使用 Data Studio 修剪 BigQuery 分区

Posted 2023-03-24

【中文标题】使用 Data Studio 修剪 BigQuery 分区

【英文标题】：Pruning BigQuery partitions with Data studio

【发布时间】：2021-05-26 00:17:36

【问题描述】：

我有一个与这个问题几乎相同的场景：

How to choose the latest partition in BigQuery table?

还有一个额外的并发症。我需要将结果显示在 Data Studio 中。

设置

我有一系列数据集，它们以不同的时间间隔出现，我需要获取最新的分区。因为它们之间的时间段不一致，所以我不能只得到最后一天并使用它。

我可以使用 BigQuery 脚本通过动态查询成功地修剪查询，但是当我将此查询移动到数据洞察时，查询无法正确加载。

表格加载到数据源部分：

但是当我实际尝试在报告中使用它时：

Data Studio cannot connect to your data set.

Failed to fetch data from the underlying data set

Error ID: e6546a97

有没有办法通过修剪让 Data Studio 正确显示？

查询示例

DECLARE max_date DATE;
SET max_date = (SELECT DATE(MAX(_partitiontime)) FROM `dataset.table`);   

SELECT *
FROM `dataset.table`
WHERE DATE(_partitiontime ) = max_date

【问题讨论】：

DECLARE 语句在 DataStudio 中不起作用，因为整个自定义查询都包含在外部选择中，因此此语法无效SELECT ........ FROM (DECLARE max_date .......................................)

啊，有道理。我很惊讶它甚至设法弄清楚里面有桌子。

【参考方案1】：

解决方法：

一种可能性是使用日期参数并进行如下查询：

SELECT *
FROM `dataset.table`
WHERE DATE(_PARTITION_TIME)>= PARSE_DATE("%Y%m%d", @DS_START_DATE)

这并不完全是答案，但是使用默认为“昨天到今天”数据的日期范围，您可以有效地将表修剪为仅最近的分区。如果您提到的数据不规则，用户仍然可以手动扩展日期范围，直到找到数据。

同时，您还可以将以下自定义查询添加到您的数据源：

SELECT 
    MAX(SAFE.PARSE_DATE('%Y%m%d',partition_id)) AS latest_available_partition
FROM `dataset.INFORMATION_SCHEMA.PARTITIONS`
WHERE TABLE_NAME = "table"

并将其显示在表格中以向用户提供信息。

确实，这种解决方法意味着您相信最终用户不会过多地使用日期范围。

【参考方案2】：

您可以访问project.dataset.INFORMATION_SCHEMA.PARTITIONS 表中的所有分区信息。 因此，您可以尝试以下方法：

SELECT *
FROM `dataset.table`
WHERE DATE(_PARTITION_TIME) = (
    SELECT 
        MAX(SAFE.PARSE_DATE('%Y%m%d',partition_id))
    FROM `dataset.INFORMATION_SCHEMA.PARTITIONS`
    WHERE TABLE_NAME = "table"
)

确保您了解修剪适用于上述查询：

【讨论】：

查询有效，但不幸的是它仍然扫描所有分区，这在我必须使用的一些大表上并不是一个很好的解决方案。

@DominicWoodman 你确定吗？我正在使用这个技巧并且效果很好。

确实很奇怪：这个查询在我的项目中的分区表上按预期工作（查询 10Mb，主要是 INFORMATION_SCHEMA，而不是整个表的数百 Mb），但是当我尝试相同的从 BQ 公共数据集中查询分区表整个表被解析...

@Cylldby 剪枝效果很好，请参阅有关大型公共数据集的图片。不要采用 BigQuery 用户界面上预测的数字，该数字使用的是预演功能并且不反映修剪。运行查询并查看它正在修剪分区。