我遇到了一些时间分区的bigquery表的异常未记录行为:
我在BigQuery中创建了一个时间分区表,并插入了数据。我能够正常插入-数据被写入今天的分区(我也能够显式地指定一个分区并写入其中)
在对新数据进行了一些测试后,我删除了今天的分区,以便获得干净的数据:(CLI)
bq --project_id=my-project rm v1.mytable$20160613
然后我检查它是否是空的:
select count(*) from [v1.mytable]
结果270而不是0
我再次尝试删除并重新运行查询,结果相同。所以我查询了
select count(*) from [v1.mytable$20160613]
结果0
所以之前的几个日期我可能插入了数据,但都是0。最后我运行
SELECT partition_id from [v1.mytable$__PARTITIONS_SUMMARY__];
结果为
{未发表20160609 20160613}
事实上,所有数据都在UNPARTITIONED中
我的问题:
- 什么时候将数据写入这个特殊分区而不是日常分区,我如何避免这种情况
- 除了失去处理特定日期的能力(在查询中或删除数据时等)之外,还有其他影响吗?我应该处理这个案子吗
-
当数据在流缓冲区时,它仍保留在UNARTITIONED分区中。要在查询中处理此分区,可以使用_PARTITIONTIME伪列的值NULL。
SELECT ... FROM mydataset.mypartitioned_table WHERE _PARTITIONTIME IS NULL
-
要删除给定分区的数据,我们建议使用返回空结果的查询对其进行写截断。例如:
bq query --destination_table=mydataset.mypartitionedtable$20160121 --replace 'SELECT 1 as field1, "one" as field2 FROM (SELECT 1 as field1, "one" as field2) WHERE FALSE'
请注意,分区仍然存在(如果您从表$__PARTITIONS__SUMMARY中执行SELECT*),但它将有0行。
$ bq query 'SELECT COUNT(*) from [mydataset.mypartitionedtable$20160121]'
+-----+
| f0_ |
+-----+
| 0 |
+-----+
这是一个临时状态——一个小时后查询所有记录都属于今天的分区。
因此,效果类似于数据写入的延迟:插入后立即查询可能没有正确分区中的最新数据,但最终这将是正常的