Question

我正在使用 group_concat / string_agg （可能是varchar），并希望确保bigquery不会丢弃任何连接的数据。

Answer 1

如果特定查询内存不足，BigQuery不会丢弃数据;你会得到一个错误。您应该尝试将行大小保持在100MB以下，因为除此之外，您将开始出错。您可以尝试使用如下示例创建一个大字符串：

#standardSQL
SELECT STRING_AGG(word) AS words FROM `bigquery-public-data.samples.shakespeare`;

此表中有164,656行，此查询创建一个包含1,168,286个字符（大小约为兆字节）的字符串。如果您在单个执行节点上运行的查询需要的数量超过数百兆字节，那么您将开始看到错误：

#standardSQL
SELECT STRING_AGG(CONCAT(word, corpus)) AS words
FROM `bigquery-public-data.samples.shakespeare`
CROSS JOIN UNNEST(GENERATE_ARRAY(1, 1000));

这会导致错误：

Resources exceeded during query execution.

如果单击UI中的“说明”选项卡，则可以在构建STRING_AGG的结果时看到第1阶段发生故障。在这种情况下，字符串的长度为3,303,599,000个字符，或大小约为3.3 GB。

Answer 2

添加Elliot的答案 - 如何修复：

此查询（Elliot's）失败：

#standardSQL
SELECT STRING_AGG(CONCAT(word, corpus)) AS words
FROM `bigquery-public-data.samples.shakespeare`
CROSS JOIN UNNEST(GENERATE_ARRAY(1, 1000));

但是你可以限制连接的字符串数量以获得有效的解决方案：

#standardSQL
SELECT STRING_AGG(CONCAT(word, corpus) LIMIT 10) AS words
FROM `bigquery-public-data.samples.shakespeare`
CROSS JOIN UNNEST(GENERATE_ARRAY(1, 1000));

bigquery输出中group_concat / string_agg的最大限制是多少？

2 个答案: