使用python从bigquery获取数据时，linux服务器上出现内存错误？

Question

我正在尝试使用python从大查询中获取数据。代码在我的笔记本电脑上运行良好，但在Linux服务器上抛出内存错误。是否可以对其进行优化，使其也可以在服务器上运行？你知道吗

错误：表有500万行…Linux机器有8 GB ram…错误“内存不足”，进程被终止

代码如下：

os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "/Users/Desktop/big_query_test/soy-serenity-89ed73.json"

client = bigquery.Client()

# Perform a query.

QUERY = “SELECT * FROM `soy-serenity-89ed73.events10`”


query_job = client.query(QUERY)

df = query_job.to_dataframe()

Answer 1

我可以建议两种方法：

选项1
SELECT将数据分块存储，以减少每次迭代时从BigQuery接收的数据的大小。 例如，您的表是分区，您可以执行以下操作：

WHERE _PARTITIONTIME = currentLoopDate

其中currentLoopDate将是python代码中的一个日期变量（类似的选项是使用ROW_NUMBER

选项2
通过使用BigQuery client library，您可以使用作业.插入API并将configuration.query.priority设置为批处理。你知道吗

# from google.cloud import bigquery
# client = bigquery.Client()

query = (
    'SELECT name FROM `bigquery-public-data.usa_names.usa_1910_2013` '
    'WHERE state = "TX" '
    'LIMIT 100')
query_job = client.query(
    query,
    # Location must match that of the dataset(s) referenced in the query.
    location='US')  # API request - starts the query

for row in query_job:  # API request - fetches results
    # Row values can be accessed by field name or index
    assert row[0] == row.name == row['name']
    print(row)

有关更多详细信息，请参见link 获取jobId之后，使用Jobs.getQueryResults编写一个循环，通过设置API的maxResults参数来获取数据块