Google BigQuery：在 Python 中，列添加使所有其他列都为 Nullable

Question

我有一个已经存在的表，其架构如下：

{
  "schema": {
    "fields": [
      {
        "mode": "required",
        "name": "full_name",
        "type": "string"
      },
      {
        "mode": "required",
        "name": "age",
        "type": "integer"
      }]
  }
}

它已经包含以下条目：

{'full_name': 'John Doe',
          'age': int(33)}

我想插入带有新字段的新记录，并让加载作业在加载时自动添加新列。新格式如下所示：

record = {'full_name': 'Karen Walker',
          'age': int(48),
          'zipcode': '63021'}

我的代码如下：

from google.cloud import bigquery
client = bigquery.Client(project=projectname)
table = client.get_table(table_id)

config = bigquery.LoadJobConfig()
config.autoedetect = True
config.source_format = bigquery.SourceFormat.NEWLINE_DELIMITED_JSON
config.write_disposition = bigquery.WriteDisposition.WRITE_APPEND
config.schema_update_options = [
    bigquery.SchemaUpdateOption.ALLOW_FIELD_ADDITION,
                               ]

job = client.load_table_from_json([record], table, job_config=config)
job.result()

这会导致以下错误：

400 提供的架构与表 my_project:my_dataset:mytable 不匹配。字段年龄已将模式从 REQUIRED 更改为 NULLABLE

我可以通过更改config.schema_update_options 来解决此问题，如下所示：

    bigquery.SchemaUpdateOption.ALLOW_FIELD_ADDITION,
    bigquery.SchemaUpdateOption.ALLOW_FIELD_RELAXATION
                               ]

这允许我插入新记录，并将 zipcode 添加到架构中，但它会导致 full_name 和 age 变为 NULLABLE，这不是我想要的行为。有没有办法防止模式自动检测更改现有列？

Answer 1

如果您需要向架构中添加字段，您可以执行以下操作：

from google.cloud import bigquery
client = bigquery.Client()

table = client.get_table("your-project.your-dataset.your-table")

original_schema = table.schema   # Get your current table's schema
new_schema = original_schema[:]  # Creates a copy of the schema.
# Add new field to schema
new_schema.append(bigquery.SchemaField("new_field", "STRING")) 

# Set new schema in your table object
table.schema = new_schema   
# Call API to update your table with the new schema
table = client.update_table(table, ["schema"])  

更新表的架构后，您可以使用此附加字段加载新记录，而忽略任何架构配置。