google-cloud-platform - 是否可以在不使用 BigQuery 清理的情况下查询存储在云存储中的日志数据？

Question

我有大量从 StackDriver 导出到 Google Cloud Storage 的日志数据。我正在尝试使用 BigQuery 运行查询。

但是，在 BigQuery 数据集中创建表时，我得到了

Invalid field name "k8s-app". 
Fields must contain only letters, numbers, and underscores, start with a letter or underscore, and be at most 128 characters long. 
Table: bq_table

大量日志数据从 StackDriver sinks 导出，其中包含大量唯一列名。根据 BigQuery 表，其中一些名称无效。

解决方案是什么？有没有办法在不清理的情况下查询日志数据？使用临时表或其他东西？

注意：我不想将我的数据加载（放入）到 BigQuery Storage，只是为了查询 Google Cloud Storage 中存在的数据。

* 编辑 *

请参阅本文档以获得清晰的理解

标签： google-cloud-platformgoogle-bigquerystackdriver

Answer 1

我认为您可以根据您的应用程序走以下两条路线中的任何一条：

A.忽略标题

如果有问题的字段位于日志的标题行中，您可以通过--skip_leading_rows=1在导入命令中添加参数来选择忽略标题行。就像是：

  bq location=US load --source_format=YOURFORMAT --skip_leading_rows=1 mydataset.rawlogstable gs://mybucket/path/* 'colA:STRING,colB:STRING,..'

B.加载原始数据

如果上述不适用，则只需将非结构化原始格式的数据加载到 BigQuery 中。一旦你的数据在那里，你就可以去做各种各样的事情。

因此，首先创建一个包含单列的表：

bq mk --table mydataset.rawlogstable 'data:STRING'

现在将您的数据集加载到提供适当位置的表中：

bq --location=US load --replace --source_format=YOURFORMAT mydataset.rawlogstable gs://mybucket/path/* 'data:STRING'

加载数据后，现在您可以使用 SQL 查询对其进行处理，并根据您的分隔符将其拆分并跳过您不喜欢的内容。

C.创建外部表

如果您不想将数据加载到 BigQuery 但仍想对其进行查询，则可以选择在 BigQuery 中创建外部表：

bq --location=US mk --external_table_definition=data:STRING@CSV=gs://mybucket/path/* mydataset.rawlogstable

查询数据

如果您选择选项 A 并且它适合您，您可以简单地选择以您已经在做的方式查询您的数据。

在您选择 B 或 C 的情况下，您的表现在将数据集中的行作为单列行。您现在可以选择根据您的分隔符要求将这些单列行拆分为多个列行。

假设您的行应该有 3 个名为 a、b 和 c 的列：

 a1,b1,c1
 a2,b2,c2

现在它全部采用名为 的单列形式data，您可以通过分隔符将其分隔,：

 select 
    splitted[safe_offset(0)] as a, 
    splitted[safe_offset(1)] as b,
    splitted[safe_offset(2)] as c
 from (select split(data, ',') as splitted from `mydataset.rawlogstable`)

希望能帮助到你。