Caricamento di dati partizionati esternamente

BigQuery può caricare i dati archiviati in Cloud Storage utilizzando un layout di partizionamento hive. Il partizionamento hive significa che i dati esterni sono organizzati in più file, con una convenzione di denominazione per separare i file in partizioni diverse. Per ulteriori informazioni, vedi Layout dei dati supportati.

Per impostazione predefinita, i dati non vengono partizionati in BigQuery dopo il caricamento, a meno che non crei esplicitamente una tabella partizionata.

Caricare dati partizionati hive

Per caricare i dati partizionati hive, scegli una delle seguenti opzioni:

bq load --source_format=ORC --hive_partitioning_mode=AUTO \
--hive_partitioning_source_uri_prefix=gcs_uri_shared_prefix \
dataset.table gcs_uris

bq load --source_format=CSV --autodetect \
--hive_partitioning_mode=STRINGS \
--hive_partitioning_source_uri_prefix=gcs_uri_shared_prefix \
dataset.table gcs_uris

bq load --source_format=JSON --hive_partitioning_mode=CUSTOM \
--hive_partitioning_source_uri_prefix=gcs_uri_shared_prefix/partition_key_schema \
dataset.table gcs_uris file_schema

--hive_partitioning_source_uri_prefix=gcs_uri_shared_prefix/{key1:TYPE1}/{key2:TYPE2}/{key3:TYPE3}

Eseguire caricamenti incrementali

Considera il seguente layout dei dati:

gs://my_bucket/my_table/dt=2019-10-31/val=1/file1
gs://my_bucket/my_table/dt=2018-10-31/val=2/file2
gs://my_bucket/my_table/dt=2017-10-31/val=3/file3
gs://my_bucket/my_table/dt=2016-10-31/val=4/file4

Per caricare solo i dati del 31/10/2019, procedi nel seguente modo:

• Imposta la modalità di partizionamento hive su AUTO, STRINGS o CUSTOM.
• Imposta il prefisso dell'URI di origine su gs://my_bucket/my_table/ per le modalità di partizionamento hive AUTO o STRINGS. Per CUSTOM, fornisci gs://my_bucket/my_table/{dt:DATE}/{val:INTEGER}.
• Utilizza l'URI gs://my_bucket/my_table/dt=2019-10-31/*.
• I dati vengono caricati con le colonne dt e val incluse, con i valori 2019-10-31 e 1, rispettivamente.

Per caricare solo i dati di file specifici, procedi nel seguente modo:

• Imposta la modalità di partizionamento hive su AUTO, STRINGS o CUSTOM.
• Imposta il prefisso dell'URI di origine su gs://my_bucket/my_table/ per le modalità di partizionamento hive AUTO o STRINGS. Per CUSTOM, fornisci gs://my_bucket/my_table/{dt:DATE}/{val:INTEGER}.
• Utilizza gli URI gs://my_bucket/my_table/dt=2017-10-31/val=3/file3,gs://my_bucket/my_table/dt=2016-10-31/val=4/file4.
• I dati vengono caricati da entrambi i file con le colonne dt e val compilate.

Schema di partizione

Le sezioni seguenti descrivono il layout partizionato hive predefinito e le modalità di rilevamento dello schema supportate da BigQuery.

Layout dei dati supportati

Le chiavi di partizione hive vengono visualizzate come colonne normali quando esegui query sui dati da Cloud Storage. I dati devono seguire un layout partizionato hive predefinito. Ad esempio, i seguenti file seguono il layout predefinito: le coppie chiave-valore sono configurate come directory con un segno di uguale (=) come separatore e le chiavi di partizione sono sempre nello stesso ordine:

gs://my_bucket/my_table/dt=2019-10-31/lang=en/my_filename
gs://my_bucket/my_table/dt=2018-10-31/lang=fr/my_filename

Il prefisso dell'URI di origine comune in questo esempio è gs://my_bucket/my_table.

Layout dei dati non supportati

Se i nomi delle chiavi di partizione non sono codificati nel percorso della directory, il rilevamento dello schema di partizione non riesce. Ad esempio, considera il seguente percorso, che non codifica i nomi delle chiavi di partizione:

gs://my_bucket/my_table/2019-10-31/en/my_filename

Anche i file in cui lo schema non è in un ordine coerente non vengono rilevati. Ad esempio, considera i seguenti due file con codifiche delle chiavi di partizione invertite:

gs://my_bucket/my_table/dt=2019-10-31/lang=en/my_filename
gs://my_bucket/my_table/lang=fr/dt=2018-10-31/my_filename

Modalità di rilevamento

BigQuery supporta tre modalità di rilevamento dello schema di partizione hive:

• AUTO: i nomi e i tipi delle chiavi vengono rilevati automaticamente. È possibile rilevare i seguenti tipi:

  • STRING
  • INTEGER

  • DATE

    Ad esempio, /date=2018-10-18/.

  • TIMESTAMP

    Ad esempio, /time=2018-10-18 16:00:00+00/.

• STRINGS: i nomi delle chiavi vengono convertiti automaticamente nel tipo STRING.

• CUSTOM: lo schema della chiave di partizione viene codificato come specificato nel prefisso dell'URI di origine.

Schema di chiavi di partizione personalizzato

Per utilizzare uno schema CUSTOM, devi specificarlo nel campo del prefisso dell'URI di origine. L'utilizzo di uno schema CUSTOM ti consente di specificare il tipo per ogni chiave di partizione. I valori devono essere analizzati in modo valido come tipo specificato, altrimenti la query non riesce.

Ad esempio, se imposti il flag source_uri_prefix su gs://my_bucket/my_table/{dt:DATE}/{val:STRING}, BigQuery tratta val come STRING, dt come DATE e utilizza gs://my_bucket/my_table come prefisso dell'URI di origine per i file corrispondenti.

Limitazioni

• Il supporto per il partizionamento hive è basato sul presupposto di un prefisso dell'URI di origine comune per tutti gli URI che termina immediatamente prima della codifica della partizione, come segue: gs://BUCKET/PATH_TO_TABLE/.
• Si presuppone che la struttura delle directory di una tabella partizionata hive abbia le stesse chiavi di partizionamento nello stesso ordine, con un massimo di dieci chiavi di partizionamento per tabella.
• I dati devono seguire un layout partizionato hive predefinito.
• Le chiavi di partizionamento hive e le colonne nei file sottostanti non possono sovrapporsi.

• Il supporto è solo per GoogleSQL.

• Si applicano tutte le limitazioni per il caricamento da Cloud Storage.

Passaggi successivi

• Scopri di più sulle tabelle partizionate.
• Scopri come utilizzare SQL in BigQuery.