1. 概览
BigQuery 是 Google 推出的全托管式低成本分析数据仓库，可支持 PB 级数据规模。BigQuery 无需运维：没有需要管理的基础架构，也无需指派数据库管理员，因此您可以专注于分析数据，使用熟悉的 SQL 发掘有意义的数据洞见，并利用我们的随用随付模式。
在此 Codelab 中，您将使用 Google Cloud BigQuery 客户端库通过 Node.js 查询 BigQuery 公共数据集。
学习内容
- 如何使用 Cloud Shell
- 如何启用 BigQuery API
- 如何对 API 请求进行身份验证
- 如何安装适用于 Node.js 的 BigQuery 客户端库
- 如何查询莎士比亚的作品
- 如何查询 GitHub 数据集
- 如何调整缓存和显示统计信息
所需条件
调查问卷
您将如何使用本教程？
您如何评价自己使用 Node.js 的体验？
您如何评价自己在使用 Google Cloud Platform 服务方面的经验水平？
<ph type="x-smartling-placeholder">2. 设置和要求
自定进度的环境设置
请记住项目 ID，它在所有 Google Cloud 项目中都是唯一的名称（上述名称已被占用，您无法使用，抱歉！）。它稍后将在此 Codelab 中被称为 PROJECT_ID。
- 接下来，您需要在 Cloud 控制台中启用结算功能，才能使用 Google Cloud 资源。
运行此 Codelab 应该不会产生太多的费用（如果有费用的话）。请务必按照“清理”部分部分，其中会指导您如何关停资源，以免产生超出本教程范围的结算费用。Google Cloud 的新用户符合参与 $300 USD 免费试用计划的条件。
启动 Cloud Shell
虽然您可以从笔记本电脑远程操作 Cloud SDK 命令行工具，但在此 Codelab 中，您将使用 Google Cloud Shell，这是一个在云端运行的命令行环境。
激活 Cloud Shell
- 在 Cloud Console 中，点击激活 Cloud Shell
。
如果您以前从未启动过 Cloud Shell，系统会显示一个中间屏幕（非首屏）来介绍 Cloud Shell。如果是这种情况，请点击继续（此后您将不会再看到此通知）。一次性屏幕如下所示：
预配和连接到 Cloud Shell 只需花几分钟时间。
这个虚拟机装有您需要的所有开发工具。它提供了一个持久的 5GB 主目录，并且在 Google Cloud 中运行，大大增强了网络性能和身份验证。只需使用一个浏览器或 Google Chromebook 即可完成本 Codelab 中的大部分（甚至全部）工作。
在连接到 Cloud Shell 后，您应该会看到自己已通过身份验证，并且相关项目已设置为您的项目 ID：
- 在 Cloud Shell 中运行以下命令以确认您已通过身份验证：
gcloud auth list
命令输出
Credentialed Accounts
ACTIVE ACCOUNT
* <my_account>@<my_domain.com>
To set the active account, run:
$ gcloud config set account `ACCOUNT`
gcloud config list project
命令输出
[core] project = <PROJECT_ID>
如果不是上述结果，您可以使用以下命令进行设置：
gcloud config set project <PROJECT_ID>
命令输出
Updated property [core/project].
3. 启用 BigQuery API
默认情况下，BigQuery API 应在所有 Google Cloud 项目中启用。您可以在 Cloud Shell 中使用以下命令检查是否属实：
gcloud services list
您应该会看到 BigQuery 列出：
NAME TITLE
bigquery-json.googleapis.com BigQuery API
...
如果 BigQuery API 未启用，您可以在 Cloud Shell 中使用以下命令启用它：
gcloud services enable bigquery-json.googleapis.com
4. 对 API 请求进行身份验证
要向 BigQuery API 发出请求，您需要使用服务账号。服务账号属于您的项目，供 Google BigQuery Node.js 客户端库用来发出 BigQuery API 请求。与任何其他用户账号一样，服务账号由电子邮件地址表示。在本部分中，您将使用 Cloud SDK 创建服务账号，然后创建以该服务账号的身份进行身份验证所需的凭据。
首先，使用 PROJECT_ID 设置一个环境变量，以便您在此 Codelab 中全程使用：
export GOOGLE_CLOUD_PROJECT=$(gcloud config get-value core/project)
接下来，使用以下命令创建一个新的服务账号来访问 BigQuery API：
gcloud iam service-accounts create my-bigquery-sa --display-name "my bigquery codelab service account"
接下来，创建 Node.js 代码将用于以新服务账号身份登录的凭据。创建这些凭据并将其保存为 JSON 文件“~/key.json”创建 Deployment
gcloud iam service-accounts keys create ~/key.json --iam-account my-bigquery-sa@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com
最后，设置 GOOGLE_APPLICATION_CREDENTIALS 环境变量（下一步中将介绍 BigQuery API C# 库使用该变量）来查找凭据。该环境变量应设置为您创建的 JSON 凭据文件的完整路径。使用以下命令设置环境变量：
export GOOGLE_APPLICATION_CREDENTIALS="/home/${USER}/key.json"
您可以详细了解如何对 BigQuery API 进行身份验证。
5. 设置访问权限控制
BigQuery 使用 Identity and Access Management (IAM) 来管理对资源的访问权限。BigQuery 具有许多预定义角色（user、dataOwner、dataViewer 等），您可以将这些角色分配给您在上一步中创建的服务账号。如需详细了解访问权限控制，请参阅 BigQuery 文档。
在查询公共数据集之前，您需要确保服务账号至少具有 bigquery.user 角色。在 Cloud Shell 中运行以下命令，将 bigquery.user 角色分配给服务账号：
gcloud projects add-iam-policy-binding ${GOOGLE_CLOUD_PROJECT} --member "serviceAccount:my-bigquery-sa@${GOOGLE_CLOUD_PROJECT}.iam.gserviceaccount.com" --role "roles/bigquery.user"
您可以运行以下命令来验证是否已为服务账号分配用户角色：
gcloud projects get-iam-policy $GOOGLE_CLOUD_PROJECT
6. 安装适用于 Node.js 的 BigQuery 客户端库
首先，创建一个 BigQueryDemo 文件夹并导航到该文件夹：
mkdir BigQueryDemo
cd BigQueryDemo
接下来，创建一个用于运行 BigQuery 客户端库示例的 Node.js 项目：
npm init -y
您应该会看到所创建的 Node.js 项目：
{
"name": "BigQueryDemo",
"version": "1.0.0",
"description": "",
"main": "index.js",
"scripts": {
"test": "echo \"Error: no test specified\" && exit 1"
},
"keywords": [],
"author": "",
"license": "ISC"
}
安装 BigQuery 客户端库：
npm install --save @google-cloud/bigquery
npm notice created a lockfile as package-lock.json. You should commit this file.
npm WARN BigQueryDemo@1.0.0 No description
npm WARN BigQueryDemo@1.0.0 No repository field.
+ @google-cloud/bigquery@2.1.0
added 69 packages from 105 contributors and audited 147 packages in 4.679s
found 0 vulnerabilities
现在，您可以使用 BigQuery Node.js 客户端库了！
7. 查询莎士比亚的作品
公共数据集是存储在 BigQuery 中且可供公众使用的任何数据集。还有许多其他公共数据集可供查询，其中一些也由 Google 托管，但更多则是由第三方托管。您可以在公共数据集页面上了解详情。
除公共数据集外，BigQuery 还提供了有限数量的示例表供您查询。这些表包含在 bigquery-public-data:samples dataset 中。其中一个表名为 shakespeare.，它包含莎士比亚作品的字词索引，提供每个字词在每个语料库中出现的次数。
在此步骤中，您将查询莎士比亚表。
首先，从 Cloud Shell 的右上角打开代码编辑器：
在 BigQueryDemo 文件夹内创建一个 queryShakespeare.js 文件：
touch queryShakespeare.js
转到 queryShakespeare.js 文件并插入以下代码：
'use strict';
function main() {
// Import the Google Cloud client library
const {BigQuery} = require('@google-cloud/bigquery');
async function queryShakespeare() {
// Queries a public Shakespeare dataset.
// Create a client
const bigqueryClient = new BigQuery();
// The SQL query to run
const sqlQuery = `SELECT word, word_count
FROM \`bigquery-public-data.samples.shakespeare\`
WHERE corpus = @corpus
AND word_count >= @min_word_count
ORDER BY word_count DESC`;
const options = {
query: sqlQuery,
// Location must match that of the dataset(s) referenced in the query.
location: 'US',
params: {corpus: 'romeoandjuliet', min_word_count: 250},
};
// Run the query
const [rows] = await bigqueryClient.query(options);
console.log('Rows:');
rows.forEach(row => console.log(row));
}
queryShakespeare();
}
main();
花一两分钟时间研究一下代码，看看如何查询表。
返回 Cloud Shell，运行应用：
node queryShakespeare.js
您应该会看到一个字词列表及其出现次数：
Rows:
{ word: 'the', word_count: 614 }
{ word: 'I', word_count: 577 }
{ word: 'and', word_count: 490 }
{ word: 'to', word_count: 486 }
{ word: 'a', word_count: 407 }
{ word: 'of', word_count: 367 }
{ word: 'my', word_count: 314 }
{ word: 'is', word_count: 307 }
...
8. 查询 GitHub 数据集
为了更加熟悉 BigQuery，您现在需要针对 GitHub 公开数据集发出查询。您可以在 GitHub 上找到最常见的提交消息。您还将使用 BigQuery 的网页界面来预览和运行临时查询。
如需查看数据，请在 BigQuery 网页界面中打开 GitHub 数据集：
要快速预览数据，请点击“预览”标签：
在 BigQueryDemo 文件夹中创建 queryGitHub.js 文件：
touch queryGitHub.js
转到 queryGitHub.js 文件并插入以下代码：
'use strict';
function main() {
// Import the Google Cloud client library
const {BigQuery} = require('@google-cloud/bigquery');
async function queryGitHub() {
// Queries a public GitHub dataset.
// Create a client
const bigqueryClient = new BigQuery();
// The SQL query to run
const sqlQuery = `SELECT subject AS subject, COUNT(*) AS num_duplicates
FROM \`bigquery-public-data.github_repos.commits\`
GROUP BY subject
ORDER BY num_duplicates
DESC LIMIT 10`;
const options = {
query: sqlQuery,
// Location must match that of the dataset(s) referenced in the query.
location: 'US',
};
// Run the query
const [rows] = await bigqueryClient.query(options);
console.log('Rows:');
rows.forEach(row => console.log(`${row.subject}: ${row.num_duplicates}`));
}
queryGitHub();
}
main();
花一两分钟时间研究一下代码，看看如何查询表中最常见的提交消息。
返回 Cloud Shell，运行应用：
node queryGitHub.js
您应该会看到提交消息及其发生实例的列表：
Rows:
Update README.md: 2572220
: 1985733
Initial commit: 1940228
Mirroring from Micro.blog.: 646772
update: 592520
Update data.json: 548730
Update data.js: 548354
...
9. 缓存和统计信息
运行查询时，BigQuery 会缓存结果。因此，后续相同查询所花费的时间会少很多。可以使用查询选项停用缓存。BigQuery 还会跟踪一些有关查询的统计信息，例如创建时间、结束时间和处理的总字节数。
在此步骤中，您将停用缓存并显示有关查询的一些统计信息。
找到 BigQueryDemo 文件夹内的 queryShakespeare.js 文件，并将代码替换为以下代码：
'use strict';
function main() {
// Import the Google Cloud client library
const {BigQuery} = require('@google-cloud/bigquery');
async function queryShakespeareDisableCache() {
// Queries the Shakespeare dataset with the cache disabled.
// Create a client
const bigqueryClient = new BigQuery();
const sqlQuery = `SELECT word, word_count
FROM \`bigquery-public-data.samples.shakespeare\`
WHERE corpus = @corpus
AND word_count >= @min_word_count
ORDER BY word_count DESC`;
const options = {
query: sqlQuery,
// Location must match that of the dataset(s) referenced in the query.
location: 'US',
params: {corpus: 'romeoandjuliet', min_word_count: 250},
useQueryCache: false,
};
// Run the query as a job
const [job] = await bigqueryClient.createQueryJob(options);
console.log(`Job ${job.id} started.`);
// Wait for the query to finish
const [rows] = await job.getQueryResults();
// Print the results
console.log('Rows:');
rows.forEach(row => console.log(row));
// Print job statistics
console.log('JOB STATISTICS:')
console.log(`Status: ${job.metadata.status.state}`);
console.log(`Creation time: ${job.metadata.statistics.creationTime}`);
console.log(`Start time: ${job.metadata.statistics.startTime}`);
console.log(`Statement type: ${job.metadata.statistics.query.statementType}`);
}
queryShakespeareDisableCache();
}
main();
关于代码的几点注意事项。首先，通过在 options 对象中将 UseQueryCache 设置为 false 来停用缓存。其次，您从作业对象访问了有关查询的统计信息。
返回 Cloud Shell，运行应用：
node queryShakespeare.js
您应该会看到提交消息及其发生实例的列表。此外，您还应该会看到有关查询的一些统计信息：
Rows:
{ word: 'the', word_count: 614 }
{ word: 'I', word_count: 577 }
{ word: 'and', word_count: 490 }
{ word: 'to', word_count: 486 }
{ word: 'a', word_count: 407 }
{ word: 'of', word_count: 367 }
{ word: 'my', word_count: 314 }
{ word: 'is', word_count: 307 }
{ word: 'in', word_count: 291 }
{ word: 'you', word_count: 271 }
{ word: 'that', word_count: 270 }
{ word: 'me', word_count: 263 }
JOB STATISTICS:
Status: RUNNING
Creation time: 1554309220660
Start time: 1554309220793
Statement type: SELECT
10. 将数据加载到 BigQuery 中
如果您想查询自己的数据，需要先将数据加载到 BigQuery 中。BigQuery 支持从许多来源（例如 Google Cloud Storage、其他 Google 服务或本地可读来源）加载数据。您甚至可以流式传输数据。如需了解详情，请参阅将数据加载到 BigQuery 中页面。
在此步骤中，您需要将存储在 Google Cloud Storage 中的 JSON 文件加载到 BigQuery 表中。JSON 文件位于：gs://cloud-samples-data/bigquery/us-states/us-states.json
如果您想了解 JSON 文件的内容，可以使用 gsutil 命令行工具在 Cloud Shell 中下载该文件：
gsutil cp gs://cloud-samples-data/bigquery/us-states/us-states.json .
Copying gs://cloud-samples-data/bigquery/us-states/us-states.json...
/ [1 files][ 2.0 KiB/ 2.0 KiB]
Operation completed over 1 objects/2.0 KiB.
您可以看到，它包含美国各州的列表，并且每个州都是一个单独的 JSON 对象：
less us-states.json
{"name": "Alabama", "post_abbr": "AL"}
{"name": "Alaska", "post_abbr": "AK"}
...
如需将此 JSON 文件加载到 BigQuery 中，请在 BigQueryDemo 文件夹内创建一个 createDataset.js 文件和 loadBigQueryJSON.js 文件：
touch createDataset.js
touch loadBigQueryJSON.js
安装 Google Cloud Storage Node.js 客户端库：
npm install --save @google-cloud/storage
转到 createDataset.js 文件并插入以下代码：
'use strict';
function main() {
// Import the Google Cloud client libraries
const {BigQuery} = require('@google-cloud/bigquery');
async function createDataset() {
const datasetId = "my_states_dataset3";
const bigqueryClient = new BigQuery();
// Specify the geographic location where the dataset should reside
const options = {
location: 'US',
};
// Create a new dataset
const [dataset] = await bigqueryClient.createDataset(datasetId, options);
console.log(`Dataset ${dataset.id} created.`);
}
createDataset();
}
main();
然后，找到 loadBigQueryJSON.js 文件并插入以下代码：
'use strict';
function main() {
// Import the Google Cloud client libraries
const {BigQuery} = require('@google-cloud/bigquery');
const {Storage} = require('@google-cloud/storage');
const datasetId = "my_states_dataset3";
const tableId = "my_states_table";
async function createTable(datasetId, tableId) {
// Creates a new table
// Create a client
const bigqueryClient = new BigQuery();
const options = {
location: 'US',
};
// Create a new table in the dataset
const [table] = await bigqueryClient
.dataset(datasetId)
.createTable(tableId, options);
console.log(`Table ${table.id} created.`);
}
async function loadJSONFromGCS(datasetId, tableId) {
// Import a GCS file into a table with manually defined schema.
// Instantiate clients
const bigqueryClient = new BigQuery();
const storageClient = new Storage();
const bucketName = 'cloud-samples-data';
const filename = 'bigquery/us-states/us-states.json';
// Configure the load job.
const metadata = {
sourceFormat: 'NEWLINE_DELIMITED_JSON',
schema: {
fields: [
{name: 'name', type: 'STRING'},
{name: 'post_abbr', type: 'STRING'},
],
},
location: 'US',
};
// Load data from a Google Cloud Storage file into the table
const [job] = await bigqueryClient
.dataset(datasetId)
.table(tableId)
.load(storageClient.bucket(bucketName).file(filename), metadata);
// load() waits for the job to finish
console.log(`Job ${job.id} completed.`);
// Check the job's status for errors
const errors = job.status.errors;
if (errors && errors.length > 0) {
throw errors;
}
}
// createDataset(datasetId);
createTable(datasetId, tableId);
loadJSONFromGCS(datasetId, tableId);
}
main();
花一两分钟时间研究一下代码如何加载 JSON 文件，以及如何在数据集中创建表（带架构）。
返回 Cloud Shell，运行应用：
node createDataset.js
node loadBigQueryJSON.js
在 BigQuery 中创建数据集和表：
Table my_states_table created.
Job [JOB ID] completed.
如需验证数据集是否已创建，您可以转到 BigQuery 网页界面。您应该会看到一个新数据集和一个表。如果您切换到表格的“预览”标签页，就可以查看实际数据：
11. 恭喜！
您已了解如何使用 Node.js 来使用 BigQuery！
清理
为避免系统因本快速入门中使用的资源向您的 Google Cloud Platform 账号收取费用，请执行以下操作：
- 前往 Cloud Platform Console。
- 选择要关停的项目，然后点击“删除”顶部：这会安排删除项目。
了解详情
- Google BigQuery：https://cloud.google.com/bigquery/docs/
- Google Cloud Platform 上的 Node.js：https://cloud.google.com/nodejs/
- Google BigQuery Node.js 客户端库：https://github.com/googleapis/nodejs-bigquery
许可
此作品已获得 Creative Commons Attribution 2.0 通用许可授权。