![](/img/trans.png)
[英]Google BigQuery: Data drop when streaming insert right after copy to same table with WRITE_TRUNCATE
[英]BigQueryOperator changes the table schema and column modes when write_disposition='WRITE_TRUNCATE'
我正在使用 Airflow 的 BigQueryOperator 用 write_disposition='WRITE_TRUNCATE' 填充 BQ 表。 问题是每次任务运行时,它都会改变表架构以及列模式,从必需到可空。 我使用的 create_disposition 是“CREATE_NEVER”。 由于我的表是预先创建的,我不希望更改架构或列模式。 使用 write_disposition='WRITE_APPEND' 解决了这个问题,但我的要求是使用 WRITE_TRUNCATE。 知道为什么 BigQueryOperator 会改变架构和模式吗?
我有一个类似的问题,不是必需的/可为空的 shcema 值,而是策略标签,行为是相同的:策略标签被覆盖(和丢失)。 以下是 Google 支持团队的回答:
如果您覆盖目标表,任何现有的策略标签都会从表中删除,除非您使用 --destination_schema 标志来指定带有策略标签的架构。 对于 WRITE_TRUNCATE,处置会覆盖现有表和架构。 如果要保留策略标签,可以使用“--destination_schema”来指定带有策略标签的架构。
但是,通过我在 python 中的测试,我观察到 QueryJob(基于 sql 查询的作业并将结果接收到表中)和 LoadJob(从文件加载数据并将数据接收到表中的作业)之间的 2 种不同行为)。
在 Python 中像这样
job_config = bigquery.job.LoadJobConfig()
job_config.create_disposition = bigquery.job.CreateDisposition.CREATE_IF_NEEDED
job_config.write_disposition = bigquery.job.WriteDisposition.WRITE_TRUNCATE
job_config.skip_leading_rows = 1
# job_config.autodetect = True
job_config.schema = client.get_table(table).schema
query_job = client.load_table_from_uri(uri, table, job_config=job_config)
res = query_job.result()
此解决方案用于复制架构,不适用于 QueryJob
解决方法如下(适用于 LoadJob 和 QueryJob)
权衡:
config = bigquery.job.QueryJobConfig()
config.create_disposition = bigquery.job.CreateDisposition.CREATE_IF_NEEDED
config.write_disposition = bigquery.job.WriteDisposition.WRITE_EMPTY
# Don't work
# config.schema = client.get_table(table).schema
config.destination = table
# Step 1 truncate the table
query_job = client.query(f'TRUNCATE TABLE `{table}`')
res = query_job.result()
# Step 2: Load the new data
query_job = client.query(request, job_config=job_config)
res = query_job.result()
所有这些都是为了告诉您 Airflow 上的 BigQuery 运算符不是问题。 这是一个 BigQuery 问题。 你有一个解决方法来实现你想要的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.