BigQuery - 获取 1000000 条记录并使用 goLang 对数据进行一些处理

Posted 2023-03-24

【中文标题】BigQuery - 获取 1000000 条记录并使用 goLang 对数据进行一些处理

【英文标题】：BigQuery - fetch 1000000 records and do some process over data using goLang

【发布时间】：2019-05-22 03:04:09

【问题描述】：

我在 BigQuery 中有 1000000 条记录。使用goLang从数据库中获取数据和处理的最佳方法是什么？如果无限制地获取所有数据，我会遇到超时问题。我已经将限制增加到 5 分钟，但需要超过 5 分钟。 我想做一些流式调用或分页实现，但我不知道在 golang 中我该怎么做。

var FetchCustomerRecords = func(req *http.Request) *bigquery.RowIterator 
    ctx := appengine.NewContext(req)
    ctxWithDeadline, _ := context.WithTimeout(ctx, 5*time.Minute)
    log.Infof(ctx, "Fetch Customer records from BigQuery")
    client, err := bigquery.NewClient(ctxWithDeadline, "ddddd-crm")
    q := client.Query(
        "SELECT * FROM Something")

    q.Location = "US"
    job, err := q.Run(ctx)
    if err != nil 
        log.Infof(ctx, "%v", err)
    
    status, err := job.Wait(ctx)
    if err != nil 
        log.Infof(ctx, "%v", err)

    
    if err := status.Err(); err != nil 
        log.Infof(ctx, "%v", err)
    
    it, err := job.Read(ctx)

    if err != nil 
        log.Infof(ctx, "%v", err)
    
    return it

【参考方案1】：

您可以直接读取表格内容而无需发出查询。这不会产生查询费用，并提供与从查询中获得的相同的行迭代器。

对于小的结果，这很好。对于大表，我建议查看新的storage api，以及samples page 上的代码示例。

对于一个小表或只是读取一小部分行，您可以执行以下操作（从一个公共数据集表中读取多达 10k 行）：

func TestTableRead(t *testing.T) 
    ctx := context.Background()
    client, err := bigquery.NewClient(ctx, "my-project-id")
    if err != nil 
        t.Fatal(err)
    

    table := client.DatasetInProject("bigquery-public-data", "***").Table("badges")
    it := table.Read(ctx)

    rowLimit := 10000
    var rowsRead int
    for 
        var row []bigquery.Value
        err := it.Next(&row)
        if err == iterator.Done || rowsRead >= rowLimit 
            break
        

        if err != nil 
            t.Fatalf("error reading row offset %d: %v", rowsRead, err)
        
        rowsRead++
        fmt.Println(row)
    

【参考方案2】：

您可以拆分查询以获得 10 倍的 100000 条记录并在多个 goroutine 中运行

使用 sql 查询 select * from somewhere order by id DESC limit 100000 offset 0

在下一个 goroutine select * from somewhere order by id DESC limit 100000 offset 100000