPE])
  • [SOURCE_FORMAT]CSVNEWLINE_DELIMITED_JSONAVROGOOGLE_SHEETS
  • [DRIVE_URI] 是您的 Google 雲端硬碟 URI
  • [QUERY] 是要提交至臨時資料表的查詢

舉例來說,下方指令會使用以下的結構定義,建立名為 sales 且連結至 Google 雲端硬碟中的 CSV 檔案的臨時資料表:Region:STRING,Quarter:STRING,Total_sales:INTEGER

bq --location=US query --external_table_definition=sales::Region:STRING,Quarter:STRING,Total_sales:INTEGER@CSV=https://drive.google.com/open?id=1234_AbCD12abCd 'SELECT Region,Total_sales FROM sales;'

如要使用 JSON 結構定義檔來查詢已連結外部資料來源的臨時資料表,請輸入下列指令。

bq --location=[LOCATION] query --external_table_definition=[SCHEMA_FILE]@[SOURCE_FORMAT]=[DRIVE_URI] '[QUERY]'

其中:

  • [LOCATION] 是您的位置--location 則為選用標記。
  • [SCHEMA_FILE] 是本機上 JSON 結構定義檔的路徑
  • [SOURCE_FORMAT]CSVNEWLINE_DELIMITED_JSONAVROGOOGLE_SHEETS
  • [DRIVE_URI] 是您的 Google 雲端硬碟 URI
  • [QUERY] 是要提交至臨時資料表的查詢

舉例來說,下列指令會使用 /tmp/sales_schema.json 結構定義檔建立及查詢名為 sales 且連結至 Google 雲端硬碟中的 CSV 檔案的臨時資料表。

bq --location=US query --external_table_definition=sales::/tmp/sales_schema.json@CSV=https://drive.google.com/open?id=1234_AbCD12abCd 'SELECT Total_sales FROM sales;'

API

Python

在試用這個範例程式之前,請至 BigQuery 快速入門導覽課程:使用用戶端程式庫,按照 Python 設定說明進行操作。詳情請參閱 BigQuery Python API 參考說明文件

import google.auth
# from google.cloud import bigquery

# Create credentials with Drive & BigQuery API scopes
# Both APIs must be enabled for your project before running this code
credentials, project = google.auth.default(scopes=[
    'https://www.googleapis.com/auth/drive',
    'https://www.googleapis.com/auth/bigquery',
])
client = bigquery.Client(credentials=credentials, project=project)

# Configure the external data source and query job
external_config = bigquery.ExternalConfig('GOOGLE_SHEETS')
# Use a shareable link or grant viewing access to the email address you
# used to authenticate with BigQuery (this example Sheet is public)
sheet_url = (
    'https://docs.google.com/spreadsheets'
    '/d/1i_QCL-7HcSyUZmIbP9E6lO_T5u3HnpLe7dnpHaijg_E/edit?usp=sharing')
external_config.source_uris = [sheet_url]
external_config.schema = [
    bigquery.SchemaField('name', 'STRING'),
    bigquery.SchemaField('post_abbr', 'STRING')
]
external_config.options.skip_leading_rows = 1  # optionally skip header row
table_id = 'us_states'
job_config = bigquery.QueryJobConfig()
job_config.table_definitions = {table_id: external_config}

# Example query to find states starting with 'W'
sql = 'SELECT * FROM `{}` WHERE name LIKE "W%"'.format(table_id)

query_job = client.query(sql, job_config=job_config)  # API request

w_states = list(query_job)  # Waits for query to finish
print('There are {} states with names starting with W.'.format(
    len(w_states)))

_FILE_NAME 虛擬資料欄

以外部資料來源為基礎的資料表可提供名為 _FILE_NAME 的虛擬資料欄。這個資料欄含有該列所屬檔案的完整路徑。此資料欄僅適用於參照儲存在 Google Cloud StorageGoogle 雲端硬碟中的外部資料的資料表。

系統會保留 _FILE_NAME 資料欄名稱,這表示您無法在任何資料表中使用該名稱建立資料欄。如要選取 _FILE_NAME 的值,您必須使用別名。下方範例查詢示範如何透過指派別名 fn 給虛擬資料欄的方式來選取 _FILE_NAME

bq query --project_id=[PROJECT_ID] --use_legacy_sql=false 'SELECT name, _FILE_NAME AS fn from [DATASET].[TABLE_NAME] where name contains "Alex";' 

其中:

  • [PROJECT_ID] 是有效的專案 ID (如果您使用 Cloud Shell,或是在 Cloud SDK 中設定預設專案,則此為選用標記)
  • [DATASET] 是儲存永久外部資料表的資料集名稱
  • [TABLE_NAME] 是永久外部資料表的名稱

本頁內容對您是否有任何幫助?請提供意見:

傳送您對下列選項的寶貴意見...

這個網頁