Question

当前，我使用Parquet文件将数据导入BigQuery（GIS）。其中一个Parquet文件包含geometry列，该几何列以WKT字符串（MultiPolygon的形式表示几何数据，我想将该列导入为GEOGRAPHY类型。

Q1。文档中提到不支持从WKT（字符串）到GEOGRAPHY的自动转换，那么如何解决此问题？我想避免使用CSV文件，而手动提供架构定义。

但是，即使我首先创建了一个空表，并且只想添加新的Parquet文件，它也无法正常工作： Provided Schema does not match Table <org>-internal:test.<table>. Field geom has changed type from GEOGRAPHY to STRING.。（与Avro相同）

Q2。是否可以选择以某种方式 force 将持有WKT字符串的Parquet列强制转换为GEOGRAPHY类型？我不想先加载临时表，然后运行一个查询，即执行所有转换，以加载目标表。

更新：使用python客户端时，我可以为要导入的Parquet文件手动指定架构。加载完成后，GEOGRAPHY列中的所有值都具有值INVALID。相同的代码可以在CSV上正常工作。

from google.cloud import bigquery

client = bigquery.Client(project='<project>')

table_ref = client.dataset('test').table('geometry')

job_config = bigquery.LoadJobConfig()
job_config.write_disposition = bigquery.WriteDisposition.WRITE_TRUNCATE
job_config.schema = [
    bigquery.SchemaField('id', 'INTEGER'),
    bigquery.SchemaField('geom', 'GEOGRAPHY'),
]

# CSV works fine!
# uri = 'gs://<bucket>/multipoly_sample.csv'
# job_config.source_format = bigquery.SourceFormat.CSV

# With Parquet, values in geom column are all "INVALID" 
uri = 'gs://<bucket>/multipoly_sample.parquet'
job_config.source_format = bigquery.SourceFormat.PARQUET

load_job = client.load_table_from_uri(
    uri,
    table_ref,
    job_config=job_config)
load_job.result()

Answer 1

这在GIS beta版中尚不可能。 BigQuery GIS正式发布之前，它将可用，但是目前您无法使用Parquet直接加载。在Beta中，您可以使用CSV，换行符分隔的JSON或流加载API直接加载到“地理位置”列。

更新（2018年10月30日）：现在应该可以使用。您可以将GEOGRAPHY指定为列类型，也可以使用GEOGRAPHY列将其加载到现有表中。 Parquet / Avro中的字符串列将被解析并转换为GEOGRAPHY。

使用Avro / Parquet将地理数据导入BigQuery

1 个答案: