是否可以使用 UDF 从 BigQuery 读取 gcs 对象的元数据

Question

我正在从 GCS 对象（使用 csv 和 json 文件类型（在单独的表中））将数据提取到 BigQuery 表中，我想执行数据验证，因此在将文件上传到 GCS 期间，我已将行数存储在文件元数据中，现在之后摄取完成，我想验证摄取表中的行数是否与文件元数据中的行数匹配。

注意：我想在 UDF 中使用 js 可用性，但它不允许我们使用外部库

更新：

根据介质上的这篇文章，他们说我们可以通过将编译的 js 包作为 .js 文件发布到 Cloud Storage 并使用 UDF 中的选项调用它来使用外部库

由于对js一窍不通，不知道怎么看这篇文章。

注意：我还在文章中发布了一个代码片段。

https://hoffa.medium.com/new-in-bigquery-persistent-udfs-c9ea4100fd83

CREATE OR REPLACE FUNCTION x.nlp_compromise_number(str STRING)
RETURNS NUMERIC LANGUAGE js AS '''
   return nlp(str).values(0).toNumber().out()
'''
OPTIONS (
  library="gs://fh-bigquery/js/compromise.min.11.14.0.js");

Answer 1

在标准 SQL [2] 中无法使用 UDF 提取对象元数据 [1]。但是，使用 Cloud Function 来执行数据验证会更容易，因为它会更容易从两个源中提取并执行比较。

[1] - https://cloud.google.com/storage/docs/viewing-editing-metadata#view

[2] - https://cloud.google.com/bigquery/docs/reference/standard-sql/user-defined-functions

Answer 2

您无法使用 BigQuery 执行外部 API 调用。在 UDF 和标准查询中都没有。您无法从外部（GCP 或其他地方）获取数据。在运行查询之前，您必须将所有数据存储在 BigQuery 中。