Question

我正在运行一个python脚本，它将一个名为newdataset.newtable2的表从Bigquery卸载到我应用的谷歌存储桶中。

这是我的代码：

scope = ["https://www.googleapis.com/auth/bigquery"]
project_id='txxxxxxx9'
dataset_id = 'newdataset'
table_id = 'newtable2'

with open('/home/xxxxxxx/Dropbox/access_keys/google_storage/xxxxxxxx.json') as auth_file:
    key = json.load(auth_file)

client_email = key['client_email']
pv_key = key['private_key']
credentials = SignedJwtAssertionCredentials(client_email, pv_key, scope=scope)

bigquery_service = build('bigquery', 'v2', credentials=credentials)

job_data = {
    'jobReference': {
            'projectId': project_id,
            'jobId': str(uuid.uuid4())
        },
    'configuration': {
        'extract': {
            'sourceTable': {
                'projectId': project_id,
                'datasetId': dataset_id,
                'tableId': table_id,
                },
            'destinationUris': ['gs://xxxxxxx/test.csv'],
            'destinationFormat': 'CSV'
            }
        }
    }

query_job =  bigquery_service.jobs().insert(projectId=project_id, body=job_data).execute()

我对请求的缓慢感到惊讶。我的桌子是300Mb，请求持续5分钟。请注意，此请求不会出现在我的BigQuery UI的作业部分中，但是在5分钟之后，.csv可以在我的存储桶中找到并且看起来很好。

在Redshift和S3中，这样的请求将不再持续5秒。我的问题：我做对了吗？或者我错过了什么？

如果我的代码很好，有人可以告诉我为什么这个基本任务会花费这么多时间吗？

注意：我现在使用免费帐户（未升级）

Answer 1

您制定请求的方式是，它在一个工作人员中编写一个300 MB的CSV文件。这将是相当缓慢的。（5分钟仍然比我预期的要长，但在一个合理的范围内）

如果在目标URI中使用glob模式（例如foo = 'foo' -> (;foo) do foo = 'bar' puts 'hi!' end.() foo # => 'foo'），它应该快得多，因为它可以并行完成。

从bigquery到Google云存储的卸载速度非常慢

1 个答案: