时间戳

首页 > 解决方案 > 使用python从bigquery获取数据时Linux服务器上的内存错误？

python - 使用python从bigquery获取数据时Linux服务器上的内存错误？

问题描述

我正在尝试使用 python 从大查询中获取数据。该代码在我的笔记本电脑上运行良好，但在 Linux 服务器上引发内存错误。是否可以对其进行优化，使其也可以在服务器上运行？

错误：表有 500 万行...具有 8 GB 内存的 Linux 机器...错误“内存不足”，进程被终止

下面是代码：

os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "/Users/Desktop/big_query_test/soy-serenity-89ed73.json"

client = bigquery.Client()

# Perform a query.

QUERY = “SELECT * FROM `soy-serenity-89ed73.events10`”


query_job = client.query(QUERY)

df = query_job.to_dataframe()

标签： pythongoogle-bigquery

解决方案

我可以建议两种方法：

选项 1
SELECT分块数据，以减少您在每次迭代中从 BigQuery 收到的数据的大小。例如，您的表是分区，您可以这样做：

WHERE _PARTITIONTIME = currentLoopDate

其中 currentLoopDate 将是您的 python 代码中的日期变量（类似的选项将使用ROW_NUMBER

选项 2
通过使用BigQuery 客户端库，您可以使用Jobs.insert API 并设置configuration.query.priority为批处理。

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

query = (
    'SELECT name FROM `bigquery-public-data.usa_names.usa_1910_2013` '
    'WHERE state = "TX" '
    'LIMIT 100')
query_job = client.query(
    query,
    # Location must match that of the dataset(s) referenced in the query.
    location='US')  # API request - starts the query

for row in query_job:  # API request - fetches results
    # Row values can be accessed by field name or index
    assert row[0] == row.name == row['name']
    print(row)

有关更多详细信息，请参阅此链接在获取 jobId 后，使用Jobs.getQueryResults编写一个循环，通过设置maxResultsAPI 的参数来获取数据块

推荐阅读