查询 BigQuery 数据集中的最新表
Posted
技术标签:
【中文标题】查询 BigQuery 数据集中的最新表【英文标题】:Query latest table in the BigQuery dataset 【发布时间】:2014-09-04 22:38:56 【问题描述】:我有一个数据集,其中包含以 yyyymmdd 结尾的相似表名的表。例如:
myproject:mydataset.Sales20140815
myproject:mydataset.Sales20140816
myproject:mydataset.Sales20140817
myproject:mydataset.Sales20140818
...
myproject:mydataset.Sales20140903
myproject:mydataset.Sales20140904
有没有办法编写 BigQuery 来查询数据集中的最新表(对于上面的示例,它是 myproject:mydataset.Sales20140904 )?
【问题讨论】:
【参考方案1】:N.N.答案很好,但是如果重新导入一组旧数据,这些数据会被错误地拉为“最新”,则依赖修改日期是有问题的,因为 table_id 以正确的顺序明确列出日期,最好直接使用该值。
SELECT
*
FROM
TABLE_QUERY(MyDATASET,
'table_id CONTAINS "MyTable"
AND table_id= (Select MAX(table_id)
FROM MyDATASET.__TABLES__
where table_id contains "MyTable")'
)
【讨论】:
table_id = (select max(..) )
总是会满足条件table_id contains "MyTable"
所以不需要第一部分【参考方案2】:
如果你必须使用标准方言(这是 BQ 团队强烈推荐的),应该是这样的
#standardSQL
select * from `myproject:mydataset.*`
where _TABLE_SUFFIX = (select max(_TABLE_SUFFIX) from `myproject:mydataset.*`)
这样做的一个好处是您还可以在结果中公开您查询的表名
#standardSQL
select _TABLE_SUFFIX source, t.* from `myproject:mydataset.*` t
where _TABLE_SUFFIX = (select max(_TABLE_SUFFIX) from `myproject:mydataset.*`)
【讨论】:
【参考方案3】:我会使用表通配符功能。 如果最新的是今天的表,请使用
Select * from TABLE_DATE_RANGE(MyDATASET.PREFIX, Current_Timestamp(), Current_Timestamp())
如果上次更改的表格可能是过去的日期。你可以使用:
SELECT
*
FROM
TABLE_QUERY(MyDATASET,
'table_id CONTAINS "MyTable"
AND last_modified_time= (Select MAX(last_modified_time)
FROM MyDATASET.__TABLES__
where table_id contains "MyTable")'
)
希望这会有所帮助...
【讨论】:
【参考方案4】:SELECT *
FROM TABLE_QUERY(myproject:mydataset,
"table_id IN (
SELECT table_id FROM myproject:mydataset.__TABLES__
WHERE REGEXP_MATCH(table_id, r"^Sales.*")
ORDER BY creation_time DESC LIMIT 1)")
【讨论】:
【参考方案5】:我能想到的唯一解决方案涉及修改您的日常 ETL:
答:更新您的 ETL 以在最新表加载或更新后创建其副本。如果您使用的是 bq 命令行工具,则类似于:
bq cp mydataset.Sales20140904 mydataset.SalesLatestDay
然后您只需查询 SalesLatestDay 表。
B:更好的是,创建一个引用您最近的表(“SELECT * FROM mydataset.Sales20140904”)的视图,并每天更新它。有关使用 REST API 创建视图的信息: https://developers.google.com/bigquery/docs/reference/v2/tables#resource
【讨论】:
【参考方案6】:如果您的表肯定每天都更新,这是我的窍门。
SELECT * FROM TABLE_DATE_RANGE(myproject:mydataset.Sales, CURRENT_TIMESTAMP(), CURRENT_TIMESTAMP())
【讨论】:
以上是关于查询 BigQuery 数据集中的最新表的主要内容,如果未能解决你的问题,请参考以下文章
将数据导入 Bigquery,但只能通过作业历史访问“表”,无法在数据集中查看