批次載入資料
您可以透過批次作業,將資料從 Cloud Storage 或本機檔案載入 BigQuery。來源資料可以是下列任一格式:
- Avro
- 逗號分隔值 (CSV)
- JSON (以換行符號分隔)
- ORC
- Parquet
- 儲存在 Cloud Storage 中的 Datastore 匯出資料
- 儲存在 Cloud Storage 中的 Firestore 匯出資料
您也可以使用 BigQuery 資料移轉服務,設定從 Cloud Storage 到 BigQuery 的週期性載入作業。
歡迎試用
如果您未曾使用過 Google Cloud,歡迎建立帳戶,親自體驗實際使用 BigQuery 的成效。新客戶可以獲得價值 $300 美元的免費抵免額,可用於執行、測試及部署工作負載。
免費試用 BigQuery事前準備
授予身分與存取權管理 (IAM) 角色,讓使用者取得執行本文件中各項工作的必要權限,並建立資料集來儲存資料。
所需權限
如要將資料載入 BigQuery,您必須具備 IAM 權限,才能執行載入工作,並將資料載入 BigQuery 資料表和分區。如要從 Cloud Storage 載入資料,您也需要 IAM 權限存取包含資料的值區。
將資料載入 BigQuery 的權限
如要將資料載入新的 BigQuery 資料表或分區,或是附加或覆寫現有資料表或分區,您需要具備下列 IAM 權限:
bigquery.tables.create
bigquery.tables.updateData
bigquery.tables.update
bigquery.jobs.create
以下每個預先定���的 IAM 角色都包含將資料載入 BigQuery 資料表或分區所需的權限:
roles/bigquery.dataEditor
roles/bigquery.dataOwner
roles/bigquery.admin
(包含bigquery.jobs.create
權限)bigquery.user
(包含bigquery.jobs.create
權限)bigquery.jobUser
(包含bigquery.jobs.create
權限)
此外,如果您具備 bigquery.datasets.create
權限,就可以在您建立的資料集中使用載入工作建立及更新資料表。
如要進一步瞭解 BigQuery 中的 IAM 角色和權限,請參閱「預先定義的角色與權限」一文。
從 Cloud Storage 載入資料的權限
如要取得從 Cloud Storage 值區載入資料所需的權限,請要求管理員為您授予該值區的 Storage 管理員 (roles/storage.admin
) IAM 角色。如要進一步瞭解如何授予角色,請參閱「管理專案、資料夾和機構的存取權」。
這個預先定義的角色包含從 Cloud Storage 值區載入資料所需的權限。如要查看確切的必要權限,請展開「必要權限」部分:
所需權限
您必須具備下列權限,才能從 Cloud Storage 值區載入資料:
-
storage.buckets.get
-
storage.objects.get
-
storage.objects.list (required if you are using a URI wildcard)
建立資料集
建立 BigQuery 資料集來儲存資料。
載入 Cloud Storage 中的資料
BigQuery 支援從以下任何一種 Cloud Storage 儲存空間級別載入資料:
- 標準
- Nearline
- Coldline
- 封存
如要瞭解如何將資料載入 BigQuery,請參閱資料格式的頁面:
如要瞭解如何設定從 Cloud Storage 定期載入至 BigQuery 的資料,請參閱「Cloud Storage 移轉」。
位置注意事項
資料集建立之後,即無法更改位置,但您可以建立資料集副本或手動移動資料集。如需詳細資訊,請參閱:
擷取 Cloud Storage URI
如要從 Cloud Storage 資料來源載入資料,您必須提供 Cloud Storage URI。
Cloud Storage 資源路徑包含值區名稱和物件 (檔名)。例如,如果 Cloud Storage 值區的名稱為 mybucket
,且資料檔案的名稱為 myfile.csv
,則資源路徑會是 gs://mybucket/myfile.csv
。
BigQuery 不支援 Cloud Storage 資源路徑在初始雙斜線後還有多個連續斜線。Cloud Storage 物件名稱可以包含多個連續的斜線 (「/」) 字元,但 BigQuery 會將多個連續斜線轉換為一個斜線。舉例來說,下列資源路徑在 Cloud Storage 中有效,但在 BigQuery 中則無效:gs://bucket/my//object//name
。
如何擷取 Cloud Storage 資源路徑:
開啟 Cloud Storage 主控台。
瀏覽至含有來源資料的物件 (檔案) 位置。
按一下物件的名稱。
「Object details」頁面隨即開啟。
複製「gsutil URI」欄位中提供的值,開頭為
gs://
。
Google Datastore 匯出檔案只能指定一個 URI,而且必須以 .backup_info
或 .export_metadata
結尾。
Cloud Storage URI 的萬用字元支援
如果資料分成多個檔案,您可以使用星號 (*) 萬用字元選取多個檔案。使用星號萬用字元時,必須遵��下列規則:
- 星號可以出現在物件名稱內或物件名稱的末端。
- 系統不支援使用多個星號。例如,
gs://mybucket/fed-*/temp/*.csv
路徑無效。 - 系統不支援在值區名稱中使用星號。
範例:
以下範例說明如何選取所有開頭為
gs://mybucket/fed-samples/fed-sample
前置字元的資料夾中的所有檔案:gs://mybucket/fed-samples/fed-sample*
以下範例說明如何只選取名為
fed-samples
的資料夾和任何fed-samples
子資料夾中,具有.csv
副檔名的檔案:gs://mybucket/fed-samples/*.csv
以下範例說明如何在名為
fed-samples
的資料夾中,選取命名模式為fed-sample*.csv
的檔案。這個範例不會選取fed-samples
子資料夾中的檔案。gs://mybucket/fed-samples/fed-sample*.csv
使用 bq 指令列工具時,在某些平台上可能需要逸出星號。
從 Cloud Storage 載入 Datastore 或 Firestore 匯出資料時,您無法使用星號萬用字元。
限制
將資料從 Cloud Storage 值區載入 BigQuery 時有下列限制:
- BigQuery 不保證外部資料來源的資料一致性。如果基礎資料在查詢執行期間遭到變更,可能會導致非預期的行為。
- BigQuery 不支援 Cloud Storage 物件版本控制。如果在 Cloud Storage URI 中加入世代號碼,載入作業就會失敗。
根據 Cloud Storage 來源資料的格式,可能還有其他的限制。如需詳細資訊,請參閱:
從本機檔案載入資料
您可以使用下列任一方式,從可讀取的資料來源 (例如本機電腦) 載入資料:
- Google Cloud 控制台
- bq 指令列工具的
bq load
指令 - API
- 用戶端程式庫
當您使用 Google Cloud 主控台或 bq 指令列工具載入資料時,系統會自動建立載入工作。
從本機資料來源載入資料:
主控台
在 Google Cloud 控制台開啟「BigQuery」頁面。
在「Explorer」面板中展開專案並選取資料集。
展開
「動作」選項,然後按一下「開啟」。在詳細資料面板中,按一下「Create table」(建立資料表) 圖示
。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 [Upload] (上傳)。
- 在「Select file」部分,按一下「Browse」。
- 瀏覽至檔案,然後按一下 [Open] (開啟)。請注意,本機檔案不支援萬用字元和以半形逗號分隔的清單。
- 在「File format」(檔案格式) 部分,選取 [CSV]、[JSON (newline delimited)] (JSON (以換行符號分隔))、[Avro]、[Parquet] 或 [ORC]。
在「Create table」(建立資料表) 頁面的「Destination」(目的地) 區段中:
- 在「Project」(專案) 部分,選擇適當的專案。
- 針對「Dataset」(資料集),選擇適當的資料集。
- 在「Table」(資料表) 欄位中,輸入您在 BigQuery 中建立資料表時使用的名稱。
- 確認「Table type」(資料表類型) 設為「Native table」(原生資料表)。
在「Schema」(結構定義) 部分輸入結構定義。
如為 CSV 及 JSON 檔案,您可以勾選 [Auto-detect] (自動偵測) 選項,以啟用結構定義自動偵測功能。您可以在其他支援檔案類型的來源資料中找到結構定義資訊。
您也可以使用下列任一個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:
使用 [Add Field] (新增欄位) 手動輸入結構定義。
在「Advanced options」部分中選取適合的項目。如要瞭解可用的選項,請參閱 CSV 選項和 JSON 選項。
選用:在「Advanced options」(進階選項) 中選擇寫入處置:
- 空白時寫入:僅在資料表空白時寫入資料。
- 附加到資料表:將資料附加至資料表尾端。這是預設設定。
- 覆寫資料表:先清除資料表中的所有現有資料,再寫入新的資料。
點選「建立資料表」。
bq
請使用 bq load
指令來指定 source_format
,然後將路徑加入本機檔案中。
(選用) 提供 --location
旗標,並將值設為您的位置。
如果您要在非預設專案中載入資料,請採用下列格式將專案 ID 新增至資料集:PROJECT_ID:DATASET
。
bq --location=LOCATION load \ --source_format=FORMAT \ PROJECT_ID:DATASET.TABLE \ PATH_TO_SOURCE \ SCHEMA
更改下列內容:
LOCATION
:您的位置。--location
是選用旗標。舉例來說,如果您在東���地區使用 BigQuery,就可將該旗標的值設為asia-northeast1
。您可以使用 .bigqueryrc 檔案設定位置的預設值。FORMAT
:CSV
、AVRO
、PARQUET
、ORC
或NEWLINE_DELIMITED_JSON
。project_id
:您的專案 ID。dataset
:現有資料集。table
:您要載入資料的資料表名稱。path_to_source
:本機檔案的路徑。schema
:有效的結構定義。結構定義可以是本機 JSON 檔案,或以內嵌的方式在指令中輸入。您也可以改用--autodetect
標記,而非提供結構定義。
此外,您還可以針對選項新增旗標,以控制 BigQuery 剖析資料的方式。舉例來說,您可以使用 --skip_leading_rows
旗標,忽略 CSV 檔案中的標題列。詳情請參閱 CSV 選項與 JSON 選項。
範例:
下列指令會將本機電腦中以換行符號分隔的 JSON 檔案 (mydata.json
),載入預設專案的 mydataset
中名為 mytable
的資料表。結構定義是在名為 myschema.json
的本機結構定義檔中定義。
bq load \
--source_format=NEWLINE_DELIMITED_JSON \
mydataset.mytable \
./mydata.json \
./myschema.json
下列指令會將本機 CSV 檔案 (mydata.csv
) 載入至 myotherproject
的 mydataset
中名為 mytable
的資料表。結構定義是以內嵌的方式定義,格式為 FIELD:DATA_TYPE, FIELD:DATA_TYPE
。
bq load \
--source_format=CSV \
myotherproject:mydataset.mytable \
./mydata.csv \
qtr:STRING,sales:FLOAT,year:STRING
下列指令會將本機 CSV 檔案 (mydata.csv
) 載入至預設專案 mydataset
中名為 mytable
的資料表。而結構定義是利用結構定義自動偵測功能定義的。
bq load \
--autodetect \
--source_format=CSV \
mydataset.mytable \
./mydata.csv
C#
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 C# 設定說明進行操作。詳情請參閱 BigQuery C# API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請使用 JobCreationOptions 基本類別中合適格式的更新選項類別,而非UploadCsvOptions
。
Go
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 Go 設定說明進行操作。詳情請參閱 BigQuery Go API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請將NewReaderSource
的 DataFormat 屬性設為適當的格式。
Java
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 Java 設定說明進行操作。詳情請參閱 BigQuery Java API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請將 FormatOptions 設為適當的格式。
Node.js
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 Node.js 設定說明進行操作。詳情請參閱 BigQuery Node.js API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請將 load 函式的metadata
參數設為合適的格式。
PHP
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 PHP 設定說明進行操作。詳情請參閱 BigQuery PHP API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請將 sourceFormat 設為適當的格式。
Python
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 Python 設定說明進行操作。詳情請參閱 BigQuery Python API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機制」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請將 LoadJobConfig.source_format 屬性設為適當的格式。
Ruby
在嘗試這個範例之前,請先按照 BigQuery 快速入門:使用用戶端程式庫中的 Ruby 設定說明進行操作。詳情請參閱 BigQuery Ruby API 參考說明文件。
如要向 BigQuery 進行驗證,請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證機���」。
下列程式碼示範如何將本機 CSV 檔案載入到新的 BigQuery 資料表。如要載入另一種格式的本機檔案,請將 Table#load_job 方法的format
參數設為合適的格式。
限制
從本機資料來源載入資料時,會受到以下限制:
- 當您從本機資料來源載入檔案時,無法使用萬用字元和以半形逗號分隔的清單。檔案必須個別載入。
- 使用 Google Cloud 控制台時,從本機資料來源載入的檔案不得超過 100 MB。如果是較大的檔案,請從 Cloud Storage 載入檔案。
載入工作容量
與查詢的隨選模式類似,載入工作預設會使用共用的運算單元集區。BigQuery 不保證這個共用集區的可用容量或載入工作總處理量。
如要提高吞吐量或預測控管負載工作的容量,您可以建立運算單元保留空間,並指派專屬 PIPELINE
運算單元來執行負載工作。詳情請參閱預留項目指派。
載入壓縮與未壓縮資料
針對 Avro、Parquet 和 ORC 格式,BigQuery 支援載入已使用支援的轉碼器壓縮的檔案。不過,BigQuery 不支援載入這些格式中已壓縮的檔案,例如使用 gzip
公用程式壓縮的檔案。
Avro 二進位格式是載入壓縮資料的建議格式。即便資料區塊經過壓縮,系統仍能並行讀取 Avro 資料,因此載入速度還是比較快。如需支援的壓縮轉碼器清單,請參閱「Avro 壓縮」。
Parquet 二進位格式也是不錯的選擇,因為 Parquet 會對每個資料欄進行編碼,這種高效率的處理方式通常可產生較佳的壓縮比率與較小的檔案。Parquet 檔案也會運用壓縮技術來並行載入資料。如需支援的壓縮編碼器清單,請參閱「Parquet 壓縮」。
ORC 二進位制格式提供類似於 Parquet 格式的優點。ORC 檔案中的資料能夠快速載入,是因為系統可以平行讀取資料條。每個資料條中的資料列都會按順序載入。如要最佳化載入時間,請使用大小為 256 MB 以下的資料條。如需支援的壓縮編碼器清單,請參閱「ORC 壓縮」。
對於其他資料格式 (CSV 以及 JSON) 而言,BigQuery 可以快速載入未壓縮的檔案,甚至比壓縮檔還快,這是因為可以平行讀取未壓縮的檔案。由於未壓縮檔案比較大,使用這種檔案可能會超出頻寬限制,在載入到 BigQuery 之前暫存在 Cloud Storage 的資料成本也比較高。請注意,無論是已壓縮還是未壓縮的檔案,都無法保證行的排序。建議您先評估自己的使用情況,再決定要採行哪一種做法。
一般來說,如果頻寬有限,請先使用 gzip
壓縮 CSV 和 JSON 檔案,再上傳至 Cloud Storage。將資料載入 BigQuery 時,CSV 和 JSON 檔案唯一支援的檔案壓縮類型為 gzip
。如果載入速度對您的應用程式來說相當重要,您也有足夠的頻寬可載入資料,請將檔案保持在未壓縮狀態。
將資料附加或覆寫至資料表
如要在資料表中載入額外資料,您可以指定來源檔案或附加查詢結果。如果資料的結構定義與目標資料表或分區的結構定義不符,您可以在附加或覆寫時更新目標資料表或分區的結構定義。
如果您在附加資料時更新結構定義,BigQuery 可讓您:
- 新增欄位
- 將
REQUIRED
欄位放寬為NULLABLE
如果您是要覆寫資料表,系統一定會覆寫結構定義。覆寫表格時,結構定義更新不受限制。
在 Google Cloud 主控台中,使用「Write preference」選項,指定從來源檔案或查詢結果載入資料時採取的動作。bq 指令列工具和 API 提供下列選項:
主控台選項 | bq 工具標記 | BigQuery API 屬性 | 說明 |
---|---|---|---|
Write if empty | 無 | WRITE_EMPTY | 資料表空白時才會寫入資料。 |
附加到資料表中 | --noreplace 或 --replace=false 。如果您沒有指定 --replace ,預設值就是附加 |
WRITE_APPEND | (預設值) 將資料附加至資料表尾端。 |
覆寫資料表 | --replace 或 --replace=true |
WRITE_TRUNCATE | 清除資料表中所有現有的資料後再寫入新資料。 |
配額政策
如要瞭解批次載入資料的配額政策,請參閱「配額與限制」頁面中的「載入工作」相關說明。
查看目前的配額用量
您可以執行 INFORMATION_SCHEMA
查詢,查看在指定時間範圍內執行的工作的中繼資料,瞭解目前查詢、載入、擷取或複製工作使用的情況。您可以比較目前的使用量與配額限制,判斷特定類型工作所使用的配額。以下範例查詢會使用 INFORMATION_SCHEMA.JOBS
檢視畫面,依專案列出查詢、載入、擷取和複製工作數量:
SELECT sum(case when job_type="QUERY" then 1 else 0 end) as QRY_CNT, sum(case when job_type="LOAD" then 1 else 0 end) as LOAD_CNT, sum(case when job_type="EXTRACT" then 1 else 0 end) as EXT_CNT, sum(case when job_type="COPY" then 1 else 0 end) as CPY_CNT FROM `region-REGION_NAME`.INFORMATION_SCHEMA.JOBS_BY_PROJECT WHERE date(creation_time)= CURRENT_DATE()
定價
使用共用運算單元集區將資料批次載入 BigQuery 時,不需支付費用。詳情請參閱 BigQuery 資料攝入價格。
用途範例
���設��一個每晚的批次處理管道,需要在固定的期限內完成。資料必須在這個期限前提供,以便由其他批次程序進一步處理,產生要傳送給監管機構的報表。金融業等受管制行業常見這種用途。
使用載入工作批次載入資料是這個用途的正確做法,因為只要能準時完成,延遲時間就不是問題。請確認 Cloud Storage 值區符合位置要求,才能將資料載入 BigQuery 資料集。
BigQuery 載入工作的結果是原子性的,要嘛所有記錄都會插入,要嘛一點都不插入。最佳做法是,在單一載入工作中插入所有資料時,使用 JobConfigurationLoad
資源的 WRITE_TRUNCATE
處置,建立新資料表。在重試失敗的載入工作時,這一點非常重要,因為用戶端可能無法區分失敗的工作,以及因傳回成功狀態給用戶端而導致的失敗。
假設要擷取的資料已成功複製到 Cloud Storage,只要使用指數型延遲再試,即可解決擷取失敗的問題。
建議每晚的批次工作不要超過預設配額,即每個資料表每日最多 1,500 次載入,即使重試也一樣。當您以遞增方式載入資料時,預設配額就足以每 5 分鐘執行一次載入工作,且平均每項工作至少有 1 次未使用的配額。