这个问题与this one非常相似——但是使用python API,几年后——由于解决方案不完整,我认为最好打开一个新问题
我有一堆ndjson文件,每天在GCS上生成,我想把它们加载到BQ表中
来自file_1.json
的几行示例:
{"a": 1, "b": 2, "c": [1,2,4], "d": "string"}
{"a": 1, "c": [2, 4], "d": "some_string"}
{"a": 1, "e": 4}
一个file_2.json
的例子:
{"a": 4, "e": 6, "f": {"g": 7, "h": "str"}}
{"a": 1, "c": [2, 4], "f": {"g": 5}}
大多数字段都是可选的,每个文件中的每个文件记录理论上可以包含字段的任意组合(目前选择的字段约为50个,但将来会发生变化并增加)。同一命名字段的内容(将任何错误放在一边)应包含相同的数据类型
我想将一组文件(某一天的所有文件)加载到一个BQ表中,该表的模式由文件中所有字段的并集组成,其中一行没有对应于字段的键,该值为空
我希望这样做,而不需要维护模式
我目前的尝试:
job_config = bigquery.LoadJobConfig(
write_disposition="WRITE_TRUNCATE",
create_disposition="CREATE_IF_NEEDED",
autodetect=True,
ignore_unknown_values=True,
schema_update_option="ALLOW_FIELD_ADDITION",
source_format="NEWLINE_DELIMITED_JSON"
)
uri = "gs://my-bucket/test/*.json"
load_job = client.load_table_from_uri(
uri,
table_id,
location="EU",
job_config=job_config,
)
load_job.result()
使用autodetect=True
避免显式指定架构,但由于autodetect最多可以扫描单个文件中的500行,因此最初可能不会创建某些字段
我希望schema_update_option="ALLOW_FIELD_ADDITION"
(ref here)能满足我的需要,但它不起作用
我尝试过的另一个选择是:
# Instead of wildcard, get blob list and convert to uris
blobs = storage_client.get_bucket(BUCKET).list_blobs(prefix=FOLDER)
uris = [f"gs://{BUCKET}/{blob.name}" for blob in blobs if blob.name.endswith(".json")]
job_config = bigquery.LoadJobConfig(
write_disposition="WRITE_APPEND", #Will append file by file
create_disposition="CREATE_IF_NEEDED",
autodetect=True,
schema_update_option="ALLOW_FIELD_ADDITION",
source_format="NEWLINE_DELIMITED_JSON"
)
for uri in uris:
load_job = client.load_table_from_uri(
uri,
table_id,
location="EU",
job_config=job_config,
)
load_job.result()
我可以想象,这是效率较低的,但无论如何,它也不起作用,会出现以下错误:
BadRequest: 400 Provided Schema does not match Table my-bucket:test.test_diff_schema. Cannot add fields (field: f)
同样,我认为schema_update_option="ALLOW_FIELD_ADDITION"
可以避免这种情况,但它似乎只适用于预定义的模式,而不适用于自动检测
欢迎有任何想法,提前谢谢
在autodetect中,BigQuery读取一堆第一行数据并尝试检测模式。在第一次运行之后,将设置模式,并且在整个摄取过程中无法更改模式。您可以使用“忽略未知值”选项跳过与自动检测模式不匹配的值
但它不会如你所愿工作。我知道BigQuery团队致力于更好的JSON集成。目前,我只能建议您将JSON作为字符串接收,并使用BigQueryJSON函数浏览文档
相关问题 更多 >
编程相关推荐