從本地Jupyter筆記本中訪問Google BigQuery數據

Question

我已經得到了一些筆記本電腦並繼續使用DataLab。 出於各種原因，我想從我的機器上的本地Jupyter筆記本訪問相同的數據。

這個問題提出了一些方法，到目前為止我無法工作。

特別是Gcloud庫：

from gcloud import bigquery
client = bigquery.Client()

給我一個堆棧跟蹤其最后一行：

ContextualVersionConflict: (protobuf 2.6.1 (/usr/local/lib/python2.7/dist-packages), Requirement.parse('protobuf!=3.0.0.b2.post1,>=3.0.0b2'), set(['gcloud']))

熊貓圖書館看起來很有希望：

df=pd.io.gbq.read_gbq('SELECT CCS_Category_ICD9, Gender, Admit_Month FROM [xxxxxxxx-xxxxx:xxxx_100MB_newform.xxxxxx_100MB_newform]ORDER by CCS_Category_ICD9',
                 project_id='xxxxxxxx-xxxxx')

還給我一個堆棧跟蹤：

IOError: [Errno 2] No such file or directory: '/usr/local/lib/python2.7/dist-packages/httplib2-0.9.1.dist-info/METADATA'

也許我在Pandas方法上有一個auth問題，雖然我的瀏覽器目前正在對該項目進行驗證？ 還是我錯過了依賴？

任何建議或指導贊賞..

從本地Jupyter筆記本中訪問A BigQuery數據源的最佳方法是什么？

Answer 1

根據gbq.read()的錯誤，似乎可能沒有正確安裝httplib2。 在pandas 安裝頁面上 ，Google BigQuery支持需要一些可選的依賴項（httplib2就是其中之一）。 要重新安裝/修復安裝，請嘗試：

pip install httplib2 --ignore-installed

一旦安裝了Google BigQuery支持的可選依賴項，以下代碼就可以運行：

from pandas.io import gbq
df = gbq.read_gbq('SELECT * FROM MyDataset.MyTable', project_id='my-project-id')

Answer 2

如果您使用Datalab特定的方式訪問GCP，那么您可能需要嘗試使用https://github.com/googledatalab/datalab 。 這將為您提供Jupyter Notebook中與Datalab兼容的功能。

Answer 3

我有同樣的問題，但設法解決它通過安裝conda版本的gbq，我已經安裝了anaconda分布的python所以我想如果你使用pip可能會有一些鏈接丟失

conda install pandas-gbq --channel conda-forge這個命令完成了這項業務

Answer 4

我在這里有一個例子： https ： //github.com/kanjih-ciandt/docker-jupyter-gcloud/blob/master/ka.ipynb

但是，基本上你首先需要安裝一些軟件包：

!pip install google-cloud --user
!pip install --upgrade google-cloud-bigquery[pandas] --user
!pip install google-cloud-storage --user

如果您已有服務帳戶文件，請執行此操作（替換JSON_SERVICE_ACCOUNT_FILE ）：

import logging
import json
import os
from datetime import datetime
import pprint

from googleapiclient import discovery
from oauth2client.service_account import ServiceAccountCredentials

# Default scope to get access token
_SCOPE = 'https://www.googleapis.com/auth/cloud-platform'
from google.cloud import bigquery

client = bigquery.Client.from_service_account_json(JSON_SERVICE_ACCOUNT_FILE)
# Perform a query.
QUERY = (
    'SELECT name FROM `bigquery-public-data.usa_names.usa_1910_2013` '
    'WHERE state = "TX" '
    'LIMIT 100')
query_job = client.query(QUERY)  # API request
rows = query_job.result()  # Waits for query to finish

for row in rows:
    print(row.name)

但是，如果您有權訪問某些GCP項目，但不知道如何創建服務帳戶，則可以直接在jupyter筆記本中創建它：

SERVICE_ACCOUNT='jupytersa'
JSON_SERVICE_ACCOUNT_FILE = 'sa1.json'
GCP_PROJECT_ID='<GCP_PROJECT_ID>' 

import subprocess
import sys
import logging

logger = logging.Logger('catch_all')


def run_command(parameters):

    try:
        return subprocess.check_output(parameters)
    except BaseException as e: 
       logger.error(e) 
       logger.error('ERROR: Looking in jupyter console for more information')

run_command([
        'gcloud', 'iam', 'service-accounts',
        'create', SERVICE_ACCOUNT,
        '--display-name', "Service Account for BETA SCC API",
        '--project', GCP_PROJECT_ID
])


IAM_ROLES = [
    'roles/editor'
]

for role in IAM_ROLES:
    run_command([
        'gcloud', 'projects', 'add-iam-policy-binding',GCP_PROJECT_ID,
        '--member', 'serviceAccount:{}@{}.iam.gserviceaccount.com'.format(SERVICE_ACCOUNT, GCP_PROJECT_ID),
        '--quiet',  '--role', role
    ])


run_command([
        'gcloud', 'iam', 'service-accounts',
        'keys', 'create', JSON_SERVICE_ACCOUNT_FILE ,
        '--iam-account', 
        '{}@{}.iam.gserviceaccount.com'.format(SERVICE_ACCOUNT, GCP_PROJECT_ID)
])

您可以在此處找到完整示例： https ： //github.com/kanjih-ciandt/docker-jupyter-gcloud/blob/master/ka.ipynb

總而言之，如果你想從Docker執行這個筆記本，你可以使用這個圖像： https ： //cloud.docker.com/u/hkanjih/repository/docker/hkanjih/docker-jupyter-gcloud