- BigQuery 教程
- BigQuery - 首页
- BigQuery - 概述
- BigQuery - 初始设置
- BigQuery 与本地 SQL 引擎的比较
- BigQuery - Google Cloud Console
- BigQuery - Google Cloud 层次结构
- 什么是 Dremel?
- 什么是 BigQuery Studio?
- BigQuery - 数据集
- BigQuery - 表
- BigQuery - 视图
- BigQuery - 创建表
- BigQuery - 基本模式设计
- BigQuery - 修改表
- BigQuery - 复制表
- 删除和恢复表
- BigQuery - 填充表
- 标准 SQL 与传统 SQL
- BigQuery - 编写第一个查询
- BigQuery - CRUD 操作
- 分区和集群
- BigQuery - 数据类型
- BigQuery - 复杂数据类型
- BigQuery - STRUCT 数据类型
- BigQuery - ARRAY 数据类型
- BigQuery - JSON 数据类型
- BigQuery - 表元数据
- BigQuery - 用户自定义函数
- 连接到外部数据源
- 集成计划查询
- 集成 BigQuery API
- BigQuery - 集成 Airflow
- 集成连接的表格
- 集成数据传输
- BigQuery - 物化视图
- BigQuery - 角色和权限
- BigQuery - 查询优化
- BigQuery - BI 引擎
- 监控使用情况和性能
- BigQuery - 数据仓库
- 挑战和最佳实践
- BigQuery 资源
- BigQuery - 快速指南
- BigQuery - 资源
- BigQuery - 讨论
BigQuery - 表元数据
能够分析和理解组织数据的范围和内容固然重要,但对于SQL 开发人员而言,了解使用 BigQuery 的性能和存储成本方面也至关重要。
这时,查询 BigQuery 表元数据对于开发人员来说可能很有用,对于寻求充分利用 SQL 引擎的组织来说更是宝贵。
对于那些没有广泛使用元数据的人来说:元数据顾名思义,是关于数据的数据。通常这与围绕资源性能或监控等方面的统计数据有关。
BigQuery 提供了多个元数据存储,用户可以查询这些存储以更好地了解其项目如何消耗资源,其中包括:
- INFORMATION_SCHEMA
- __TABLES__ 视图
- BigQuery 审计日志
每个表都可以像查询存储数据一样进行查询。
对于 INFORMATION_SCHEMA 和 __TABLES__,需要注意的是表引用的语法有所不同。
不是遵循典型的:project.dataset.table 表示法,INFORMATION_SCHEMA 和 __TABLES__ 的元素是在结束反引号后引用的。
INFORMATION_SCHEMA 是一个数据源,它有几个分支资源,例如 COLUMNS 或 JOBS_BY_PROJECT
例如,引用 INFORMATION_SCHEMA 看起来像这样:
它将获取以下输出:
TABLES 视图
TABLES 视图提供表级别的信息,例如表创建时间和最后访问表的用户。需要注意的是,TABLES 视图可在数据集级别访问。
它将获取以下输出:
基于现有表创建模式
INFORMATION_SCHEMA.COLUMNS 的一个有用的用例是能够使用此查询基于现有表创建模式:
广告