BigQuery 解释器

原文链接 : http://zeppelin.apache.org/docs/0.7.2/interpreter/bigquery.html

译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10030770

贡献者 : 片刻 ApacheCN Apache中文网

概述

BigQuery是Google Cloud Platform中高度可扩展的无操作数据仓库。如果没有正确的硬件和基础架构，则查询大量数据集可能会耗时且昂贵。Google BigQuery通过使用Google基础设施的处理能力，启用超级快速SQL查询，仅针对仅附加表格来解决此问题。简单地将您的数据移动到BigQuery中，让我们处理辛苦的工作。您可以根据业务需求控制对项目和数据的访问，例如让他人查看或查询您的数据。

配置

BigQuery API

Zeppelin是针对BigQuery API版本v2-rev265-1.21.0 - API Javadocs构建的。

启用BigQuery解释器

在笔记本中，要启用BigQuery解释器，请单击Gear图标并选择bigquery。

设置服务帐户凭据

为了在Google Cloud Engine之外运行BigQuery解释器，您需要按照以下说明提供身份验证凭据：

• 转到API控制台凭据页面
• 从项目下拉列表中选择您的项目。
• 在Credentials页面上，选择Create credentials下拉菜单，然后选择Service account key。
• 从服务帐户下拉列表中，选择一个现有的服务帐户或创建一个新的服务帐户。
• 对于Key type，选择JSON键选项，然后选择Create。该文件自动下载到您的计算机。
• 将*.json您刚刚下载的文件放在您选择的目录中。该目录必须是私有的（您不能让任何人访问此目录），但您的Zeppelin实例可以访问。
• 将环境变量设置为下载GOOGLE_APPLICATION_CREDENTIALS的JSON文件的路径。
  • 无论是GUI：在解释器配置页面CAPITAL_CASE中的属性名称设置env vars
  • 或者zeppelin-env.sh：只是将其添加到文件的末尾。

使用BigQuery解释器

在段落中，用于%bigquery.sql选择BigQuery解释器，然后根据存储在BigQuery中的数据集输入SQL语句。您可以使用BigQuery SQL Reference构建自己的SQL。

例如，SQL可使用航班公开数据集来查询机场前十名的出发延迟

%bigquery.sql
SELECT departure_airport,count(case when departure_delay>0 then 1 else 0 end) as no_of_delays 
FROM [bigquery-samples:airline_ontime_data.flights] 
group by departure_airport 
order by 2 desc 
limit 10

另一个例子，SQL从BigQuery中托管的github数据中查询最常用的java包

%bigquery.sql
SELECT
  package,
  COUNT(*) count
FROM (
  SELECT
    REGEXP_EXTRACT(line, r' ([a-z0-9\._]*)\.') package,
    id
  FROM (
    SELECT
      SPLIT(content, '\n') line,
      id
    FROM
      [bigquery-public-data:github_repos.sample_contents]
    WHERE
      content CONTAINS 'import'
      AND sample_path LIKE '%.java'
    HAVING
      LEFT(line, 6)='import' )
  GROUP BY
    package,
    id )
GROUP BY
  1
ORDER BY
  count DESC
LIMIT
  40

技术说明

有关当前实现的深入技术细节请参考bigquery/README.md。