Перейти к основному содержимому
Перейти к основному содержимому

Функция таблицы gcs

Предоставляет интерфейс, похожий на таблицу, для SELECT и INSERT данных из Google Cloud Storage. Требуется роль IAM Storage Object User.

Это псевдоним для функции таблицы s3.

Если у вас есть несколько реплик в вашем кластере, вы можете использовать функцию s3Cluster (которая работает с GCS) вместо этого для параллелизации вставок.

Синтаксис

GCS

Функция таблицы GCS интегрируется с Google Cloud Storage с помощью GCS XML API и HMAC ключей. См. документацию по интероперабельности Google для получения дополнительных данных о конечной точке и HMAC.

Параметры

  • url — Путь к файлу в бакете. Поддерживает следующие подстановочные знаки в режиме только для чтения: *, **, ?, {abc,def} и {N..M}, где N, M — числа, 'abc', 'def' — строки.
    GCS

    Путь GCS имеет следующий формат, так как конечная точка для Google XML API отличается от JSON API:

а не https://storage.cloud.google.com. :::

  • NOSIGN — Если это ключевое слово указано вместо учетных данных, все запросы не будут подписаны.
  • hmac_key и hmac_secret — Ключи, которые указывают учетные данные для использования с данной конечной точкой. Необязательные.
  • format — формат файла.
  • structure — Структура таблицы. Формат 'column1_name column1_type, column2_name column2_type, ...'.
  • compression_method — Параметр необязательный. Поддерживаемые значения: none, gzip или gz, brotli или br, xz или LZMA, zstd или zst. По умолчанию он будет автоматически определять метод сжатия по расширению файла.

Аргументы также могут быть переданы с помощью именованных коллекций. В этом случае url, format, structure, compression_method работают аналогично, и поддерживаются некоторые дополнительные параметры:

  • access_key_id — hmac_key, необязательный.
  • secret_access_key — hmac_secret, необязательный.
  • filename — добавляется к url, если указано.
  • use_environment_credentials — включен по умолчанию, позволяет передавать дополнительные параметры с помощью переменных окружения AWS_CONTAINER_CREDENTIALS_RELATIVE_URI, AWS_CONTAINER_CREDENTIALS_FULL_URI, AWS_CONTAINER_AUTHORIZATION_TOKEN, AWS_EC2_METADATA_DISABLED.
  • no_sign_request — отключен по умолчанию.
  • expiration_window_seconds — значение по умолчанию 120.

Возвращаемое значение

Таблица со указанной структурой для чтения или записи данных в указанный файл.

Примеры

Выбор первых двух строк из таблицы из файла GCS https://storage.googleapis.com/my-test-bucket-768/data.csv:

Аналогично, но из файла с методом сжатия gzip:

Использование​

Предположим, что у нас есть несколько файлов со следующими URI на GCS:

Посчитаем количество строк в файлах, заканчивающихся числами от 1 до 3:

Посчитаем общее количество строк во всех файлах в этих двух директориях:

осторожно

Если в вашем списке файлов есть диапазоны чисел с ведущими нулями, используйте конструкцию с фигурными скобками для каждой цифры отдельно или используйте ?.

Посчитаем общее количество строк в файлах с именами file-000.csv, file-001.csv, ... , file-999.csv:

Вставка данных в файл test-data.csv.gz:

Вставка данных в файл test-data.csv.gz из существующей таблицы:

Подстановочный знак ** может использоваться для рекурсивного обхода директорий. Рассмотрите следующий пример, он извлечет все файлы из директории my-test-bucket-768 рекурсивно:

Следующий запрос получает данные из всех файлов test-data.csv.gz из любой папки внутри директории my-test-bucket рекурсивно:

Для производственных случаев рекомендуется использовать именованные коллекции. Вот пример:

Запись с разбиением на разделы​

Если вы укажете выражение PARTITION BY при вставке данных в таблицу GCS, для каждого значения раздела создается отдельный файл. Разбиение данных на отдельные файлы помогает улучшить эффективность операций чтения.

Примеры

  1. Использование идентификатора секции в ключе создает отдельные файлы:

В результате данные записываются в три файла: file_x.csv, file_y.csv и file_z.csv.

  1. Использование идентификатора секции в имени бакета создает файлы в разных бакетах:

В результате данные записываются в три файла в разных бакетах: my_bucket_1/file.csv, my_bucket_10/file.csv и my_bucket_20/file.csv.

Смотрите также