根据 Google BigQuery 中的查询结果创建表

Question

我们通过 Python API 使用 Google BigQuery。如何从查询结果创建表（新表或覆盖旧表）？我查看了query documentation，但没有发现它有用。

我们要模拟：

“SELEC ... INTO ...”来自 ANSI SQL。

Answer 1

您可以通过在查询中指定目标表来执行此操作。您需要使用Jobs.insert API 而不是Jobs.query 调用，并且您应该指定writeDisposition=WRITE_APPEND 并填写目标表。

如果您使用的是原始 API，下面是配置的样子。如果您使用的是 Python，Python 客户端应该为这些相同的字段提供访问器：

"configuration": {
  "query": {
    "query": "select count(*) from foo.bar",
    "destinationTable": {
      "projectId": "my_project",
      "datasetId": "my_dataset",
      "tableId": "my_table"
    },
    "createDisposition": "CREATE_IF_NEEDED",
    "writeDisposition": "WRITE_APPEND",
  }
}

Answer 2

接受的答案是正确的，但它没有提供 Python 代码来执行任务。这是一个示例，重构自我刚刚编写的一个小型自定义客户端类。它不处理异常，并且应该定制硬编码查询来做一些比SELECT *更有趣的事情......

import time

from google.cloud import bigquery
from google.cloud.bigquery.table import Table
from google.cloud.bigquery.dataset import Dataset


class Client(object):

    def __init__(self, origin_project, origin_dataset, origin_table,
                 destination_dataset, destination_table):
        """
        A Client that performs a hardcoded SELECT and INSERTS the results in a
        user-specified location.

        All init args are strings. Note that the destination project is the
        default project from your Google Cloud configuration.
        """
        self.project = origin_project
        self.dataset = origin_dataset
        self.table = origin_table
        self.dest_dataset = destination_dataset
        self.dest_table_name = destination_table
        self.client = bigquery.Client()

    def run(self):
        query = ("SELECT * FROM `{project}.{dataset}.{table}`;".format(
            project=self.project, dataset=self.dataset, table=self.table))

        job_config = bigquery.QueryJobConfig()

        # Set configuration.query.destinationTable
        destination_dataset = self.client.dataset(self.dest_dataset)
        destination_table = destination_dataset.table(self.dest_table_name)
        job_config.destination = destination_table

        # Set configuration.query.createDisposition
        job_config.create_disposition = 'CREATE_IF_NEEDED'

        # Set configuration.query.writeDisposition
        job_config.write_disposition = 'WRITE_APPEND'

        # Start the query
        job = self.client.query(query, job_config=job_config)

        # Wait for the query to finish
        job.result()

Answer 3

根据 Google BigQuery 中的查询结果创建表格。假设您正在使用带有 Python 3 的 Jupyter Notebook，将解释以下步骤：

1. 如何在 BQ 上创建新数据集（以保存结果）
2. 如何在 BQ 上运行查询并将结果以表格格式保存在新数据集中

在 BQ 上创建一个新的 DataSet：my_dataset

bigquery_client  = bigquery.Client() #Create a BigQuery service object
dataset_id = 'my_dataset' 
dataset_ref = bigquery_client.dataset(dataset_id) # Create a DatasetReference using a chosen dataset ID.
dataset = bigquery.Dataset(dataset_ref)  # Construct a full Dataset object to send to the API.
dataset.location = 'US' # Specify the geographic location where the new dataset will reside. Remember this should be same location as that of source data set from where we are getting data to run a query

# Send the dataset to the API for creation. Raises google.api_core.exceptions.AlreadyExists if the Dataset already exists within the project.
dataset = bigquery_client.create_dataset(dataset)  # API request
print('Dataset {} created.'.format(dataset.dataset_id))

使用 Python 在 BQ 上运行查询：

这里有两种类型：

1. 允许大结果
2. 查询而不提及大结果等。

我在这里使用公共数据集：bigquery-public-data:hacker_news & Table id: cmets 来运行查询。

允许大结果

DestinationTableName='table_id1'  #Enter new table name you want to give
!bq query --allow_large_results --destination_table=project_id:my_dataset.$DestinationTableName 'SELECT * FROM [bigquery-public-data:hacker_news.comments]'

如果需要，此查询将允许较大的查询结果。

不提--allow_large_results：

DestinationTableName='table_id2'  #Enter new table name you want to give
!bq query destination_table=project_id:my_dataset.$DestinationTableName 'SELECT * FROM [bigquery-public-data:hacker_news.comments] LIMIT 100'

这适用于结果不会超过 Google BQ 文档中提到的限制的查询。

输出：

1. BQ 上名为 my_dataset 的新数据集
2. 查询结果保存为 my_dataset 中的表

注意：

1. 这些查询是可以在终端上运行的命令（开头不带 !）。但是当我们使用 Python 来运行这些命令/查询时，我们正在使用 !。这将使我们也能够在 Python 程序中使用/运行命令。
2. 还请为答案投票:)。谢谢。