如何将GCS中存储的Delta Lake文件导入BigQuery
关于GCS存储的Delta Lake文件直接导入BigQuery的方案咨询
是否有可用的库/连接器,可直接将存储在Google Cloud Storage(GCS)中的Delta Lake文件导入BigQuery?
我已实现通过Spark Dataframe作为中间介质写入BigQuery表,但未找到无需经过Spark dataframe转换即可完成该操作的直接连接器或BigQuery库。
我尝试使用官方连接器spark-bigquery-connector,但该连接器文档缺少指向BigQuery特定项目的相关说明,因此仅能完成将GCS中的DeltaLake文件加载到Dataframe的操作,无法推进后续流程。
参考相关评论我已可以写入BQ,但该方案未做优化,即便我尽可能优化Spark Job,其效率也不及由Google Bigquery库在底层直接完成操作的方案。
由于未找到直接解决方案,我最终使用spark-bigquery-connector按如下方式摄取Delta文件:
myDeltaTable.toDF .write .format("bigquery") .mode("overwrite") .option("parentProject", "MY_PARENT_PROJECT") .option("project", "MY_PROJECT") .option("temporaryGcsBucket", "A_STAGING_BUCKET_IN_GCS") // Mandatory .option("partitionField", "MY_PARTITION_FIELD") .save("DATASET.TABLE")
内容的提问来源于stack exchange,提问作者Ismail H
相关产品推荐
相关产品推荐

