Introduzione alle tabelle esterne

Questa pagina introduce le tabelle esterne e fornisce indicazioni su come eseguire query sui dati archiviati al di fuori di BigQuery.

Le tabelle esterne non BigLake consentono di eseguire query su dati strutturati in datastore esterni. Per eseguire query su una tabella esterna non BigLake, devi disporre delle autorizzazioni sia per la tabella esterna che per l'origine dati esterna. Ad esempio, per eseguire query su una tabella esterna non BigLake che utilizza un'origine dati in Cloud Storage, devi disporre delle seguenti autorizzazioni:

  • bigquery.tables.getData
  • bigquery.jobs.create
  • storage.buckets.get
  • storage.objects.get

Datastore supportati

Puoi utilizzare le tabelle esterne non BigLake con i seguenti datastore:

Supporto temporaneo delle tabelle

Puoi eseguire query su un'origine dati esterna in BigQuery utilizzando una tabella permanente o una tabella temporanea. Una tabella permanente è una tabella creata in un set di dati ed è collegata alla tua origine dati esterna. Poiché la tabella è permanente, puoi utilizzare i controlli dell'accesso per condividerla con altri utenti che hanno anche accesso all'origine dati esterna sottostante. Puoi eseguire query sulla tabella in qualsiasi momento.

Quando esegui una query su un'origine dati esterna utilizzando una tabella temporanea, invii un comando che include una query e crea una tabella non permanente collegata all'origine dati esterna. Quando utilizzi una tabella temporanea, non ne crei una in uno dei tuoi set di dati BigQuery. Poiché la tabella non è archiviata in modo permanente in un set di dati, non può essere condivisa con altri. L'esecuzione di query su un'origine dati esterna utilizzando una tabella temporanea è utile per query una tantum ad hoc su dati esterni o per processi di estrazione, trasformazione e caricamento (ETL).

Più file di origine

Se crei una tabella esterna non BigLake basata su Cloud Storage, puoi utilizzare più origini dati esterne, a condizione che abbiano lo stesso schema. Questa opzione non è supportata per le tabelle esterne non BigLake basate su Bigtable o Google Drive.

Limitazioni

Le seguenti limitazioni si applicano alle tabelle esterne:

  • BigQuery non garantisce la coerenza dei dati per le tabelle di dati esterne. Le modifiche ai dati sottostanti mentre è in esecuzione una query possono causare comportamenti imprevisti.
  • Le prestazioni delle query per tabelle esterne potrebbero essere lente rispetto all'esecuzione di query sui dati in una tabella BigQuery standard. Se la velocità delle query è una priorità, carica i dati in BigQuery anziché configurare un'origine dati esterna. Le prestazioni di una query che include una tabella esterna dipende dal tipo di archiviazione esterna. Ad esempio, eseguire query sui dati archiviati in Cloud Storage è più veloce rispetto a eseguire query sui dati archiviati su Google Drive. In generale, le prestazioni delle query per una tabella esterna dovrebbero corrispondere alla lettura dei dati direttamente dall'origine dati.
  • Non puoi modificare le tabelle di dati esterni utilizzando DML o altri metodi. Le tabelle esterne sono di sola lettura per BigQuery.
  • Non puoi utilizzare il metodo dell'API JSON TableDataList per recuperare i dati da tabelle esterne. Per maggiori informazioni, vedi tabledata.list. Per aggirare questa limitazione, puoi salvare i risultati della query in una tabella di destinazione. In seguito, potrai utilizzare il metodo TableDataList nella tabella dei risultati.
  • Non puoi eseguire un job BigQuery che esporta i dati da una tabella esterna. Per aggirare questa limitazione, puoi salvare i risultati della query in una tabella di destinazione. Poi, esegui un job di esportazione nella tabella dei risultati.
  • Non puoi fare riferimento a una tabella esterna in una query di tabella con caratteri jolly.
  • Le tabelle esterne non supportano il clustering. Supportano il partizionamento in modi limitati. Per maggiori dettagli, consulta Esecuzione di query su dati partizionati esternamente.
  • Quando esegui una query su un'origine dati esterna diversa da Cloud Storage, i risultati non vengono memorizzati nella cache. (sono supportate le query GoogleSQL su Cloud Storage). Ogni query viene addebitata su una tabella esterna anche se esegui la stessa query più volte. Se devi eseguire ripetutamente una query su una tabella esterna che non cambia di frequente, valuta la possibilità di scrivere i risultati della query in una tabella permanente ed eseguire invece le query sulla tabella permanente.
  • Puoi eseguire al massimo 16 query in parallelo su un'origine dati esterna di Bigtable.
  • Una prova di una query federata che utilizza una tabella esterna potrebbe segnalare un limite inferiore di 0 byte di dati, anche se vengono restituite delle righe. Questo perché la quantità di dati elaborati dalla tabella esterna non può essere determinata fino al completamento della query effettiva. L'esecuzione della query federata comporta un costo per l'elaborazione di questi dati.
  • Non puoi utilizzare _object_metadata come nome di colonna nelle tabelle esterne. È riservato per uso interno.
  • BigQuery non supporta la visualizzazione delle statistiche di archiviazione per le tabelle esterne.
  • Le tabelle esterne non supportano i nomi flessibili delle colonne.

Considerazioni sulla località

Quando scegli una località per i tuoi dati, considera quanto segue:

Cloud Storage

Puoi interagire con i dati di Cloud Storage utilizzando BigQuery nei seguenti modi:

Eseguire query sui dati di Cloud Storage

Quando esegui una query sui dati in Cloud Storage utilizzando una BigLake o una tabella esterna non BigLake, i dati su cui esegui la query devono essere collocati insieme al set di dati BigQuery. Ad esempio:

  • Bucket a regione singola: se il set di dati BigQuery si trova nella regione di Varsavia (europe-central2), anche il bucket Cloud Storage corrispondente deve trovarsi nella regione di Varsavia o in qualsiasi regione a due regioni di Cloud Storage che includa Varsavia. Se il set di dati BigQuery si trova in US più regioni, il bucket Cloud Storage può trovarsi in più regioni US, la singola regione dell'Iowa (us-central1) o qualsiasi altra regione doppia che includa l'Iowa. Le query da qualsiasi altra singola regione hanno esito negativo, anche se il bucket si trova in una località contenuta all'interno di più regioni del set di dati. Ad esempio, se le tabelle esterne si trovano in più regioni US e il bucket Cloud Storage si trova in Oregon (us-west1), il job non riesce.

    Se il set di dati BigQuery si trova in EU più regioni, il bucket Cloud Storage può trovarsi in più regioni EU, la singola regione Belgio (europe-west1) o qualsiasi altra regione doppia che include il Belgio. Le query da qualsiasi altra singola regione hanno esito negativo, anche se il bucket si trova in una località contenuta all'interno di più regioni del set di dati. Ad esempio, se le tabelle esterne si trovano nella località multiregionale EU e il bucket Cloud Storage si trova a Varsavia (europe-central2), il job non riesce.

  • Bucket a due regioni: se il set di dati BigQuery si trova nella regione Tokyo (asia-northeast1), il bucket Cloud Storage corrispondente deve trovarsi nella regione di Tokyo o in una regione doppia che include Tokyo, ad esempio ASIA1 a due regioni. Per saperne di più, consulta Creare un bucket a due regioni.

    Se il bucket Cloud Storage si trova nella doppia regione NAM4 o in qualsiasi altra regione a due regioni che include la regione Iowa(us-central1), il set di dati BigQuery corrispondente può essere nella multiregione US o nell'Iowa (us-central1).

    Se il bucket Cloud Storage si trova nella regione a due regioni EUR4 o in qualsiasi altra regione a due regioni che include il Belgio(europe-west1), il set di dati BigQuery corrispondente può trovarsi nella località a più regioni EU o in Belgio(europe-west1).

  • Bucket multiregionale: l'utilizzo di località di set di dati multiregionali con bucket Cloud Storage multiregionali è sconsigliato per le tabelle esterne, perché le prestazioni delle query esterne dipendono da una latenza minima e da una larghezza di banda di rete ottimale.

    Se il set di dati BigQuery si trova in più regioni US, il bucket Cloud Storage corrispondente deve trovarsi in più regioni US, in una doppia regione che include l'Iowa (us-central1), ad esempio NAM4 a due regioni o in una doppia regione personalizzata che include l'Iowa (us-central1).

    Se il set di dati BigQuery si trova in più regioni EU, il bucket Cloud Storage corrispondente deve trovarsi nella località a più regioni EU, in una doppia regione che include il Belgio (europe-west1), ad esempio EUR4, o in una doppia regione personalizzata che include il Belgio.

Per ulteriori informazioni sulle località Cloud Storage supportate, consulta Località dei bucket nella documentazione di Cloud Storage.

Carica i dati da Cloud Storage

Quando carichi dati da Cloud Storage utilizzando una tabella esterna BigLake o non BigLake, i dati caricati devono essere collocati insieme al set di dati BigQuery.

  • Puoi caricare i dati da un bucket Cloud Storage situato in qualsiasi località se il tuo set di dati BigQuery si trova nell'area multiregionale US.

  • Bucket multiregionale: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in un bucket multiregionale, il set di dati BigQuery può trovarsi nello stesso bucket multiregionale o in qualsiasi singola regione inclusa nello stesso bucket multiregionale. Ad esempio, se il bucket Cloud Storage si trova nella regione EU, il set di dati BigQuery può trovarsi nella regione EU a più regioni o in qualsiasi singola regione nella regione EU.

  • Bucket a due regioni: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in un bucket a due regioni, il set di dati BigQuery può trovarsi in regioni incluse nel bucket a due regioni o in più regioni che include quest'ultima. Ad esempio, se il bucket Cloud Storage si trova nella regione EUR4, il set di dati BigQuery può trovarsi nell'unica regione della Finlandia (europe-north1), nei Paesi Bassi (europe-west4) o nell'area multiregionale EU.

    Per maggiori informazioni, consulta Creare un bucket a due regioni.

  • Bucket a regione singola: se il bucket Cloud Storage da cui vuoi eseguire il caricamento si trova in una singola regione, il set di dati BigQuery può trovarsi nella stessa regione o in più regioni che include la singola regione. Ad esempio, se il bucket Cloud Storage si trova nella regione Finlandia (europe-north1), il set di dati BigQuery può trovarsi nella Finlandia o nell'area multiregionale EU.

  • Un'eccezione è che se il set di dati BigQuery si trova nella regione asia-northeast1, il bucket Cloud Storage può trovarsi nella località multiregionale EU.

Per ulteriori informazioni, vedi Caricamento in batch dei dati.

Esporta i dati in Cloud Storage

Assegna i bucket Cloud Storage per l'esportazione dei dati:
  • Se il set di dati BigQuery si trova in EU (più regioni), il bucket Cloud Storage contenente i dati esportati deve trovarsi nella stessa località multiregionale o in una località contenuta all'interno di più regioni. Ad esempio, se il set di dati BigQuery si trova nell'area multiregionale EU, il bucket Cloud Storage può trovarsi nella regione europe-west1 Belgio, che si trova all'interno dell'UE.

    Se il set di dati si trova in US (più regioni), puoi esportare i dati in un bucket Cloud Storage in qualsiasi località.

  • Se il set di dati si trova in una regione, il bucket Cloud Storage deve trovarsi nella stessa regione. Ad esempio, se il set di dati si trova nella regione asia-northeast1 di Tokyo, il bucket Cloud Storage non può trovarsi nella località multiregionale ASIA.

Per ulteriori informazioni, vedi Esportazione dei dati di una tabella.

Bigtable

Quando esegui una query sui dati in Bigtable tramite una tabella esterna BigQuery, l'istanza Bigtable deve trovarsi nella stessa località del set di dati BigQuery:

  • Regione singola: se il set di dati BigQuery si trova nella località regionale Belgio (europe-west1), l'istanza Bigtable corrispondente deve trovarsi nella regione Belgio.
  • Più regioni: poiché le prestazioni delle query esterne dipendono da una latenza minima e da una larghezza di banda di rete ottimale, l'utilizzo di località di set di dati multiregionali è sconsigliato per le tabelle esterne su Bigtable.

Per ulteriori informazioni sulle località Bigtable supportate, consulta Località Bigtable.

Google Drive

Le considerazioni sulla posizione non si applicano alle origini dati esterne di Google Drive.

Gestione dei dati

    Sviluppa un piano di gestione dei dati:
    • Se scegli una risorsa di archiviazione regionale, come un set di dati BigQuery o un bucket Cloud Storage, sviluppa un piano per la gestione geografica dei tuoi dati.

Spostamento di dati tra località

Per spostare manualmente un set di dati da una posizione a un'altra:

  1. Esporta i dati dalle tabelle BigQuery in un bucket Cloud Storage nella stessa località del set di dati o in una posizione contenuta all'interno della località del set di dati. Ad esempio, se il set di dati si trova nella località multiregionale EU, potresti esportarli nella località europe-west1 Belgio, che fa parte dell'UE.

    Non sono previsti costi per l'esportazione dei dati da BigQuery, ma sono previsti costi per l'archiviazione dei dati esportati in Cloud Storage. Le esportazioni di BigQuery sono soggette ai limiti dei job di esportazione.

  2. Copia o sposta i dati dal bucket Cloud Storage di esportazione in un nuovo bucket che hai creato nella località di destinazione. Ad esempio, se sposti i dati dalla località multiregionale US all'area geografica asia-northeast1 di Tokyo, li trasferirai in un bucket che hai creato a Tokyo. Per informazioni sul trasferimento di oggetti Cloud Storage, consulta Copia, ridenominazione e spostamento di oggetti nella documentazione di Cloud Storage.

    Il trasferimento di dati tra regioni comporta addebiti per il traffico di rete in uscita in Cloud Storage.

  3. Crea un nuovo set di dati BigQuery nella nuova località, quindi carica i dati dal bucket Cloud Storage nel nuovo set di dati.

    Non viene addebitato alcun costo per il caricamento dei dati in BigQuery, ma ti vengono addebitati i costi per l'archiviazione dei dati in Cloud Storage finché non elimini i dati o il bucket. Ti viene inoltre addebitato il costo per l'archiviazione dei dati in BigQuery dopo il caricamento. Il caricamento di dati in BigQuery è soggetto ai limiti dei job di caricamento.

Puoi anche utilizzare Cloud Composer per spostare e copiare grandi set di dati in modo programmatico.

Per ulteriori informazioni sull'utilizzo di Cloud Storage per archiviare e spostare grandi set di dati, consulta Utilizzare Cloud Storage con big data.

Prezzi

Quando esegui una query su una tabella esterna da BigQuery, ti vengono addebitati i costi per l'esecuzione della query e i byte applicabili letti se utilizzi i prezzi BigQuery on demand (per TiB) o il consumo di slot se utilizzi i prezzi della capacità BigQuery (per ora di slot).

Se i tuoi dati sono archiviati in formato ORC o Parquet in Cloud Storage, consulta Calcolo delle dimensioni dei dati.

Ti vengono inoltre addebitati i costi per l'archiviazione dei dati ed eventuali risorse utilizzate dall'applicazione di origine, in conformità alle linee guida per i prezzi dell'applicazione:

  • Per informazioni sui prezzi di Cloud Storage, vedi Prezzi di Cloud Storage.
  • Per informazioni sui prezzi di Bigtable, consulta la pagina Prezzi.
  • Per informazioni sui prezzi di Drive, vedi Prezzi.

Passaggi successivi