Caricamento di dati ORC da Cloud Storage
Questa pagina fornisce una panoramica del caricamento dei dati ORC da Cloud Storage in BigQuery.
ORC è un formato dati orientato alle colonne open source ampiamente utilizzato nell'ecosistema Apache Hadoop.
Quando carichi dati ORC da Cloud Storage, puoi caricarli in una nuova tabella o partizione oppure puoi aggiungerli a una tabella o partizione esistente o sovrascriverli. Quando i dati vengono caricati in BigQuery, vengono convertiti in formato a colonne per Capacitor (il formato di archiviazione di BigQuery).
Quando carichi i dati da Cloud Storage in una tabella BigQuery, il set di dati che contiene la tabella deve trovarsi nella stessa località regionale o multiregionale del bucket Cloud Storage.
Per informazioni sul caricamento dei dati ORC da un file locale, consulta Caricamento dei dati in BigQuery da un'origine dati locale.
Limitazioni
Quando carichi i dati in BigQuery da un bucket Cloud Storage, sono previste le seguenti limitazioni:
- BigQuery non garantisce la coerenza dei dati per le origini dati esterne. Le modifiche ai dati sottostanti durante l'esecuzione di una query possono comportare un comportamento imprevisto.
- BigQuery non supporta il controllo delle versioni degli oggetti Cloud Storage. Se includi un numero di generazione nell'URI Cloud Storage, il job di caricamento non va a buon fine.
Prima di iniziare
Concedi ruoli Identity and Access Management (IAM) che forniscono agli utenti le autorizzazioni necessarie per eseguire ogni attività descritta in questo documento e crea un set di dati per archiviare i tuoi dati.
Autorizzazioni obbligatorie
Per caricare i dati in BigQuery, devi disporre delle autorizzazioni IAM per eseguire un job di caricamento e caricare i dati in tabelle e partizioni BigQuery. Se carichi i dati da Cloud Storage, devi disporre anche delle autorizzazioni IAM per accedere al bucket che contiene i tuoi dati.
Autorizzazioni per caricare dati in BigQuery
Per caricare i dati in una nuova tabella o partizione BigQuery oppure per aggiungere o sovrascrivere una tabella o partizione esistente, devi disporre delle seguenti autorizzazioni IAM:
bigquery.tables.create
bigquery.tables.updateData
bigquery.tables.update
bigquery.jobs.create
Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per caricare i dati in una tabella o partizione BigQuery:
roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.admin
(include l'autorizzazionebigquery.jobs.create
)bigquery.user
(include l'autorizzazionebigquery.jobs.create
)bigquery.jobUser
(include l'autorizzazionebigquery.jobs.create
)
Inoltre, se disponi dell'autorizzazione bigquery.datasets.create
, puoi creare e aggiornare tabelle utilizzando un job di caricamento nei set di dati che crei.
Per saperne di più sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Ruoli e autorizzazioni predefiniti.
Autorizzazioni per caricare i dati da Cloud Storage
Per ottenere le autorizzazioni necessarie per caricare i dati da un bucket Cloud Storage, chiedi all'amministratore di concederti il ruolo IAM Amministratore archiviazione (roles/storage.admin
) nel bucket.
Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.
Questo ruolo predefinito contiene le autorizzazioni necessarie per caricare i dati da un bucket Cloud Storage. Per vedere quali sono esattamente le autorizzazioni richieste, espandi la sezione Autorizzazioni obbligatorie:
Autorizzazioni obbligatorie
Per caricare i dati da un bucket Cloud Storage sono necessarie le seguenti autorizzazioni:
-
storage.buckets.get
-
storage.objects.get
-
storage.objects.list (required if you are using a URI wildcard)
Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.
Crea un set di dati
Crea un set di dati BigQuery per archiviare i tuoi dati.
Schemi ORC
Quando carichi file ORC in BigQuery, lo schema della tabella viene recuperato automaticamente dai dati di origine autodescrittivi. Quando BigQuery recupera lo schema dai dati di origine, viene utilizzato l'ultimo file in ordine alfabetico.
Ad esempio, hai i seguenti file ORC in Cloud Storage:
gs://mybucket/00/ a.orc z.orc gs://mybucket/01/ b.orc
L'esecuzione di questo comando nello strumento a riga di comando bq carica tutti i file (come elenco separato da virgole) e lo schema viene derivato da mybucket/01/b.orc
:
bq load \ --source_format=ORC \ dataset.table \ "gs://mybucket/00/*.orc","gs://mybucket/01/*.orc"
Quando BigQuery rileva lo schema, alcuni tipi di dati ORC vengono
convertiti in tipi di dati BigQuery per renderli compatibili con
la sintassi GoogleSQL. Tutti i campi nello schema rilevato sono
NULLABLE
. Per ulteriori informazioni, vedi
Conversioni ORC.
Quando carichi più file ORC con schemi diversi, i campi identici (con lo stesso nome e lo stesso livello di nidificazione) specificati in più schemi devono essere mappati allo stesso tipo di dati BigQuery convertito in ogni definizione dello schema.
Per fornire uno schema di tabella per la creazione di tabelle esterne, imposta la proprietàreferenceFileSchemaUri
nell'API BigQuery o il parametro --reference_file_schema_uri
nello strumento a riga di comando bq sull'URL del file di riferimento.
Ad esempio, --reference_file_schema_uri="gs://mybucket/schema.orc"
.
Compressione ORC
BigQuery supporta i seguenti codec di compressione per i contenuti dei file ORC:
Zlib
Snappy
LZO
LZ4
ZSTD
I dati nei file ORC non rimangono compressi dopo il caricamento in
BigQuery. Lo spazio di archiviazione dei dati viene segnalato in byte logici o fisici, a seconda del modello di fatturazione dello spazio di archiviazione del set di dati.
Per ottenere informazioni sull'utilizzo dello spazio di archiviazione, esegui una query sulla
visualizzazione INFORMATION_SCHEMA.TABLE_STORAGE
.
Caricamento di dati ORC in una nuova tabella
Puoi caricare i dati ORC in una nuova tabella:
- Utilizzo della console Google Cloud
- Utilizzo del comando
bq load
dello strumento a riga di comando bq - Chiamare il metodo API
jobs.insert
e configurare un jobload
- Utilizzo delle librerie client
Per caricare i dati ORC da Cloud Storage in una nuova tabella BigQuery:
Console
Nella console Google Cloud , vai alla pagina BigQuery.
- Nel riquadro Explorer, espandi il progetto e seleziona un set di dati.
- Nella sezione Informazioni sul set di dati, fai clic su Crea tabella.
- Nel riquadro Crea tabella, specifica i seguenti dettagli:
- Nella sezione Origine, seleziona Google Cloud Storage nell'elenco Crea tabella da.
Poi, procedi nel seguente modo:
- Seleziona un file dal bucket Cloud Storage o inserisci l'URI Cloud Storage.
Non puoi includere più URI
nella Google Cloud console, ma i caratteri jolly
sono supportati. Il bucket Cloud Storage deve trovarsi nella stessa
posizione del set di dati che contiene la tabella che vuoi creare, aggiungere o
sovrascrivere.
- Per Formato file, seleziona ORC.
- Seleziona un file dal bucket Cloud Storage o inserisci l'URI Cloud Storage.
Non puoi includere più URI
nella Google Cloud console, ma i caratteri jolly
sono supportati. Il bucket Cloud Storage deve trovarsi nella stessa
posizione del set di dati che contiene la tabella che vuoi creare, aggiungere o
sovrascrivere.
- Nella sezione Destinazione, specifica i seguenti dettagli:
- Per Set di dati, seleziona il set di dati in cui vuoi creare la tabella.
- Nel campo Table (Tabella), inserisci il nome della tabella che vuoi creare.
- Verifica che il campo Tipo di tabella sia impostato su Tabella nativa.
- Nella sezione Schema, non è necessaria alcuna azione. Lo schema è autodescrittivo nei file ORC.
- (Facoltativo) Specifica le impostazioni di partizionamento e clustering. Per ulteriori informazioni, vedi Creazione di tabelle partizionate e Creazione e utilizzo di tabelle in cluster.
- Fai clic su Opzioni avanzate e segui questi passaggi:
- In Preferenza di scrittura, lascia selezionata l'opzione Scrivi se vuota. Questa opzione crea una nuova tabella e carica i dati al suo interno.
- Se vuoi ignorare i valori di una riga che non sono presenti nello schema della tabella, seleziona Valori sconosciuti.
- Per la crittografia, fai clic su Chiave gestita dal cliente per utilizzare una chiave Cloud Key Management Service. Se lasci l'impostazione Google-managed key, BigQuery cripta i dati at rest.
- Fai clic su Crea tabella.
SQL
Utilizza l'istruzione DDL LOAD DATA
.
L'esempio seguente carica un file ORC nella nuova tabella mytable
:
Nella console Google Cloud , vai alla pagina BigQuery.
Nell'editor di query, inserisci la seguente istruzione:
LOAD DATA OVERWRITE mydataset.mytable FROM FILES ( format = 'ORC', uris = ['gs://bucket/path/file.orc']);
Fai clic su
Esegui.
Per maggiori informazioni su come eseguire le query, consulta Eseguire una query interattiva.
bq
Utilizza il comando bq load
, specifica ORC come source_format
e includi un
URI Cloud Storage.
Puoi includere un singolo URI, un elenco di URI separati da virgole o un URI
contenente un carattere jolly.
(Facoltativo) Fornisci il flag --location
e imposta il valore sulla tua
posizione.
Altri flag facoltativi includono:
--time_partitioning_type
: attiva il partizionamento basato sul tempo in una tabella e imposta il tipo di partizione. I valori possibili sonoHOUR
,DAY
,MONTH
eYEAR
. Questo flag è facoltativo quando crei una tabella partizionata in base a una colonnaDATE
,DATETIME
oTIMESTAMP
. Il tipo di partizione predefinito per il partizionamento basato sul tempo èDAY
. Non puoi modificare la specifica di partizionamento di una tabella esistente.--time_partitioning_expiration
: un numero intero che specifica (in secondi) quando deve essere eliminata una partizione basata sul tempo. Il tempo di scadenza corrisponde alla data UTC della partizione più il valore intero.--time_partitioning_field
: la colonnaDATE
oTIMESTAMP
utilizzata per creare una tabella partizionata. Se il partizionamento basato sul tempo è abilitato senza questo valore, viene creata una tabella partizionata per data di importazione.--require_partition_filter
: se attivata, questa opzione richiede agli utenti di includere una clausolaWHERE
che specifica le partizioni da interrogare. Se il filtro di partizionamento è obbligatorio, i costi potrebbero ridursi e le prestazioni potrebbero migliorare. Per maggiori informazioni, consulta Richiedere un filtro di partizione nelle query.--clustering_fields
: un elenco separato da virgole di un massimo di quattro nomi di colonne utilizzati per creare una tabella in cluster.--destination_kms_key
: la chiave Cloud KMS per la crittografia dei dati della tabella.Per ulteriori informazioni sulle tabelle partizionate, vedi:
Per ulteriori informazioni sulle tabelle in cluster, vedi:
Per ulteriori informazioni sulla crittografia delle tabelle, vedi:
Per caricare i dati ORC in BigQuery, inserisci il seguente comando:
bq --location=location load \ --source_format=format \ dataset.table \ path_to_source
Dove:
- location è la tua posizione. Il flag
--location
è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, puoi impostare il valore del flag suasia-northeast1
. Puoi impostare un valore predefinito per la località utilizzando il file.bigqueryrc. - format è pari a
ORC
. - dataset è un set di dati esistente.
- table è il nome della tabella in cui stai caricando i dati.
- path_to_source è un URI Cloud Storage completo o un elenco di URI separati da virgole. Sono supportati anche i caratteri jolly.
Esempi:
Il seguente comando carica i dati da gs://mybucket/mydata.orc
in una tabella denominata mytable
in mydataset
.
bq load \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata.orc
Il seguente comando carica i dati da gs://mybucket/mydata.orc
in una nuova tabella partizionata per data di importazione denominata mytable
in mydataset
.
bq load \
--source_format=ORC \
--time_partitioning_type=DAY \
mydataset.mytable \
gs://mybucket/mydata.orc
Il seguente comando carica i dati da gs://mybucket/mydata.orc
in una tabella partizionata denominata mytable
in mydataset
. La tabella è partizionata
in base alla colonna mytimestamp
.
bq load \
--source_format=ORC \
--time_partitioning_field mytimestamp \
mydataset.mytable \
gs://mybucket/mydata.orc
Il seguente comando carica i dati da più file in gs://mybucket/
in una tabella denominata mytable
in mydataset
. L'URI Cloud Storage utilizza un
carattere jolly.
bq load \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata*.orc
Il seguente comando carica i dati da più file in gs://mybucket/
in una tabella denominata mytable
in mydataset
. Il comando include un elenco separato da virgole di URI di Cloud Storage con caratteri jolly.
bq load --autodetect \
--source_format=ORC \
mydataset.mytable \
"gs://mybucket/00/*.orc","gs://mybucket/01/*.orc"
API
Crea un job
load
che rimandi ai dati di origine in Cloud Storage.(Facoltativo) Specifica la posizione nella proprietà
location
della sezionejobReference
della risorsa job.La proprietà
source URIs
deve essere completamente qualificata, nel formatogs://bucket/object
. Ogni URI può contenere un carattere jolly '*' .Specifica il formato dei dati ORC impostando la proprietà
sourceFormat
suORC
.Per controllare lo stato del job, chiama
jobs.get(job_id*)
, dove job_id è 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 include informazioni che descrivono cosa è andato storto. Quando una richiesta non va a buon fine, non viene creata alcuna tabella e non vengono caricati dati. - Se
status.errorResult
non è presente, il job è stato completato correttamente, anche se potrebbero essersi verificati alcuni errori non irreversibili, ad esempio problemi con l'importazione di alcune righe. Gli errori non irreversibili sono elencati nella proprietàstatus.errors
dell'oggetto job restituito.
- Se
Note sull'API:
I job di caricamento sono atomici e coerenti: se un job di caricamento non va a buon fine, nessuno dei dati è disponibile e se un job di caricamento va a buon fine, tutti i dati sono disponibili.
Come best practice, genera un ID univoco e trasmettilo come
jobReference.jobId
quando chiamijobs.insert
per creare un job di caricamento. Questo approccio è più resistente agli errori di rete perché il client può eseguire il polling o riprovare con l'ID job noto.La chiamata di
jobs.insert
su un determinato ID job è idempotente. Puoi riprovare tutte le volte che vuoi con lo stesso ID job e al massimo una di queste operazioni va a buon fine.
C#
Prima di provare questo esempio, segui le istruzioni di configurazione di C# nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery C#.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Vai
Prima di provare questo esempio, segui le istruzioni di configurazione di Go nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Go.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Java
Node.js
Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Node.js.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
PHP
Prima di provare questo esempio, segui le istruzioni di configurazione di PHP nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery PHP.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Python
Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Python.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Ruby
Prima di provare questo esempio, segui le istruzioni di configurazione di Ruby nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Ruby.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Aggiungere o sovrascrivere una tabella con dati ORC
Puoi caricare dati aggiuntivi in una tabella da file di origine o aggiungendo i risultati della query.
Nella console Google Cloud , utilizza l'opzione Preferenza di scrittura per specificare l'azione da intraprendere quando carichi i dati da un file di origine o dal risultato di una query.
Quando carichi dati aggiuntivi in una tabella, hai le seguenti opzioni:
Opzione della console | Flag dello strumento bq | Proprietà API BigQuery | Descrizione |
---|---|---|---|
Scrivi se vuota | Non supportata | WRITE_EMPTY |
Scrive i dati solo se la tabella è vuota. |
Aggiungi a tabella | --noreplace o --replace=false ; se
--[no]replace non è specificato, il valore predefinito è append |
WRITE_APPEND |
(Predefinito) Aggiunge i dati alla fine della tabella. |
Sovrascrivi tabella | --replace o --replace=true |
WRITE_TRUNCATE |
Cancella tutti i dati esistenti in una tabella prima di scrivere i nuovi dati. Questa azione elimina anche lo schema della tabella, la sicurezza a livello di riga e rimuove qualsiasi chiave Cloud KMS. |
Se carichi i dati in una tabella esistente, il job di caricamento può aggiungere i dati o sovrascrivere la tabella.
Puoi aggiungere o sovrascrivere una tabella:
- Utilizzo della console Google Cloud
- Utilizzo del comando
bq load
dello strumento a riga di comando bq - Chiamare il metodo API
jobs.insert
e configurare un jobload
- Utilizzo delle librerie client
Per aggiungere o sovrascrivere una tabella con dati ORC:
Console
Nella console Google Cloud , vai alla pagina BigQuery.
- Nel riquadro Explorer, espandi il progetto e seleziona un set di dati.
- Nella sezione Informazioni sul set di dati, fai clic su Crea tabella.
- Nel riquadro Crea tabella, specifica i seguenti dettagli:
- Nella sezione Origine, seleziona Google Cloud Storage nell'elenco Crea tabella da.
Poi, procedi nel seguente modo:
- Seleziona un file dal bucket Cloud Storage o inserisci l'URI Cloud Storage.
Non puoi includere più URI
nella Google Cloud console, ma i caratteri jolly
sono supportati. Il bucket Cloud Storage deve trovarsi nella stessa
posizione del set di dati che contiene la tabella che vuoi creare, aggiungere o
sovrascrivere.
- Per Formato file, seleziona ORC.
- Seleziona un file dal bucket Cloud Storage o inserisci l'URI Cloud Storage.
Non puoi includere più URI
nella Google Cloud console, ma i caratteri jolly
sono supportati. Il bucket Cloud Storage deve trovarsi nella stessa
posizione del set di dati che contiene la tabella che vuoi creare, aggiungere o
sovrascrivere.
- Nella sezione Destinazione, specifica i seguenti dettagli:
- Per Set di dati, seleziona il set di dati in cui vuoi creare la tabella.
- Nel campo Table (Tabella), inserisci il nome della tabella che vuoi creare.
- Verifica che il campo Tipo di tabella sia impostato su Tabella nativa.
- Nella sezione Schema, non è necessaria alcuna azione. Lo schema è autodescrittivo nei file ORC.
- (Facoltativo) Specifica le impostazioni di partizionamento e clustering. Per ulteriori informazioni, vedi Creazione di tabelle partizionate e Creazione e utilizzo di tabelle in cluster. Non puoi convertire una tabella in una tabella partizionata o in cluster aggiungendola o sovrascrivendola. La console Google Cloud non supporta l'aggiunta o la sovrascrittura di tabelle partizionate o in cluster in un job di caricamento.
- Fai clic su Opzioni avanzate e segui questi passaggi:
- In Preferenza di scrittura, scegli Aggiungi alla tabella o Sovrascrivi tabella.
- Se vuoi ignorare i valori di una riga che non sono presenti nello schema della tabella, seleziona Valori sconosciuti.
- Per la crittografia, fai clic su Chiave gestita dal cliente per utilizzare una chiave Cloud Key Management Service. Se lasci l'impostazione Google-managed key, BigQuery cripta i dati at rest.
- Fai clic su Crea tabella.
SQL
Utilizza l'istruzione DDL LOAD DATA
.
L'app di esempio seguente aggiunge un file ORC alla tabella mytable
:
Nella console Google Cloud , vai alla pagina BigQuery.
Nell'editor di query, inserisci la seguente istruzione:
LOAD DATA INTO mydataset.mytable FROM FILES ( format = 'ORC', uris = ['gs://bucket/path/file.orc']);
Fai clic su
Esegui.
Per maggiori informazioni su come eseguire le query, consulta Eseguire una query interattiva.
bq
Inserisci il comando bq load
con il flag --replace
per sovrascrivere la
tabella. Utilizza il flag --noreplace
per aggiungere dati alla tabella. Se non viene specificato alcun flag, il comportamento predefinito è l'aggiunta dei dati. Fornisci il flag --source_format
e impostalo su ORC
. Poiché gli schemi ORC vengono recuperati automaticamente
dai dati di origine autodescrittivi, non è necessario fornire una definizione dello schema.
(Facoltativo) Fornisci il flag --location
e imposta il valore sulla tua
posizione.
Altri flag facoltativi includono:
--destination_kms_key
: la chiave Cloud KMS per la crittografia dei dati della tabella.
bq --location=location load \ --[no]replace \ --source_format=format \ dataset.table \ path_to_source
Dove:
- location è la tua posizione.
Il flag
--location
è facoltativo. Puoi impostare un valore predefinito per la posizione utilizzando il file.bigqueryrc. - format è pari a
ORC
. - dataset è un set di dati esistente.
- table è il nome della tabella in cui stai caricando i dati.
- path_to_source è un URI Cloud Storage completo o un elenco di URI separati da virgole. Sono supportati anche i caratteri jolly.
Esempi:
Il seguente comando carica i dati da gs://mybucket/mydata.orc
e sovrascrive una tabella denominata mytable
in mydataset
.
bq load \
--replace \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata.orc
Il seguente comando carica i dati da gs://mybucket/mydata.orc
e
aggiunge i dati a una tabella denominata mytable
in mydataset
.
bq load \
--noreplace \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata.orc
Per informazioni sull'aggiunta e sulla sovrascrittura di tabelle partizionate utilizzando lo strumento a riga di comando bq, consulta: Aggiunta e sovrascrittura dei tabella partizionata partizionate.
API
Crea un job
load
che rimandi ai dati di origine in Cloud Storage.(Facoltativo) Specifica la tua posizione nella proprietà
location
nella sezionejobReference
della risorsa job.La proprietà
source URIs
deve essere completa, nel formatogs://bucket/object
. Puoi includere più URI come elenco separato da virgole. Tieni presente che sono supportati anche i caratteri jolly.Specifica il formato dei dati impostando la proprietà
configuration.load.sourceFormat
suORC
.Specifica la preferenza di scrittura impostando la proprietà
configuration.load.writeDisposition
suWRITE_TRUNCATE
oWRITE_APPEND
.
C#
Prima di provare questo esempio, segui le istruzioni di configurazione di C# nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery C#.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Vai
Prima di provare questo esempio, segui le istruzioni di configurazione di Go nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Go.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Java
Node.js
Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Node.js.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
PHP
Prima di provare questo esempio, segui le istruzioni di configurazione di PHP nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery PHP.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Python
Prima di provare questo esempio, segui le istruzioni di configurazione di Python nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Python.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Per sostituire le righe in una tabella esistente, imposta la proprietà LoadJobConfig.write_disposition su WRITE_TRUNCATE.Ruby
Prima di provare questo esempio, segui le istruzioni di configurazione di Ruby nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento dell'API BigQuery Ruby.
Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configurare l'autenticazione per le librerie client.
Caricare dati ORC partizionati in Hive
BigQuery supporta il caricamento dei dati ORC partizionati Hive archiviati in Cloud Storage e compila le colonne di partizionamento Hive come colonne nella tabella gestita BigQuery di destinazione. Per maggiori informazioni, consulta la pagina Caricamento di dati partizionati esternamente da Cloud Storage.
Conversioni ORC
BigQuery converte i tipi di dati ORC nei seguenti tipi di dati BigQuery:
Tipi primitivi
Tipo di dati BigQuery | Note | |
---|---|---|
boolean | BOOLEANO | |
byte | INTEGER | |
corti | INTEGER | |
int | INTEGER | |
Lungo | INTEGER | |
float | FLOAT | |
double | FLOAT | |
string | STRING | Solo UTF-8 |
varchar | STRING | Solo UTF-8 |
char | STRING | Solo UTF-8 |
binario | BYTES | |
data | DATA | Un tentativo di convertire qualsiasi valore nei dati ORC inferiore a
-719162 giorni o superiore a 2932896 giorni restituisce un errore invalid date
value . Se questo ti riguarda, contatta
l'assistenza per richiedere
la conversione dei valori non supportati nel valore minimo di BigQuery
di 0001-01-01 o nel valore massimo di 9999-12-31 ,
a seconda dei casi. |
timestamp | TIMESTAMP |
ORC supporta la precisione al nanosecondo, ma BigQuery converte i valori inferiori al microsecondo in microsecondi quando i dati vengono letti. Un tentativo di convertire qualsiasi valore nei dati ORC inferiore a
-719162 giorni o superiore a 2932896 giorni restituisce un errore |
decimal | NUMERIC, BIGNUMERIC o STRING | Vedi Tipo decimale. |
Tipo decimale
I tipi logici Decimal
possono essere convertiti in tipi NUMERIC
, BIGNUMERIC
o STRING
. Il tipo convertito dipende
dai parametri di precisione e scala del tipo logico decimal
e dai
tipi di destinazione decimali specificati. Specifica il tipo di target decimale come segue:
- Per un job di caricamento che utilizza l'API
jobs.insert
, utilizza il campoJobConfigurationLoad.decimalTargetTypes
. - Per un job di caricamento utilizzando il
comando
bq load
nello strumento a riga di comando bq: utilizza il flag--decimal_target_types
. - Per una query su una tabella con origini esterne:
utilizza il campo
ExternalDataConfiguration.decimalTargetTypes
. - Per una tabella esterna persistente creata con DDL:
utilizza l'opzione
decimal_target_types
.
Tipi complessi
Tipo di dati BigQuery | Note | |
---|---|---|
struct | RECORD |
|
map<K,V> | RECORD | Un campo ORC map<K,V> viene convertito in un RECORD ripetuto che contiene due campi: una chiave dello stesso tipo di dati di K e un valore dello stesso tipo di dati di V. Entrambi i campi sono NULLABLE. |
list | campi ripetuti | Gli elenchi nidificati e gli elenchi di mappe non sono supportati. |
unione | RECORD |
|
Nomi delle colonne
Il nome di una colonna può contenere lettere (a-z, A-Z), numeri (0-9) o trattini bassi (_), e deve iniziare con una lettera o un trattino basso. Se utilizzi nomi delle colonne flessibili, BigQuery supporta l'inizio di un nome di colonna con un numero. Fai attenzione quando inizi le colonne con un numero, poiché l'utilizzo di nomi di colonne flessibili con l'API BigQuery Storage di lettura o l'API BigQuery Storage Write richiede una gestione speciale. Per ulteriori informazioni sul supporto dei nomi delle colonne flessibili, consulta Nomi delle colonne flessibili.
I nomi delle colonne hanno una lunghezza massima di 300 caratteri. I nomi delle colonne non possono utilizzare i seguenti prefissi:
_TABLE_
_FILE_
_PARTITION
_ROW_TIMESTAMP
__ROOT__
_COLIDENTIFIER
Non sono consentiti nomi di colonna duplicati, anche se l'uso delle maiuscole è diverso. Ad esempio, una
colonna denominata Column1
è considerata identica a una colonna denominata column1
. Per
scoprire di più sulle regole di denominazione delle colonne, consulta Nomi
delle colonne nella
guida di riferimento di GoogleSQL.
Se il nome di una tabella (ad esempio test
) è uguale a uno dei nomi delle colonne
(ad esempio test
), l'espressione SELECT
interpreta la colonna test
come
un STRUCT
contenente tutte le altre colonne della tabella. Per evitare questo conflitto, utilizza
uno dei seguenti metodi:
Evita di utilizzare lo stesso nome per una tabella e le relative colonne.
Assegna alla tabella un alias diverso. Ad esempio, la seguente query assegna l'alias di tabella
t
alla tabellaproject1.dataset.test
:SELECT test FROM project1.dataset.test AS t;
Includi il nome della tabella quando fai riferimento a una colonna. Ad esempio:
SELECT test.test FROM project1.dataset.test;
Nomi delle colonne flessibili
Hai maggiore flessibilità nella denominazione delle colonne, incluso l'accesso esteso ai caratteri in lingue diverse dall'inglese, nonché a simboli aggiuntivi.
I nomi delle colonne flessibili supportano i seguenti caratteri:
- Qualsiasi lettera in qualsiasi lingua, come rappresentata dall'espressione regolare Unicode
\p{L}
. - Qualsiasi carattere numerico in qualsiasi lingua rappresentato dall'espressione
regolare Unicode
\p{N}
. - Qualsiasi carattere di punteggiatura del connettore, inclusi i trattini bassi, come rappresentato
dall'espressione regolare Unicode
\p{Pc}
. - Un trattino o una lineetta rappresentati dall'espressione regolare Unicode
\p{Pd}
. - Qualsiasi segno destinato ad accompagnare un altro carattere, come rappresentato dall'espressione regolare Unicode
\p{M}
. Ad esempio, accenti, dieresi o caselle di inclusione. - I seguenti caratteri speciali:
- Una e commerciale (
&
) rappresentata dall'espressione regolare Unicode\u0026
. - Un segno di percentuale (
%
) rappresentato dall'espressione regolare Unicode\u0025
. - Un segno di uguale (
=
) rappresentato dall'espressione regolare Unicode\u003D
. - Un segno più (
+
) rappresentato dall'espressione regolare Unicode\u002B
. - Un segno dei due punti (
:
) rappresentato dall'espressione regolare Unicode\u003A
. - Un apostrofo (
'
) rappresentato dall'espressione regolare Unicode\u0027
. - Un segno di minore (
<
) rappresentato dall'espressione regolare Unicode\u003C
. - Un segno di maggiore (
>
) rappresentato dall'espressione regolare Unicode\u003E
. - Un simbolo di cancelletto (
#
) rappresentato dall'espressione regolare Unicode\u0023
. - Una linea verticale (
|
) rappresentata dall'espressione regolare Unicode\u007c
. - Spazio vuoto.
- Una e commerciale (
I nomi delle colonne flessibili non supportano i seguenti caratteri speciali:
- Un punto esclamativo (
!
) rappresentato dall'espressione regolare Unicode\u0021
. - Un segno di virgolette (
"
) rappresentato dall'espressione regolare Unicode\u0022
. - Un simbolo del dollaro (
$
) rappresentato dall'espressione regolare Unicode\u0024
. - Una parentesi aperta (
(
) rappresentata dall'espressione regolare Unicode\u0028
. - Una parentesi chiusa (
)
) rappresentata dall'espressione regolare Unicode\u0029
. - Un asterisco (
*
) rappresentato dall'espressione regolare Unicode\u002A
. - Una virgola (
,
) rappresentata dall'espressione regolare Unicode\u002C
. - Un punto (
.
) rappresentato dall'espressione regolare Unicode\u002E
. I punti non vengono sostituiti dai trattini bassi nei nomi delle colonne dei file Parquet quando viene utilizzata una mappa dei caratteri dei nomi delle colonne. Per ulteriori informazioni, vedi limitazioni delle colonne flessibili. - Una barra (
/
) rappresentata dall'espressione regolare Unicode\u002F
. - Un punto e virgola (
;
) rappresentato dall'espressione regolare Unicode\u003B
. - Un punto interrogativo (
?
) rappresentato dall'espressione regolare Unicode\u003F
. - Un simbolo @ (
@
) rappresentato dall'espressione regolare Unicode\u0040
. - Una parentesi quadra aperta (
[
) rappresentata dall'espressione regolare Unicode\u005B
. - Una barra rovesciata (
\
) rappresentata dall'espressione regolare Unicode\u005C
. - Una parentesi quadra chiusa (
]
) rappresentata dall'espressione regolare Unicode\u005D
. - Un accento circonflesso (
^
) rappresentato dall'espressione regolare Unicode\u005E
. - Un accento grave (
`
) rappresentato dall'espressione regolare Unicode\u0060
. - Una parentesi graffa aperta {
{
) rappresentata dall'espressione regolare Unicode\u007B
. - Una parentesi graffa chiusa (
}
) rappresentata dall'espressione regolare Unicode\u007D
. - Una tilde (
~
) rappresentata dall'espressione regolare Unicode\u007E
.
Per ulteriori linee guida, vedi Nomi delle colonne.
I caratteri delle colonne espanse sono supportati sia dall'API BigQuery Storage di lettura
sia dall'API BigQuery Storage di scrittura. Per utilizzare l'elenco esteso di caratteri Unicode
con l'API BigQuery Storage di lettura, devi impostare un flag. Puoi utilizzare l'attributo
displayName
per recuperare il nome della colonna. L'esempio seguente
mostra come impostare un flag con il client Python:
from google.cloud.bigquery_storage import types
requested_session = types.ReadSession()
#set avro serialization options for flexible column.
options = types.AvroSerializationOptions()
options.enable_display_name_attribute = True
requested_session.read_options.avro_serialization_options = options
Per utilizzare l'elenco esteso di caratteri Unicode con l'API BigQuery Storage Write,
devi fornire lo schema con la notazione column_name
, a meno che tu non stia utilizzando
l'oggetto writer JsonStreamWriter
. Il seguente esempio mostra come
fornire lo schema:
syntax = "proto2";
package mypackage;
// Source protos located in github.com/googleapis/googleapis
import "google/cloud/bigquery/storage/v1/annotations.proto";
message FlexibleSchema {
optional string item_name_column = 1
[(.google.cloud.bigquery.storage.v1.column_name) = "name-列"];
optional string item_description_column = 2
[(.google.cloud.bigquery.storage.v1.column_name) = "description-列"];
}
In questo esempio, item_name_column
e item_description_column
sono
nomi segnaposto che devono essere conformi alla
convenzione di denominazione dei
buffer di protocollo. Tieni presente che le annotazioni column_name
hanno sempre la precedenza sui
nomi dei segnaposto.
Limitazioni
- I nomi delle colonne flessibili non sono supportati con le tabelle esterne.
NULL
valori
Tieni presente che per i job di caricamento, BigQuery ignora gli elementi NULL
per il tipo composto list
, poiché altrimenti verrebbero convertiti in elementi NULL
ARRAY
che non possono essere mantenuti in una tabella (per maggiori dettagli, consulta Tipi di dati).
Per ulteriori informazioni sui tipi di dati ORC, consulta la specifica Apache ORC™ v1.