数据流：使用python管道更新BigQuery行

Question

想象一个简单的Google数据流管道。在这个管道中，您使用apache beam函数从BQ读取数据，并根据返回的pcollection更新这些行

Journeys = (p
                    | 'Read from BQ' >> beam.io.Read(
                    beam.io.BigQuerySource(query=query, dataset="dataset", use_standard_sql=True)))

Update = ( Journeys
                   | 'Updating Journey Table' >> beam.Map(UpdateBQ))

Write = (Journeys
                    | 'Write transform to BigQuery' >> WriteToBigQuery('table', TABLE_SCHEMA_CANONICAL))

该管道的问题是，当您读取表（beam.map）时，将对返回的pcollection中的每个项执行UpdateBQ

def UpdateBQ(input):
    from google.cloud import bigquery
    import uuid
    import time
    client = bigquery.Client()
    STD = "#standardSQL"
    QUERY = STD + "\n" + """UPDATE table SET Field= 'YYY' WHERE Field2='XXX'"""
    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()
    <...>

可能的解决办法

with beam.Pipeline(options=options) as p:
    Journeys = (p
                | 'Read from BQ' >> beam.io.Read(
                beam.io.BigQuerySource(query=query, dataset="dataset", use_standard_sql=True))
                )

    Write = (Journeys
                | 'Write transform to BigQuery' >> WriteToBigQuery('table', TABLE_SCHEMA_CANONICAL))


UpdateBQ();

Answer 1

在阅读完BQ后，你是否在使用光束管道进行进一步的改造？或者它只是您在代码中显示的方式，即从BQ中读取，然后在BQ中启动更新命令？在这种情况下，您根本不需要beam。只需使用BQ查询更新使用另一个表的表中的数据。BQ最佳实践建议避免一次插入/更新单行。