如何更改 BigQuery 重复记录的 col 类型

Question

我正在尝试将重复记录的 col 类型从 STRING 更改为 TIMESTAMP。这里有 BQ 文档的一些建议 (manually-changing-schemas)。但是，我遇到的每个推荐建议都有问题。

这是一个示例架构：

{
  'name' => 'id',
  'type' => 'STRING',
  'mode' => 'REQUIRED'
},
{
  'name' => 'name',
  'type' => 'STRING',
  'mode' => 'REQUIRED'
},
// many more fields including nested records and repeated records
{
  'name' => 'locations',
  'type' => 'RECORD',
  'mode' => 'REPEATED',
  'fields' => [
    {
      'name' => 'city',
      'type' => 'STRING',
      'mode' => 'REQUIRED'
    },
    {
      'name' => 'updated_at',
      'type' => 'STRING',   // ** want this as TIMESTAMP **
      'mode' => 'REQUIRED'
    },
  ]
}

使用查询的问题：

我认为我们必须 UNNEST 重复记录，将字段转换为每个重复记录的时间戳，然后以某种方式重新创建行以插入新表。

将表格导出为 JSON 的问题：

当以 JSON 格式导出表格时，它会导出数据的原始 json 表示形式（如我们所料，带有地图和字典）。

但是，我们无法将该原始数据导入回 BQ：

BigQuery 不支持 JSON 格式的地图或字典。例如， "product_categories": {"my_product": 40.0} 无效，但是 "product_categories": {"column1": "my_product" , "column2": 40.0} 是 有效。

https://cloud.google.com/bigquery/docs/loading-data-cloud-storage-json#limitations

任何建议将不胜感激！

Answer 1

以下答案基于：BigQuery StandardSQL 中的REPEATED RECORD 类型表示为ARRAY<STRUCT<f1 f1_type, f2 f2_type ... >> 类型。

这不是我最喜欢的，因为您必须指定完整的列列表。也许有更好的方法。

#standardSQL
-- Build sample data, try to mimic what's in question.
CREATE OR REPLACE TABLE
  <your_dataset>.sample_table AS
SELECT name, 
       array<struct<city string, update_at string>>[("SFO", "2011-1-1"), ("SEA", "2022-2-2")] 
       as locations
FROM UNNEST(['Name1', "Name2", "Name3"]) as name;

然后下面的 SQL 会将 update_at 列转换为 DATE 并保存到新表（如果您愿意，也可以保存到同一个表）。

#standardSQL
CREATE OR REPLACE TABLE
  <your_dataset>.output_table AS
SELECT * REPLACE (
   ARRAY(SELECT AS STRUCT * REPLACE(CAST(update_at AS DATE) AS update_at)
         FROM UNNEST(locations)) 
   AS locations 
   )
FROM
  <your_dataset>.sample_table;