使用 DataFlow Engine 运行 bigquery 查询时,如何使用 UDF(和其他函数)?

Posted

技术标签:

【中文标题】使用 DataFlow Engine 运行 bigquery 查询时,如何使用 UDF(和其他函数)?【英文标题】:How can I use UDF (and other functions) when running a bigquery query using DataFlow Engine? 【发布时间】:2020-10-29 06:04:06 【问题描述】:

我正在尝试使用云数据流引擎在 bigquery 中运行查询。该查询使用用 javascript 编写的自定义函数(Levenshtein Distance)。在使用 ST_GeogPointARRAY_AGG 等其他功能时,我也在尝试同样的问题。

我收到此错误Function not found: ST_GeogPoint。如果我删除与函数对应的列,我会得到与LevenshteinDistance 相同的错误,然后是ARRAY_AGG,依此类推。

查询如下所示:

WITH
  directory AS(
  SELECT
    TRIM(dir) AS street,
    lat,
    lon
  FROM
    bigquery.table.`project-id`.`dataset-name`.`table-name_1`),
  cruza AS (
  SELECT
    name,
    TRIM(p.dir) AS dir,
    TRIM(directory.dir) AS street,
    directory.lat AS lat,
    directory.lon AS lon,
    ST_GeogPoint(lat,lon) AS latlon,
    CAST(FLOOR(DATE_DIFF(CURRENT_DATE(),birth_day,DAY)/362.25) AS int64) AS age,
    dataset-name.LevenshteinDistance(TRIM(dir),TRIM(directory.dir)) AS lv_score
  FROM
    bigquery.table.`project-id`.`dataset-name`.`table-name_2` AS p,
    directory
  WHERE
    p.com = 'my_com' and name is not null)
SELECT
  AS value ARRAY_AGG(c ORDER BY lv_score LIMIT 1)[OFFSET(0)] AS col
FROM
  cruza c
WHERE
  lv_score <= 10
GROUP BY
  dir
ORDER BY
  col.lv_score

如何使用这些功能?

【问题讨论】:

这个问题已经关闭,但不是重复的。这里的答案是不完整的。简单的答案是 Dataflow SQL 不支持 UDF。 【参考方案1】:

我不认为你能做到。 Dataflow SQL 使用 ZetaSQL 的一个变体,即使它只支持一个子集。以下是支持的功能:

https://cloud.google.com/dataflow/docs/reference/sql

ZetaSQL 本身确实有一个 ARRAY_AGG 函数,但它似乎在 Dataflow SQL 中尚不受支持。 https://github.com/google/zetasql

另外,这里 Dataflow 引擎的用例是什么,通常您会使用它来访问直接查询 pubsub 订阅以进行流式分析。

【讨论】:

以上是关于使用 DataFlow Engine 运行 bigquery 查询时,如何使用 UDF(和其他函数)?的主要内容,如果未能解决你的问题,请参考以下文章

写入 Big Query 时数据流作业失败 - 未找到 JSON 文件

在 Dataflow 的云存储桶上哪里可以找到这个 pubsub 订阅?

将数据流从 Google Cloud Storage 流式传输到 Big Query

在本地运行 Dataflow 会导致 JVM 崩溃 (OOM)

在 Dataflow Managed Service 中运行时,Dataflow 未读取 PubSub 消息

SSIS 包写入 0 行但仅运行 DataFlow 并获得 400k 行