Carica i dati con operazioni cross-cloud
In qualità di amministratore o analista di BigQuery, puoi caricare i dati da un Amazon Simple Storage Service (Amazon S3) o Archiviazione BLOB di Azure in tabelle BigQuery. Tu uni i dati trasferiti con i dati presenti regioni di Google Cloud o sfrutta BigQuery come BigQuery ML.
Puoi trasferire dati in BigQuery nei seguenti modi:
Trasferisci i dati dai file in Amazon S3 e Archiviazione BLOB di Azure in Tabelle BigQuery, per utilizzando l'istruzione
LOAD DATA
.Filtra i dati dai file in Amazon S3 o Archiviazione BLOB prima di trasferire i risultati in tabelle BigQuery, utilizzando
CREATE TABLE AS SELECT
. Per aggiungere dati alla destinazione: utilizza l'istruzioneINSERT INTO SELECT
.La manipolazione dei dati viene applicata alle tabelle esterne dati di riferimento di Amazon S3 o Archiviazione BLOB.
Quote e limiti
Per informazioni su quote e limiti, consulta Quote e limiti dei job di query.
Prezzi
Ti vengono addebitati i byte per il trasferimento tra i cloud utilizzando
LOAD
. Per i prezzi
informazioni, consulta la sezione Omni Cross Cloud Data Transfer in Prezzi di BigQuery Omni.
Ti vengono addebitati i byte per il trasferimento tra i cloud utilizzando
CREATE TABLE AS SELECT
oppure
INSERT INTO SELECT
e per la capacità di calcolo.
Entrambe le istruzioni LOAD
e CREATE TABLE AS SELECT
richiedono slot nel
Regioni di BigQuery Omni per la scansione di Amazon S3 e
File di archiviazione BLOB per caricarli. Per saperne di più, consulta la pagina relativa ai prezzi di BigQuery Omni.
Prima di iniziare
Per fornire a Google Cloud l'accesso in lettura ai file in altri cloud, Chiedi all'amministratore di creare una connessione e la condividiamo con te. Per informazioni su come creare connessioni, consulta Connettersi ad Amazon S3 o Archiviazione BLOB.
Ruolo richiesto
Per ottenere le autorizzazioni necessarie per caricare i dati tramite trasferimenti cross-cloud,
chiedi all'amministratore di concederti
Ruolo IAM Editor dati BigQuery (roles/bigquery.dataEditor
) nel set di dati.
Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso.
Questo ruolo predefinito contiene le autorizzazioni necessarie per caricare i dati tramite trasferimenti tra cloud. Per vedere le autorizzazioni esatte obbligatorie, espandi la sezione Autorizzazioni obbligatorie:
Autorizzazioni obbligatorie
Per caricare i dati tramite trasferimenti cross-cloud, sono necessarie le seguenti autorizzazioni:
-
bigquery.tables.create
-
bigquery.tables.get
-
bigquery.tables.updateData
-
bigquery.tables.update
-
bigquery.jobs.create
-
bigquery.connections.use
Potresti anche riuscire a ottenere queste autorizzazioni con ruoli personalizzati altri ruoli predefiniti.
Per saperne di più sui ruoli IAM in BigQuery, vedi Autorizzazioni e ruoli predefiniti.
Carica dati
Puoi caricare i dati in BigQuery con
LOAD DATA [INTO|OVERWRITE]
.
Limitazioni
LOAD DATA
job non vengono eseguiti sulle prenotazioni. I job usano on demand di slot gestiti da Google Cloud.- La connessione e il set di dati di destinazione devono appartenere allo stesso progetto. Il caricamento dei dati tra progetti non è supportato.
LOAD DATA
è supportato solo se trasferisci dati da un Amazon Simple Storage Service (Amazon S3) o Azure Blob Storage in una regione BigQuery con allocata. Per ulteriori informazioni consulta la sezione Località.- Puoi trasferire dati da qualsiasi regione
US
a più regioniUS
. Puoi anche trasferire dati da qualsiasi regioneEU
a più regioniEU
.
- Puoi trasferire dati da qualsiasi regione
Esempio
Esempio 1
Nell'esempio seguente viene caricato un file Parquet denominato sample.parquet
da un Amazon S3
bucket nella tabella test_parquet
con uno schema di rilevamento automatico:
LOAD DATA INTO mydataset.testparquet FROM FILES ( uris = ['s3://test-bucket/sample.parquet'], format = 'PARQUET' ) WITH CONNECTION `aws-us-east-1.test-connection`
Esempio 2
L'esempio seguente carica un file CSV con il prefisso sampled*
dal tuo
Archiviazione BLOB nella tabella test_csv
con la colonna predefinita
partizionamento in base al tempo:
LOAD DATA INTO mydataset.test_csv (Number INT64, Name STRING, Time DATE) PARTITION BY Time FROM FILES ( format = 'CSV', uris = ['azure://test.blob.core.windows.net/container/sampled*'], skip_leading_rows=1 ) WITH CONNECTION `azure-eastus2.test-connection`
Esempio 3
L'esempio seguente sovrascrive la tabella esistente test_parquet
con
dati di un file denominato sample.parquet
con uno schema di rilevamento automatico:
LOAD DATA OVERWRITE mydataset.testparquet FROM FILES ( uris = ['s3://test-bucket/sample.parquet'], format = 'PARQUET' ) WITH CONNECTION `aws-us-east-1.test-connection`
Filtra dati
Puoi filtrare i dati prima di trasferirli in BigQuery
utilizzando l'istruzione CREATE TABLE AS SELECT
e l'istruzione INSERT INTO SELECT
.
Limitazioni
Se il risultato della query
SELECT
supera i 60 GiB in byte logici, la query non riesce. La tabella non viene creata e i dati non vengono trasferito. Per scoprire come ridurre le dimensioni dei dati scansionati, vedi Ridurre i dati elaborati nelle query.Le tabelle temporanee non sono supportate.
Trasferimento del programma binario noto (WKB) il formato di dati geospaziali non è supportato.
L'istruzione
INSERT INTO SELECT
non supporta il trasferimento di dati in tabelle in cluster.Nell'istruzione
INSERT INTO SELECT
, se la tabella di destinazione è uguale alla tabella di origine nella querySELECT
, quindiINSERT INTO SELECT
non modifica nessuna riga nella tabella di destinazione. Tabella di destinazione non viene modificata perché BigQuery non può leggere i dati tra regioni.CREATE TABLE AS SELECT
eINSERT INTO SELECT
sono supportati soltanto se trasferire dati da un Amazon S3 o BLOB in una regione BigQuery coallocata. Per ulteriori informazioni consulta la sezione Località.- Puoi trasferire dati da qualsiasi regione
US
a più regioniUS
. Puoi anche trasferire dati da qualsiasi regioneEU
a più regioniEU
.
- Puoi trasferire dati da qualsiasi regione
Esempio
Esempio 1
Supponi di avere una tabella BigLake denominata myawsdataset.orders
che
fa riferimento ai dati di Amazon S3.
Vuoi trasferire i dati da questa tabella a un
Tabella BigQuery myotherdataset.shipments
nella località multiregionale degli Stati Uniti.
Innanzitutto, visualizza le informazioni sulla tabella myawsdataset.orders
:
bq show myawsdataset.orders;
L'output è simile al seguente:
Last modified Schema Type Total URIs Expiration ----------------- -------------------------- ---------- ------------ ----------- 31 Oct 17:40:28 |- l_orderkey: integer EXTERNAL 1 |- l_partkey: integer |- l_suppkey: integer |- l_linenumber: integer |- l_returnflag: string |- l_linestatus: string |- l_commitdate: date
A questo punto, visualizza le informazioni sulla tabella myotherdataset.shipments
:
bq show myotherdataset.shipments
L'output è simile al seguente. Alcune colonne vengono omesse per semplificare l'output.
Last modified Schema Total Rows Total Bytes Expiration Time Partitioning Clustered Fields Total Logical ----------------- --------------------------- ------------ ------------- ------------ ------------------- ------------------ --------------- 31 Oct 17:34:31 |- l_orderkey: integer 3086653 210767042 210767042 |- l_partkey: integer |- l_suppkey: integer |- l_commitdate: date |- l_shipdate: date |- l_receiptdate: date |- l_shipinstruct: string |- l_shipmode: string
Ora, utilizzando l'istruzione CREATE TABLE AS SELECT
puoi caricare selettivamente i dati
alla tabella myotherdataset.orders
nella località multiregionale degli Stati Uniti:
CREATE OR REPLACE TABLE myotherdataset.orders PARTITION BY DATE_TRUNC(l_commitdate, YEAR) AS SELECT * FROM myawsdataset.orders WHERE EXTRACT(YEAR FROM l_commitdate) = 1992;
A questo punto, puoi eseguire un'operazione di join con la tabella appena creata:
SELECT orders.l_orderkey, orders.l_orderkey, orders.l_suppkey, orders.l_commitdate, orders.l_returnflag, shipments.l_shipmode, shipments.l_shipinstruct FROM myotherdataset.shipments JOIN `myotherdataset.orders` as orders ON orders.l_orderkey = shipments.l_orderkey AND orders.l_partkey = shipments.l_partkey AND orders.l_suppkey = shipments.l_suppkey WHERE orders.l_returnflag = 'R'; -- 'R' means refunded.
Quando sono disponibili nuovi dati, aggiungi i dati dell'anno 1993 alla destinazione
utilizzando l'istruzione INSERT INTO SELECT
:
INSERT INTO myotherdataset.orders SELECT * FROM myawsdataset.orders WHERE EXTRACT(YEAR FROM l_commitdate) = 1993;
Esempio 2
L'esempio seguente inserisce i dati in una tabella partizionata per data di importazione:
CREATE TABLE mydataset.orders(id String, numeric_id INT) PARTITION BY _PARTITIONDATE;
Dopo aver creato una tabella partizionata, puoi inserire i dati nel campo Data/Ora di importazione tabella partizionata:
INSERT INTO mydataset.orders( _PARTITIONTIME, id, numeric_id) SELECT TIMESTAMP("2023-01-01"), id, numeric_id, FROM mydataset.ordersof23 WHERE numeric_id > 4000000;
Best practice
- Evita di caricare più file di dimensioni inferiori a 5 MB. Crea invece una tabella esterna per il file ed esporta il risultato della query in Amazon S3 o Archiviazione BLOB per creare un file più grande. Questo metodo consente di migliorare il tempo di trasferimento dei dati. Per informazioni sul limite per il risultato massimo delle query, consulta Dimensioni massime dei risultati delle query in BigQuery Omni.
- Se i dati di origine si trovano in un file compresso con gzip, durante la creazione di tabelle esterne, imposta
external_table_options.compression
perGZIP
.
Passaggi successivi
- Scopri di più su BigQuery ML.
- Scopri di più su BigQuery Omni.
- Scopri come eseguire query.
- Scopri come configurare Controlli di servizio VPC per BigQuery Omni.
- Scopri come pianificare e gestire job di caricamento ricorrenti da Amazon S3 in BigQuery e Archiviazione BLOB in BigQuery.