Question

我想在管道中做什么：

从pub / sub中读取（完成）
将此数据转换为字典（完成）
从字典中获取指定键的值（完成）
从BigQuery运行参数化/动态查询，其中where部分应如下所示：
```
SELECT field1 FROM Table where field2 = @valueFromP/S
```

管道

| 'Read from PubSub' >> beam.io.ReadFromPubSub(subscription='')
| 'String to dictionary' >> beam.Map(lambda s:data_ingestion.parse_method(s))
| 'BigQuery' >> <Here is where I'm not sure how to do it>

从BQ读取数据的正常方法是：

| 'Read' >> beam.io.Read(beam.io.BigQuerySource(
                query="SELECT field1 FROM table where field2='string'", use_standard_sql=True))

我已经阅读了有关参数化queries的信息，但是我不确定这是否适用于Apache Beam。

可以使用侧面输入来完成吗？

哪种方法是最好的方法？

我尝试过的事情：

def parse_methodBQ(input):
    query=''SELECT field1 FROM table WHERE field1=\'%s\' AND field2=True' % (input['field1'])'
    return query


class ReadFromBigQuery(beam.PTransform):
    def expand(self, pcoll):
        return (
                pcoll
                | 'FormatQuery' >> beam.Map(parse_methodBQ)
                | 'Read' >> beam.Map(lambda s:  beam.io.Read(beam.io.BigQuerySource(query=s)))
        )

with beam.Pipeline(options=pipeline_options) as p:
transform = (p  | 'BQ' >> ReadFromBigQuery()

结果（为什么？）：

<Read(PTransform) label=[Read]>

正确的结果应该是：

{u'Field1': u'string', u'Field2': Bool}

解决方案

在管道中：

| 'BQ' >> beam.Map(parse_method_BQ))

该函数（使用BigQuery 0.25 API进行数据流处理）

def parse_method_BQ(input):
    client = bigquery.Client()
    QUERY = 'SELECT field1 FROM table WHERE field1=\'%s\' AND field2=True' % (input['field1'])
    client.use_legacy_sql = False
    query_job = client.run_async_query(query=QUERY ,job_name='temp-query-job_{}'.format(uuid.uuid4()))  # API request
    query_job.begin()
    while True:
        query_job.reload()  # Refreshes the state via a GET request.
        if query_job.state == 'DONE':
            if query_job.error_result:
                raise RuntimeError(query_job.errors)
            rows = query_job.results().fetch_data()
            for row in rows:
                if not (row[0] is None):  
                    return input
        time.sleep(1)

Answer 1

您可以read the whole table或使用string query。

我了解您将根据需要使用parse_methodBQ方法来自定义查询。当此方法返回查询时，您可以使用BigQuerySource进行调用。这些行在字典中。

| 'QueryTable' >> beam.Map(beam.io.BigQuerySource(parse_methodBQ))
# Each row is a dictionary where the keys are the BigQuery columns
| 'Read' >> beam.Map(lambda s:  s['data'])

此外，您可以避免自定义查询并使用filter method

关于侧面输入，请阅读食谱中的this示例，以更好地了解如何使用它们。

Google Dataflow：在Python中使用BigQuery + Pub / Sub运行动态查询

1 个答案: