您可以使用具有CreateLoadJob方法的Google.Cloud.BigQuery.V2中的BigQueryClient,创建csv加载作业,以便从Google云端存储中的csv文件加载数据。
如何保证使用此API的幂等性,以确保在获得响应之前说网络已经丢失并且您开始重试,您不会最终将相同的数据多次加载到BigQuery中?
API使用示例
private void LoadCsv(string sourceUri, string tableId, string timePartitionField)
{
var tableReference = new TableReference()
{
DatasetId = _dataSetId,
ProjectId = _projectId,
TableId = tableId
};
var options = new CreateLoadJobOptions
{
WriteDisposition = WriteDisposition.WriteAppend,
CreateDisposition = CreateDisposition.CreateNever,
SkipLeadingRows = 1,
SourceFormat = FileFormat.Csv,
TimePartitioning = new TimePartitioning
{
Type = _partitionByDayType,
Field = timePartitionField
}
};
BigQueryJob loadJob = _bigQueryClient.CreateLoadJob(sourceUri: sourceUri,
destination: tableReference,
schema: null,
options: options);
loadJob.PollUntilCompletedAsync().Wait();
if (loadJob.Status.Errors == null || !loadJob.Status.Errors.Any())
{
//Log success
return;
}
//Log error
}
答案 0 :(得分:3)
有两个地方你最终可能会失去回应:
第一个在没有工作ID的情况下恢复相对棘手;你可以列出项目中的所有工作,并尝试找到一个看起来像你要创建的工作。
但是,C#客户端库会生成作业ID,以便 it 可以重试,或者您可以通过CreateLoadJobOptions
指定自己的作业ID。
第二个失败时间要简单得多:保留返回的BigQueryJob
,以便在失败时重试轮询。 (例如,您可以存储作业名称,以便即使您的进程在等待它完成时死亡也可以恢复。)
答案 1 :(得分:3)
您可以通过基于例如生成自己的jobid来实现幂等性。您加载的文件位置和目标表。
job_id = 'my_load_job_{}'.format(hashlib.md5(sourceUri+_projectId+_datasetId+tableId).hexdigest())
var options = new CreateLoadJobOptions
{
WriteDisposition = WriteDisposition.WriteAppend,
CreateDisposition = CreateDisposition.CreateNever,
SkipLeadingRows = 1,
JobId = job_id, #add this
SourceFormat = FileFormat.Csv,
TimePartitioning = new TimePartitioning
{
Type = _partitionByDayType,
Field = timePartitionField
}
};
在这种情况下,如果您尝试重新插入相同的job_id,则会出现错误。 如果池化失败,您也可以轻松生成此job_id以进行检查。