BigQuery 查询需要很长时间
Posted
技术标签:
【中文标题】BigQuery 查询需要很长时间【英文标题】:BigQuery query taking a long time 【发布时间】:2015-11-19 23:14:25 【问题描述】:对我的一张表进行简单的计数查询需要很长时间(约 18 秒)才能完成,该表有大约 50 万行,在更大的表(大约 3 百万)中进行相同的查询需要不到3 秒。架构完全相同,查询是一个简单的 SELECT count(*) FROM [dataset.table]
任何想法为什么会发生这种情况以及我可以做些什么来防止它?
【问题讨论】:
每个查询处理多少数据? 您能否为耗时 18 秒的查询提供作业 ID? @JenTong :根据 UI,计数处理 0B。根据相同的 UI,表本身有 404 MB @JordanTigani :我可以提供,每次我查询都会发生,我应该在这里发布 id 吗? 是的,请发布它,它会让 BigQuery 工程师之一查看查询统计信息以找出问题所在。小表上的 COUNT(*) 不会花费那么长时间。 【参考方案1】:看起来您的表的问题在于它是由很多小块创建的;这需要做更多的查询工作,因为我们在文件系统操作(列出文件并打开它们)上花费了大量时间。
即便如此,一张和你一样大的桌子也不应该那么慢; BigQuery 目前正在经历高文件系统负载,这会导致延迟的高度可变性。我们正在积极努力解决这个问题。所以这是第一个问题。
第二个问题是我们可能应该更好地压缩表。我已经提交了一个内部错误,我们应该调整我们的启发式算法,使其在压缩方面更具侵略性。
作为一种解决方法,您可以通过在原地复制表格来手动压缩表格。换句话说,运行SELECT * from ...
并将输出写入同一个表,使用writeDisposition:WRITE_TRUNCATE
、destinationTable:<your table>
和allowLargeResults:true
和flattenSchema:false
。
同样,这最后一步不应该是必需的,但现在它应该可以改善您的情况。
【讨论】:
关于通过“select *”查询进行自压缩的一个警告:只有在查询开始和查询完成之间没有加载数据时,您才能执行此操作。查询运行的数据视图在操作开始时确定,并且在作业成功结束的时间点将发生 WRITE_TRUNCATE。如果您正在将数据流式传输到表或运行加载作业,那么您可能会因这种技术而丢失数据。 我的表是在没有任何数据的情况下创建的,然后所有数据都(正在)流入其中。如果我这样做,我会经常遇到这个问题吗?将数据以更大的块而不是流式加载到其中会阻止这种情况发生吗?我可以轻松地停止流式传输、自压缩,然后恢复流式传输。但我需要多久执行一次?以上是关于BigQuery 查询需要很长时间的主要内容,如果未能解决你的问题,请参考以下文章