Carregar dados ORC a partir do Cloud Storage
Esta página fornece uma vista geral do carregamento de dados ORC do Cloud Storage para o BigQuery.
O ORC é um formato de dados orientado para colunas de código aberto amplamente usado no ecossistema do Apache Hadoop.
Quando carrega dados ORC do Cloud Storage, pode carregá-los para uma nova tabela ou partição, ou pode anexá-los ou substituir uma tabela ou uma partição existente. Quando os dados são carregados para o BigQuery, são convertidos para o formato de colunas para o Capacitor (o formato de armazenamento do BigQuery).
Quando carrega dados do Cloud Storage para uma tabela do BigQuery, o conjunto de dados que contém a tabela tem de estar na mesma localização regional ou multirregional que o contentor do Cloud Storage.
Para obter informações sobre o carregamento de dados ORC a partir de um ficheiro local, consulte o artigo Carregar dados para o BigQuery a partir de uma origem de dados local.
Limitações
Está sujeito às seguintes limitações quando carrega dados para o BigQuery a partir de um contentor do Cloud Storage:
- O BigQuery não garante a consistência dos dados para origens de dados externas. As alterações aos dados subjacentes durante a execução de uma consulta podem resultar num comportamento inesperado.
- O BigQuery não suporta o controlo de versões de objetos do Cloud Storage. Se incluir um número de geração no URI do Cloud Storage, a tarefa de carregamento falha.
Antes de começar
Conceda funções de gestão de identidade e de acesso (IAM) que dão aos utilizadores as autorizações necessárias para realizar cada tarefa neste documento e crie um conjunto de dados para armazenar os seus dados.
Autorizações necessárias
Para carregar dados para o BigQuery, precisa de autorizações da IAM para executar uma tarefa de carregamento e carregar dados para tabelas e partições do BigQuery. Se estiver a carregar dados do Cloud Storage, também precisa de autorizações de IAM para aceder ao contentor que contém os seus dados.
Autorizações para carregar dados para o BigQuery
Para carregar dados para uma nova tabela ou partição do BigQuery, ou para anexar ou substituir uma tabela ou uma partição existente, precisa das seguintes autorizações de IAM:
bigquery.tables.create
bigquery.tables.updateData
bigquery.tables.update
bigquery.jobs.create
Cada uma das seguintes funções de IAM predefinidas inclui as autorizações de que precisa para carregar dados para uma tabela ou uma partição do BigQuery:
roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.admin
(inclui a autorizaçãobigquery.jobs.create
)bigquery.user
(inclui a autorizaçãobigquery.jobs.create
)bigquery.jobUser
(inclui a autorizaçãobigquery.jobs.create
)
Além disso, se tiver a autorização bigquery.datasets.create
, pode criar e
atualizar tabelas através de uma tarefa de carregamento nos conjuntos de dados que criar.
Para mais informações sobre as funções e as autorizações do IAM no BigQuery, consulte o artigo Funções e autorizações predefinidas.
Autorizações para carregar dados do Cloud Storage
Para receber as autorizações de que precisa para carregar dados de um contentor do Cloud Storage, peça ao seu administrador para lhe conceder a função de IAM Administrador de armazenamento (roles/storage.admin
) no contentor.
Para mais informações sobre a atribuição de funções, consulte o artigo Faça a gestão do acesso a projetos, pastas e organizações.
Esta função predefinida contém as autorizações necessárias para carregar dados a partir de um contentor do Cloud Storage. Para ver as autorizações exatas que são necessárias, expanda a secção Autorizações necessárias:
Autorizações necessárias
São necessárias as seguintes autorizações para carregar dados de um contentor do Cloud Storage:
-
storage.buckets.get
-
storage.objects.get
-
storage.objects.list (required if you are using a URI wildcard)
Também pode conseguir estas autorizações com funções personalizadas ou outras funções predefinidas.
Crie um conjunto de dados
Crie um conjunto de dados do BigQuery para armazenar os seus dados.
Esquemas ORC
Quando carrega ficheiros ORC para o BigQuery, o esquema da tabela é obtido automaticamente dos dados de origem autodescritivos. Quando o BigQuery obtém o esquema dos dados de origem, é usado o ficheiro alfabeticamente último.
Por exemplo, tem os seguintes ficheiros ORC no Cloud Storage:
gs://mybucket/00/ a.orc z.orc gs://mybucket/01/ b.orc
A execução deste comando na ferramenta de linhas de comando bq carrega todos os ficheiros (como uma lista separada por vírgulas) e o esquema é derivado de mybucket/01/b.orc
:
bq load \ --source_format=ORC \ dataset.table \ "gs://mybucket/00/*.orc","gs://mybucket/01/*.orc"
Quando o BigQuery deteta o esquema, alguns tipos de dados ORC são convertidos em tipos de dados do BigQuery para os tornar compatíveis com a sintaxe do GoogleSQL. Todos os campos no esquema detetado são
NULLABLE
. Para mais informações, consulte o artigo
Conversões de ORC.
Quando carrega vários ficheiros ORC com esquemas diferentes, os campos idênticos (com o mesmo nome e o mesmo nível aninhado) especificados em vários esquemas têm de ser mapeados para o mesmo tipo de dados do BigQuery convertido em cada definição de esquema.
Para fornecer um esquema de tabela para criar tabelas externas, defina a propriedadereferenceFileSchemaUri
na API BigQuery ou o parâmetro --reference_file_schema_uri
na ferramenta de linha de comandos bq
para o URL do ficheiro de referência.
Por exemplo, --reference_file_schema_uri="gs://mybucket/schema.orc"
.
Compressão ORC
O BigQuery suporta os seguintes codecs de compressão para conteúdos de ficheiros ORC:
Zlib
Snappy
LZO
LZ4
ZSTD
Os dados em ficheiros ORC não permanecem comprimidos depois de serem carregados para o BigQuery. O armazenamento de dados é comunicado em bytes lógicos ou bytes físicos, consoante o modelo de faturação do armazenamento do conjunto de dados.
Para obter informações sobre a utilização do armazenamento, consulte a vista INFORMATION_SCHEMA.TABLE_STORAGE
.
Carregar dados ORC para uma nova tabela
Pode carregar dados ORC para uma nova tabela:
- Usar a Trusted Cloud consola
- Usar o comando
bq load
da ferramenta de linhas de comando bq - Chamar o método da API
jobs.insert
e configurar uma tarefaload
- Usar as bibliotecas de cliente
Para carregar dados ORC do Cloud Storage para uma nova tabela do BigQuery:
Consola
Na Trusted Cloud consola, aceda à página BigQuery.
- No painel Explorador, expanda o seu projeto e, de seguida, selecione um conjunto de dados.
- Na secção Informações do conjunto de dados, clique em Criar tabela.
- No painel Criar tabela, especifique os seguintes detalhes:
- Na secção Origem, selecione Google Cloud Storage na lista Criar tabela a partir de.
Em seguida, faça o seguinte:
- Selecione um ficheiro do contentor do Cloud Storage ou introduza o
URI do Cloud Storage.
Não pode incluir vários URIs
na Trusted Cloud consola, mas os carateres universais
são suportados. O contentor do Cloud Storage tem de estar na mesma localização que o conjunto de dados que contém a tabela que quer criar, acrescentar ou substituir.
- Em Formato de ficheiro, selecione ORC.
- Selecione um ficheiro do contentor do Cloud Storage ou introduza o
URI do Cloud Storage.
Não pode incluir vários URIs
na Trusted Cloud consola, mas os carateres universais
são suportados. O contentor do Cloud Storage tem de estar na mesma localização que o conjunto de dados que contém a tabela que quer criar, acrescentar ou substituir.
- Na secção Destino, especifique os seguintes detalhes:
- Para Conjunto de dados, selecione o conjunto de dados no qual quer criar a tabela.
- No campo Tabela, introduza o nome da tabela que quer criar.
- Verifique se o campo Tipo de tabela está definido como Tabela nativa.
- Na secção Esquema, não é necessária nenhuma ação. O esquema é autodescrito em ficheiros ORC.
- Opcional: especifique as definições de partição e cluster. Para mais informações, consulte os artigos Criar tabelas particionadas e Criar e usar tabelas agrupadas.
- Clique em Opções avançadas e faça o seguinte:
- Para Preferência de escrita, deixe a opção Escrever se estiver vazio selecionada. Esta opção cria uma nova tabela e carrega os seus dados na mesma.
- Se quiser ignorar valores numa linha que não estejam presentes no esquema da tabela, selecione Valores desconhecidos.
- Para Encriptação, clique em Chave gerida pelo cliente para usar uma chave do Cloud Key Management Service. Se deixar a definição Google Cloud-powered key, o BigQuery encripta os dados em repouso.
- Clique em Criar tabela.
SQL
Use a
LOAD DATA
declaração DDL.
O exemplo seguinte carrega um ficheiro ORC na nova tabela mytable
:
Na Trusted Cloud consola, aceda à página BigQuery.
No editor de consultas, introduza a seguinte declaração:
LOAD DATA OVERWRITE mydataset.mytable FROM FILES ( format = 'ORC', uris = ['gs://bucket/path/file.orc']);
Clique em
Executar.
Para mais informações sobre como executar consultas, consulte o artigo Execute uma consulta interativa.
bq
Use o comando bq load
, especifique ORC como source_format
e inclua um URI do Cloud Storage.
Pode incluir um único URI, uma lista de URIs separados por vírgulas ou um URI
que contenha um caractere universal.
(Opcional) Forneça a flag --location
e defina o valor para a sua
localização.
Outras flags opcionais incluem:
--time_partitioning_type
: ativa a partição baseada no tempo numa tabela e define o tipo de partição. Os valores possíveis sãoHOUR
,DAY
,MONTH
eYEAR
. Esta flag é opcional quando cria uma tabela particionada numa colunaDATE
,DATETIME
ouTIMESTAMP
. O tipo de partição predefinido para a partição baseada no tempo éDAY
. Não pode alterar a especificação de partição numa tabela existente.--time_partitioning_expiration
: um número inteiro que especifica (em segundos) quando uma partição baseada no tempo deve ser eliminada. O tempo de expiração é avaliado como a data UTC da partição mais o valor inteiro.--time_partitioning_field
: a colunaDATE
ouTIMESTAMP
usada para criar uma tabela particionada. Se a partição baseada no tempo estiver ativada sem este valor, é criada uma tabela particionada por tempo de ingestão.--require_partition_filter
: quando ativada, esta opção exige que os utilizadores incluam uma cláusulaWHERE
que especifique as partições a consultar. Exigir um filtro de partição pode reduzir o custo e melhorar o desempenho. Para mais informações, consulte o artigo Exija um filtro de partição nas consultas.--clustering_fields
: uma lista separada por vírgulas de até quatro nomes de colunas usados para criar uma tabela agrupada.--destination_kms_key
: a chave do Cloud KMS para a encriptação dos dados da tabela.Para mais informações sobre tabelas particionadas, consulte:
Para mais informações sobre tabelas agrupadas, consulte:
Para mais informações sobre a encriptação de tabelas, consulte:
Para carregar dados ORC para o BigQuery, introduza o seguinte comando:
bq --location=location load \ --source_format=format \ dataset.table \ path_to_source
Onde:
- location é a sua localização. A flag
--location
é opcional. Por exemplo, se estiver a usar o BigQuery na região de Tóquio, pode definir o valor da flag comoasia-northeast1
. Pode definir um valor predefinido para a localização através do ficheiro.bigqueryrc. - format é
ORC
. - dataset é um conjunto de dados existente.
- table é o nome da tabela para a qual está a carregar dados.
- path_to_source é um URI do Cloud Storage totalmente qualificado ou uma lista de URIs separados por vírgula. Os carateres universais também são suportados.
Exemplos:
O comando seguinte carrega dados de gs://mybucket/mydata.orc
para uma tabela denominada mytable
em mydataset
.
bq load \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata.orc
O comando seguinte carrega dados de gs://mybucket/mydata.orc
para uma nova tabela particionada por tempo de carregamento denominada mytable
em mydataset
.
bq load \
--source_format=ORC \
--time_partitioning_type=DAY \
mydataset.mytable \
gs://mybucket/mydata.orc
O comando seguinte carrega dados de gs://mybucket/mydata.orc
para uma tabela particionada denominada mytable
em mydataset
. A tabela está particionada
na coluna mytimestamp
.
bq load \
--source_format=ORC \
--time_partitioning_field mytimestamp \
mydataset.mytable \
gs://mybucket/mydata.orc
O comando seguinte carrega dados de vários ficheiros em gs://mybucket/
para uma tabela denominada mytable
em mydataset
. O URI do Cloud Storage usa um caráter
universal.
bq load \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata*.orc
O comando seguinte carrega dados de vários ficheiros em gs://mybucket/
para uma tabela denominada mytable
em mydataset
. O comando inclui uma lista de URIs do Cloud Storage separados por vírgulas com carateres universais.
bq load --autodetect \
--source_format=ORC \
mydataset.mytable \
"gs://mybucket/00/*.orc","gs://mybucket/01/*.orc"
API
Crie uma tarefa
load
que aponte para os dados de origem no Cloud Storage.(Opcional) Especifique a sua localização na propriedade
location
na secçãojobReference
do recurso de emprego.A propriedade
source URIs
tem de ser totalmente qualificada, no formatogs://bucket/object
. Cada URI pode conter um carater universal "*".Especifique o formato de dados ORC definindo a propriedade
sourceFormat
comoORC
.Para verificar o estado da tarefa, chame
jobs.get(job_id*)
, onde job_id é o ID da tarefa devolvido pelo pedido inicial.- Se
status.state = DONE
, a tarefa foi concluída com êxito. - Se a propriedade
status.errorResult
estiver presente, o pedido falhou e esse objeto inclui informações que descrevem o que correu mal. Quando um pedido falha, não é criada nenhuma tabela nem são carregados dados. - Se
status.errorResult
estiver ausente, a tarefa foi concluída com êxito, embora possam ter ocorrido alguns erros não fatais, como problemas na importação de algumas linhas. Os erros não fatais são apresentados na propriedadestatus.errors
do objeto de tarefa devolvido.
- Se
Notas da API:
Os trabalhos de carregamento são atómicos e consistentes. Se um trabalho de carregamento falhar, nenhum dos dados está disponível. Se um trabalho de carregamento for bem-sucedido, todos os dados estão disponíveis.
Como prática recomendada, gere um ID exclusivo e transmita-o como
jobReference.jobId
quando chamarjobs.insert
para criar uma tarefa de carregamento. Esta abordagem é mais robusta em caso de falha de rede, uma vez que o cliente pode sondar ou tentar novamente com o ID da tarefa conhecido.A chamada
jobs.insert
num determinado ID da tarefa é idempotente. Pode tentar novamente quantas vezes quiser com o mesmo ID do trabalho e, no máximo, uma dessas operações é bem-sucedida.
C#
Antes de experimentar este exemplo, siga as C#instruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API C# BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Go
Antes de experimentar este exemplo, siga as Goinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Go BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Java
Node.js
Antes de experimentar este exemplo, siga as Node.jsinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Node.js BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
PHP
Antes de experimentar este exemplo, siga as PHPinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API PHP BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Python
Antes de experimentar este exemplo, siga as Pythoninstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Python BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Ruby
Antes de experimentar este exemplo, siga as Rubyinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Ruby BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Anexe ou substitua uma tabela com dados ORC
Pode carregar dados adicionais para uma tabela a partir de ficheiros de origem ou acrescentando resultados de consultas.
Na Trusted Cloud consola, use a opção Preferência de escrita para especificar que ação realizar quando carregar dados de um ficheiro de origem ou de um resultado de consulta.
Tem as seguintes opções quando carrega dados adicionais numa tabela:
Opção da consola | Sinalização da ferramenta bq | Propriedade da API BigQuery | Descrição |
---|---|---|---|
Escrever se estiver vazio | Não suportado | WRITE_EMPTY |
Escreve os dados apenas se a tabela estiver vazia. |
Anexar à tabela | --noreplace ou --replace=false ; se
--[no]replace não estiver especificado, a predefinição é anexar |
WRITE_APPEND |
(Predefinição) Anexa os dados ao final da tabela. |
Substituir tabela | --replace ou --replace=true |
WRITE_TRUNCATE |
Apaga todos os dados existentes numa tabela antes de escrever os novos dados. Esta ação também elimina o esquema da tabela, a segurança ao nível da linha e remove qualquer chave do Cloud KMS. |
Se carregar dados para uma tabela existente, a tarefa de carregamento pode anexar os dados ou substituir a tabela.
Pode acrescentar ou substituir uma tabela:
- Usar a Trusted Cloud consola
- Usar o comando
bq load
da ferramenta de linhas de comando bq - Chamar o método da API
jobs.insert
e configurar uma tarefaload
- Usar as bibliotecas de cliente
Para acrescentar ou substituir uma tabela com dados ORC:
Consola
Na Trusted Cloud consola, aceda à página BigQuery.
- No painel Explorador, expanda o seu projeto e, de seguida, selecione um conjunto de dados.
- Na secção Informações do conjunto de dados, clique em Criar tabela.
- No painel Criar tabela, especifique os seguintes detalhes:
- Na secção Origem, selecione Google Cloud Storage na lista Criar tabela a partir de.
Em seguida, faça o seguinte:
- Selecione um ficheiro do contentor do Cloud Storage ou introduza o
URI do Cloud Storage.
Não pode incluir vários URIs
na Trusted Cloud consola, mas os carateres universais
são suportados. O contentor do Cloud Storage tem de estar na mesma localização que o conjunto de dados que contém a tabela que quer criar, acrescentar ou substituir.
- Em Formato de ficheiro, selecione ORC.
- Selecione um ficheiro do contentor do Cloud Storage ou introduza o
URI do Cloud Storage.
Não pode incluir vários URIs
na Trusted Cloud consola, mas os carateres universais
são suportados. O contentor do Cloud Storage tem de estar na mesma localização que o conjunto de dados que contém a tabela que quer criar, acrescentar ou substituir.
- Na secção Destino, especifique os seguintes detalhes:
- Para Conjunto de dados, selecione o conjunto de dados no qual quer criar a tabela.
- No campo Tabela, introduza o nome da tabela que quer criar.
- Verifique se o campo Tipo de tabela está definido como Tabela nativa.
- Na secção Esquema, não é necessária nenhuma ação. O esquema é autodescrito em ficheiros ORC.
- Opcional: especifique as definições de partição e cluster. Para mais informações, consulte os artigos Criar tabelas particionadas e Criar e usar tabelas agrupadas. Não pode converter uma tabela numa tabela particionada ou agrupada anexando-a ou substituindo-a. A Trusted Cloud consola não suporta a anexação nem a substituição de tabelas particionadas ou agrupadas num trabalho de carregamento.
- Clique em Opções avançadas e faça o seguinte:
- Para Preferência de escrita, escolha Anexar à tabela ou Substituir tabela.
- Se quiser ignorar valores numa linha que não estejam presentes no esquema da tabela, selecione Valores desconhecidos.
- Para Encriptação, clique em Chave gerida pelo cliente para usar uma chave do Cloud Key Management Service. Se deixar a definição Google Cloud-powered key, o BigQuery encripta os dados em repouso.
- Clique em Criar tabela.
SQL
Use a
LOAD DATA
declaração DDL.
O exemplo seguinte anexa um ficheiro ORC à tabela mytable
:
Na Trusted Cloud consola, aceda à página BigQuery.
No editor de consultas, introduza a seguinte declaração:
LOAD DATA INTO mydataset.mytable FROM FILES ( format = 'ORC', uris = ['gs://bucket/path/file.orc']);
Clique em
Executar.
Para mais informações sobre como executar consultas, consulte o artigo Execute uma consulta interativa.
bq
Introduza o comando bq load
com a flag --replace
para substituir a tabela. Use a flag --noreplace
para anexar dados à tabela. Se não for especificada nenhuma flag, a predefinição é anexar dados. Forneça a flag --source_format
e defina-a como ORC
. Uma vez que os esquemas ORC são obtidos automaticamente
a partir dos dados de origem autodescritivos, não tem de fornecer uma
definição de esquema.
(Opcional) Forneça a flag --location
e defina o valor para a sua
localização.
Outras flags opcionais incluem:
--destination_kms_key
: a chave do Cloud KMS para a encriptação dos dados da tabela.
bq --location=location load \ --[no]replace \ --source_format=format \ dataset.table \ path_to_source
Onde:
- location é a sua localização.
A flag
--location
é opcional. Pode predefinir um valor para a localização através do ficheiro.bigqueryrc. - format é
ORC
. - dataset é um conjunto de dados existente.
- table é o nome da tabela para a qual está a carregar dados.
- path_to_source é um URI do Cloud Storage totalmente qualificado ou uma lista de URIs separados por vírgula. Os carateres universais também são suportados.
Exemplos:
O comando seguinte carrega dados de gs://mybucket/mydata.orc
e
substitui uma tabela denominada mytable
em mydataset
.
bq load \
--replace \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata.orc
O comando seguinte carrega dados de gs://mybucket/mydata.orc
e anexa dados a uma tabela denominada mytable
em mydataset
.
bq load \
--noreplace \
--source_format=ORC \
mydataset.mytable \
gs://mybucket/mydata.orc
Para ver informações sobre como anexar e substituir tabelas particionadas através da ferramenta de linha de comandos bq, consulte: Anexar e substituir dados de tabelas particionadas.
API
Crie uma tarefa
load
que aponte para os dados de origem no Cloud Storage.(Opcional) Especifique a sua localização na propriedade
location
na secçãojobReference
do recurso de trabalho.A propriedade
source URIs
tem de ser totalmente qualificada, no formatogs://bucket/object
. Pode incluir vários URIs como uma lista separada por vírgulas. Tenha em atenção que os carateres universais também são suportados.Especifique o formato de dados definindo a propriedade
configuration.load.sourceFormat
comoORC
.Especifique a preferência de escrita definindo a propriedade
configuration.load.writeDisposition
comoWRITE_TRUNCATE
ouWRITE_APPEND
.
C#
Antes de experimentar este exemplo, siga as C#instruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API C# BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Go
Antes de experimentar este exemplo, siga as Goinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Go BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Java
Node.js
Antes de experimentar este exemplo, siga as Node.jsinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Node.js BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
PHP
Antes de experimentar este exemplo, siga as PHPinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API PHP BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Python
Antes de experimentar este exemplo, siga as Pythoninstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Python BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Ruby
Antes de experimentar este exemplo, siga as Rubyinstruções de configuração no início rápido do BigQuery com bibliotecas cliente. Para mais informações, consulte a API Ruby BigQuery documentação de referência.
Para se autenticar no BigQuery, configure as Credenciais padrão da aplicação. Para mais informações, consulte o artigo Configure a autenticação para bibliotecas de cliente.
Antes de executar exemplos de código, defina a variável GOOGLE_CLOUD_UNIVERSE_DOMAIN
environment
como s3nsapis.fr
.
Carregue dados ORC particionados por Hive
O BigQuery suporta o carregamento de dados ORC particionados por Hive armazenados no Cloud Storage e preenche as colunas de particionamento por Hive como colunas na tabela gerida do BigQuery de destino. Para mais informações, consulte o artigo Carregar dados particionados externamente a partir do Cloud Storage.
Conversões ORC
O BigQuery converte os tipos de dados ORC nos seguintes tipos de dados do BigQuery:
Tipos primitivos
Tipo de dados do BigQuery | Notas | |
---|---|---|
booleano | BOOLEAN | |
byte | INTEGER | |
curto | INTEGER | |
int | INTEGER | |
longo | INTEGER | |
flutuante | FLOAT | |
dupla | FLOAT | |
de string | STRING | Apenas UTF-8 |
varchar | STRING | Apenas UTF-8 |
char | STRING | Apenas UTF-8 |
binário | BYTES | |
data | DATA | Uma tentativa de converter qualquer valor nos dados ORC inferior a -719162 dias ou superior a 2932896 dias devolve um erro invalid date
value . Se esta situação lhe afetar, contacte o
apoio técnico para que os
valores não suportados sejam convertidos no valor mínimo do BigQuery
de 0001-01-01 ou no valor máximo de 9999-12-31 ,
conforme adequado. |
timestamp | TIMESTAMP |
O ORC suporta a precisão de nanossegundos, mas o BigQuery converte os valores inferiores a microssegundos em microssegundos quando os dados são lidos. Uma tentativa de converter qualquer valor nos dados ORC inferior a
-719162 dias ou superior a 2932896 dias devolve um erro |
decimal | NUMERIC, BIGNUMERIC ou STRING | Consulte a secção Tipo decimal. |
Tipo decimal
Os tipos lógicos Decimal
podem ser convertidos em tipos NUMERIC
, BIGNUMERIC
ou STRING
. O tipo convertido depende
dos parâmetros de precisão e escala do tipo lógico decimal
e dos
tipos de destino decimal especificados. Especifique o tipo de destino decimal da seguinte forma:
- Para um trabalho de carregamento através da API
jobs.insert
, use o campoJobConfigurationLoad.decimalTargetTypes
. - Para uma tarefa de carregamento com o comando
bq load
na ferramenta de linhas de comando bq: use a flag--decimal_target_types
. - Para uma consulta a uma tabela com origens externas:
use o campo
ExternalDataConfiguration.decimalTargetTypes
. - Para uma tabela externa persistente criada com DDL:
use a opção
decimal_target_types
.
Tipos complexos
Tipo de dados do BigQuery | Notas | |
---|---|---|
struct | RECORD |
|
map<K,V> | RECORD | Um campo de mapa ORC<K,V> é convertido num RECORD repetido que contém dois campos: uma chave do mesmo tipo de dados que K e um valor do mesmo tipo de dados que V. Ambos os campos são NULLABLE. |
lista | campos repetidos | Não são suportadas listas aninhadas nem listas de mapas. |
união | RECORD |
|
Nomes das colunas
Um nome de coluna pode conter letras (a-z, A-Z), números (0-9) ou sublinhados (_), e tem de começar por uma letra ou um sublinhado. Se usar nomes de colunas flexíveis, o BigQuery suporta o início de um nome de coluna com um número. Tenha cuidado ao iniciar colunas com um número, uma vez que a utilização de nomes de colunas flexíveis com a API BigQuery Storage Read ou a API BigQuery Storage Write requer um processamento especial. Para mais informações sobre o suporte de nomes de colunas flexíveis, consulte o artigo Nomes de colunas flexíveis.
Os nomes das colunas têm um comprimento máximo de 300 carateres. Os nomes das colunas não podem usar nenhum dos seguintes prefixos:
_TABLE_
_FILE_
_PARTITION
_ROW_TIMESTAMP
__ROOT__
_COLIDENTIFIER
Não são permitidos nomes de colunas duplicados, mesmo que a utilização de maiúsculas e minúsculas seja diferente. Por exemplo, uma coluna denominada Column1
é considerada idêntica a uma coluna denominada column1
. Para saber mais sobre as regras de nomenclatura de colunas, consulte Nomes
das colunas na
referência do GoogleSQL.
Se o nome de uma tabela (por exemplo, test
) for igual a um dos nomes das respetivas colunas (por exemplo, test
), a expressão SELECT
interpreta a coluna test
como um STRUCT
que contém todas as outras colunas da tabela. Para evitar esta colisão, use um dos seguintes métodos:
Evite usar o mesmo nome para uma tabela e as respetivas colunas.
Atribua um alias diferente à tabela. Por exemplo, a seguinte consulta atribui um alias de tabela
t
à tabelaproject1.dataset.test
:SELECT test FROM project1.dataset.test AS t;
Inclua o nome da tabela quando fizer referência a uma coluna. Por exemplo:
SELECT test.test FROM project1.dataset.test;
Nomes de colunas flexíveis
Tem mais flexibilidade na forma como denomina as colunas, incluindo acesso expandido a carateres em idiomas que não o inglês, bem como símbolos adicionais.
Certifique-se de que usa carateres de acento grave (`
) para incluir nomes de colunas flexíveis se forem
Identificadores entre aspas.
Os nomes de colunas flexíveis suportam os seguintes carateres:
- Qualquer letra em qualquer idioma, conforme representado pela expressão regular Unicode
\p{L}
. - Qualquer caráter numérico em qualquer idioma, representado pela expressão regular Unicode
\p{N}
. - Qualquer caráter de pontuação de conetor, incluindo sublinhados, conforme representado
pela expressão regular Unicode
\p{Pc}
. - Um hífen ou um travessão representado pela expressão regular Unicode
\p{Pd}
. - Qualquer marca destinada a acompanhar outro caráter, conforme representado pela expressão regular Unicode
\p{M}
. Por exemplo, acentos, trema ou caixas delimitadoras. - Os seguintes carateres especiais:
- Um E comercial (
&
), representado pela expressão regular Unicode\u0026
. - Um sinal de percentagem (
%
) representado pela expressão regular Unicode\u0025
. - Um sinal de igual (
=
) representado pela expressão regular Unicode\u003D
. - Um sinal de mais (
+
) representado pela expressão regular Unicode\u002B
. - Um dois pontos (
:
) representado pela expressão regular Unicode\u003A
. - Um apóstrofo (
'
) representado pela expressão regular Unicode\u0027
. - Um sinal de menor do que (
<
), representado pela expressão regular Unicode\u003C
. - Um sinal de maior do que (
>
) representado pela expressão regular Unicode\u003E
. - Um sinal de número (
#
), representado pela expressão regular Unicode\u0023
. - Uma linha vertical (
|
) representada pela expressão regular Unicode\u007c
. - Espaço em branco.
- Um E comercial (
Os nomes de colunas flexíveis não suportam os seguintes carateres especiais:
- Um ponto de exclamação (
!
) representado pela expressão regular Unicode\u0021
. - Uma marca de aspas (
"
), representada pela expressão regular Unicode\u0022
. - Um cifrão (
$
) representado pela expressão regular Unicode\u0024
. - Um parêntese esquerdo (
(
) representado pela expressão regular Unicode\u0028
. - Um parêntese direito (
)
), representado pela expressão regular Unicode\u0029
. - Um asterisco (
*
), representado pela expressão regular Unicode\u002A
. - Uma vírgula (
,
) representada pela expressão regular Unicode\u002C
. - Um ponto (
.
), representado pela expressão regular Unicode\u002E
. Os pontos não são substituídos por sublinhados nos nomes das colunas do ficheiro Parquet quando é usado um mapa de carateres do nome da coluna. Para mais informações, consulte as limitações das colunas flexíveis. - Uma barra (
/
) representada pela expressão regular Unicode\u002F
. - Um ponto e vírgula (
;
) representado pela expressão regular Unicode\u003B
. - Um ponto de interrogação (
?
), representado pela expressão regular Unicode\u003F
. - Um sinal de arroba (
@
) representado pela expressão regular Unicode\u0040
. - Um parêntesis reto esquerdo (
[
) representado pela expressão regular Unicode\u005B
. - Uma barra invertida (
\
), representada pela expressão regular Unicode\u005C
. - Um parêntesis reto direito (
]
), representado pela expressão regular Unicode\u005D
. - Um acento circunflexo (
^
), representado pela expressão regular Unicode\u005E
. - Um acento grave (
`
) representado pela expressão regular Unicode\u0060
. - Uma chaveta esquerda {
{
) representada pela expressão regular Unicode\u007B
. - Uma chaveta direita (
}
) representada pela expressão regular Unicode\u007D
. - Um til (
~
) representado pela expressão regular Unicode\u007E
.
Para ver diretrizes adicionais, consulte o artigo Nomes das colunas.
Os carateres de coluna expandidos são suportados pela API BigQuery Storage Read e pela API BigQuery Storage Write. Para usar a lista expandida de carateres Unicode
com a API BigQuery Storage Read, tem de definir uma flag. Pode usar o atributo displayName
para obter o nome da coluna. O exemplo seguinte mostra como definir uma flag com o cliente 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
Para usar a lista expandida de carateres Unicode com a API Storage Write do BigQuery,
tem de fornecer o esquema com a notação column_name
, a menos que esteja a usar
o objeto de gravação JsonStreamWriter
. O exemplo seguinte mostra como
fornecer o esquema:
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"];
}
Neste exemplo, item_name_column
e item_description_column
são nomes de marcadores de posição que têm de estar em conformidade com a convenção de nomenclatura do protocol buffer. Tenha em atenção que as anotações column_name
têm sempre precedência sobre os nomes dos marcadores de posição.
Limitações
- Os nomes de colunas flexíveis não são suportados com tabelas externas.
Valores NULL
Tenha em atenção que, para tarefas de carregamento, o BigQuery ignora os elementos NULL
para o tipo composto list
, uma vez que, caso contrário, seriam traduzidos em elementos NULL
ARRAY
que não podem persistir numa tabela (consulte Tipos de dados para obter detalhes).
Para mais informações sobre os tipos de dados ORC, consulte a especificação Apache ORC™ v1.