HTTP-Status- und Fehlercodes für die BigQuery API

Auf dieser Seite werden die HTTP-Statuscodes und Fehlermeldungen beschrieben, die von der BigQuery API zurückgegeben werden. Sie können diese Codes verwenden, um Fehler bei Anfragen zu beheben und das API-Verhalten zu überprüfen.

Weitere Informationen zu Nicht-API-Fehlern, Verbindungsfehlern der Clientbibliothek und Fehlern in der Google Cloud Console finden Sie unter Fehlermeldungen.

Weitere Informationen zu Abfragefehlern finden Sie unter Abfragefehler beheben.

Weitere Informationen zu Fehlern bei Streaming-Insert-Anweisungen finden Sie unter Fehlerbehebung bei Streaming-Insert-Anweisungen.

Format der Fehlerantwort

BigQuery verwendet für seine API das standardmäßige HTTP-Fehlerberichtsformat. Bei erfolgreichen Anfragen werden HTTP-Statuscodes im Bereich 2xx zurückgegeben. Fehlgeschlagene Anfragen geben Statuscodes im Bereich 4xx und 5xx zurück. Anfragen, die eine Weiterleitung erfordern, geben Statuscodes im Bereich 3xx zurück. Fehlerantworten enthalten in der Regel ein JSON-Dokument im Antworttext, das ein Fehlerobjekt mit Informationen zum Fehler enthält.

In BigQuery API-Antworten ist ein Fehlerobjekt normalerweise eines der folgenden:

Die Spalte Grund in den Statuscodetabellen auf dieser Seite wird dem Attribut reason in einem ErrorProto-Objekt zugeordnet. Wenn Sie den Jobstatus mithilfe des bq-Befehlszeilentools prüfen, verwenden Sie das Flag --format=prettyjson (z. B. bq --format=prettyjson show -j <var>JOB_ID</var>) oder --apilog=stdout, um das Fehlerobjekt und das zugehörige Attribut reason aufzurufen.

In der folgenden Tabelle werden die Elemente beschrieben, die im Antworttext eines Fehlers enthalten sein können. Die Felder sollten zusammen verwendet werden, um das Problem zu ermitteln. Die Beispielwerte in der folgenden Tabelle dienen nur zur Veranschaulichung und sind keine vollständige Liste aller möglichen Werte.

Element Beschreibung
code Ein HTTP-Statuscode ohne Textbeschreibung.

Beispielwerte: 400 (Ungültige Anfrage), 403 (Verboten) und 404 (Nicht gefunden).
error Ein Container für die Fehlerinformationen.
errors Ein Container für die Fehlerdetails.
Fehler.domain Der Umfang des Fehlers. Beispielwerte: global und usageLimits.
Fehler.location Das spezifische Element innerhalb von locationType, das den Fehler verursacht hat. Wenn Sie beispielsweise einen ungültigen Wert für einen Parameter angeben, ist location der Name des Parameters.

Beispielwerte: Authorization und project.
Fehler.locationType Der Ort oder Teil der Anfrage, der den Fehler verursacht hat. Verwenden Sie location, um den Fehler genau zu lokalisieren.

Beispielwerte sind header und parameter.
Fehler.message Beschreibung des Fehlers.

Beispielwerte sind Invalid argument, Access Denied und Not Found: Dataset myproject:foo.
Fehler.reason Eine eindeutige Kennung für die Fehlerursache.

Beispielwerte sind invalid, accessDenied und notFound.
message Beschreibung des Fehlers. Identisch mit Fehlern.message.

HTTP-Status- und Fehlercodes

Dieser Abschnitt enthält eine unvollständige Liste der HTTP-Status- und Fehlercodes der BigQuery API. Die 1xx-Informations- und 2xx-Erfolgscodes werden weggelassen. Weitere Informationen finden Sie unter „Response Status Codes“ in RFC 7231 §6, RFC 7232 §4, RFC 7233 §4, RFC 7235 §3 und RFC 6585.

400 – Ungültige Anfrage

Grund HTTP-Statuscode Beschreibung Fehlerbehebung
badRequest 400

Eine DML-Anweisung versucht, Zeilen zu ändern, die kürzlich mit der Legacy-tabledata.insertAll-API gestreamt wurden und sich noch im Streaming-Zwischenspeicher der Tabelle befinden. Der Fehler lautet: UPDATE or DELETE statement over table project.dataset.table would affect rows in the streaming buffer, which is not supported.

Migrieren Sie zur BigQuery Storage Write API (gRPC), warten Sie einige Minuten, bis der Streamingpuffer geleert ist, oder filtern Sie Ihre Anweisung, um kürzlich gestreamte Zeilen auszuschließen. Weitere Informationen finden Sie unter DML-Anweisungen für Tabellen mit einem Streamingpuffer.

invalid 400

Die Anfrage enthält eine ungültige Eingabe, die keine ungültige Abfrage ist, einschließlich der folgenden Fälle:

  • Eine Schemaabweichung (Provided Schema does not match Table table).
  • Eine RECORD-Spalte, -Datei oder -Routine, die das Limit von 15 Verschachtelungsebenen (Schema nested too deeply) überschreitet.
  • Eine Zieltabelle, die während eines Jobs gelöscht wird oder abläuft (Destination deleted/expired during operation).

Achten Sie darauf, dass die bereitgestellten Schemas mit den vorhandenen Spalten und Modi übereinstimmen. Reduzieren Sie Strukturen mit mehr als 15 Verschachtelungsebenen (oder speichern Sie sie als JSON) und legen Sie die Ablaufzeiten der Zieltabelle so fest, dass sie länger als die laufenden Jobs sind. Schritte für die einzelnen Untertypen finden Sie unter Fehlerbehebung bei ungültigen Eingaben und Schemafehlern.

invalidQuery 400

Eine SQL-Abfrage schlägt bei der Validierung oder Ausführung aus einem der folgenden Gründe fehl:

  • Ungültige SQL-Syntax, Kennungen oder Datentypen.
  • Nicht erfüllte Featureoptionen oder erforderliche Partitionsfilter.
  • Die Limits für die Verschachtelung von Ansichten oder die Partitionsausgabe wurden überschritten.
  • Ein Konflikt mit einer gleichzeitigen DML-Transaktion (z. B. Concurrent conflicting update to details).

Prüfen Sie den Speicherort [line:column] auf GoogleSQL-Syntax- oder Typkonflikte, erfüllen Sie die erforderlichen OPTIONS- oder Partitionsfilter oder setzen Sie blockierte Sitzungen zurück und wiederholen Sie in Konflikt stehende DML-Jobs. Weitere Informationen finden Sie unter Fehler bei ungültigen Abfragen und Transaktion aufgrund gleichzeitiger Aktualisierung abgebrochen.

jobBackendError 400

In jobs.query oder jobs.getQueryResults wurde ein Job erstellt, der dann während der Ausführung mit einem backendError fehlgeschlagen ist. Der Fehler gibt Folgendes zurück: The job encountered an error during execution. Retrying the job may solve the problem.

Wiederholen Sie den Job mit einem neuen jobId und verwenden Sie dabei abgeschnittenen exponentiellen Backoff. Achten Sie darauf, dass die Wiederholungslogik des Clients zusätzlich zu 5xx-Codes auch HTTP-400-Antworten verarbeitet. Weitere Informationen finden Sie unter Fehlerbehebung bei jobBackendError- und jobInternalError-Fehlern.

jobInternalError 400

In jobs.query oder jobs.getQueryResults wurde ein Job erstellt, der dann während der Ausführung mit einem internen Fehler fehlgeschlagen ist. Der Fehler gibt Folgendes zurück: The job encountered an internal error during execution and was unable to complete.

Wiederholen Sie den Job mit einem neuen jobId und verwenden Sie dabei einen abgeschnittenen exponentiellen Backoff. Weitere Informationen finden Sie unter Fehlerbehebung bei jobBackendError- und jobInternalError-Fehlern.

preconditionFailed 400

Eine Anfragevoraussetzung ist nicht erfüllt, einschließlich der folgenden Fälle:

  • Eine Nichtübereinstimmung des If-Match-ETags während einer Metadatenaktualisierung.
  • Ein fehlender CMEK-Verschlüsselungsschlüssel, der gemäß Organisationsrichtlinie erforderlich ist.
  • Eine Funktion, die in der Standard-Version nicht unterstützt wird.
  • Ein Schreibvorgang in ein Failover-Dataset außerhalb einer primären Enterprise Plus-Reservierung.
  • Eine Abfrage einer materialisierten Ansicht über eine CDC-Basistabelle mit ausstehenden Upserts.

Rufen Sie die aktuelle Ressource etag ab, bevor Sie es noch einmal versuchen. Geben Sie den erforderlichen Cloud Key Management Service-Schlüssel an, führen Sie die Arbeitslast in einer Enterprise- oder Enterprise Plus-Reservierung aus oder warten Sie einige Minuten, bis ausstehende CDC-Upserts angewendet wurden. Schritte für die einzelnen Untertypen finden Sie unter Anfragebedingung fehlgeschlagen.

resourceInUse 400

Eine Löschanfrage bezieht sich auf eine Ressource, die noch aktiv oder mit Daten gefüllt ist:

  • Ein Dataset, das noch Tabellen, Ansichten oder Routinen enthält.
  • Ein Job, der noch aussteht oder ausgeführt wird.

Der Fehler lautet: resource_type resource_id is still in use.

Leeren Sie das Dataset, bevor Sie es löschen (oder legen Sie deleteContents=true fest, führen Sie bq rm -r -f -d aus oder führen Sie DROP SCHEMA IF EXISTS dataset_name CASCADE aus). Alternativ können Sie warten, bis ein aktiver Job abgeschlossen ist, oder ihn abbrechen, bevor Sie Jobmetadaten löschen. Weitere Informationen finden Sie unter Ressource wird noch verwendet.

resourcesExceeded 400

Ein Job überschreitet die Limits für Ausführungsressourcen in einem der folgenden Bereiche:

  • Tabellenspezifische DML-Gleichzeitigkeitswarteschlangen oder Sitzungsgleichzeitigkeitslimits.
  • Arbeitsspeicherbudgets für Worker, UDF, Shuffle oder ML-Modelle.
  • Tabellenpartition (10.000 Partitionen) oder Limits für Ausgabespalten.
  • CMEK-Anforderungsraten, Streaming-Lesevorgänge oder regionenübergreifende Datenübertragungen des Cloud Key Management Service.
  • Komplexitätslimits für die Abfrageplanung.

Der Fehler lautet: Resources exceeded during query execution: details.

Vereinfachen Sie Abfragen, fassen Sie DML-Vorgänge zusammen, reduzieren Sie gescannte Spalten oder Partitionen, vermeiden Sie gleichzeitige Jobs in derselben Sitzung oder stellen Sie dedizierte Slot-Kapazität für Arbeitslasten mit hohem Shuffle-Aufwand bereit. Schritte für die einzelnen Untertypen finden Sie unter Fehlerbehebung bei Ressourcenüberschreitungen und Abfrage überschreitet Speicherressourcen.

storageUnusable 400

Der interne BigQuery-Speicher, in dem die Daten der Tabelle gespeichert sind, ist aufgrund eines dienstseitigen Speicherproblems vorübergehend nicht verfügbar. Der Fehler lautet: Storage of resource_id is unusable because reason.

Wiederholen Sie den Job mit gekürztem exponentiellem Backoff. Weitere Informationen finden Sie unter Tabellenspeicher ist nicht verwendbar.

streamingDataUnavailable 400

Kürzlich gestreamte Daten im schreiboptimierten Speicher sind für einen Lesevorgang vorübergehend nicht verfügbar. Der Fehler lautet: Job failed because streaming data from table_source is temporarily unavailable. Retrying the job may solve the problem.

Wiederholen Sie den Job mit einem neuen jobId und verwenden Sie dabei abgeschnittenen exponentiellen Backoff. Achten Sie darauf, dass die Wiederholungslogik des Clients HTTP-400-Antworten verarbeitet. Weitere Informationen finden Sie unter Streamingdaten sind vorübergehend nicht verfügbar.

tableUnavailable 400

BigQuery kann keine Tabelle lesen, deren Daten nicht von BigQuery verwaltet werden. Dies gilt auch für die folgenden Fälle:

  • Beim Abrufen eines Apache Iceberg- oder Delta Lake-Tabellenschemas tritt ein Zeitüberschreitungsfehler auf.
  • Eine Hive-partitionierte externe Tabelle hat keine Partitionsschlüssel.
  • Eine von Google verwaltete zugrunde liegende Tabelle ist vorübergehend nicht verfügbar.

Wiederholen Sie das Abrufen des Schemas oder die Zeitüberschreitungen der zugrunde liegenden Tabelle mit dem abgeschnittenen exponentiellen Backoff oder prüfen Sie die key=value-Cloud Storage-URI-Pfade und erstellen Sie die Hive-partitionierten externen Tabellen mit mindestens einem Partitionsschlüssel neu. Weitere Informationen finden Sie unter Externe oder zugrunde liegende Tabelle ist nicht verfügbar.

userOwnedResourceError 400

Eine externe Ressource, die Ihnen gehört, gibt einen Fehler zurück, wenn BigQuery darauf zugreift. Der Fehler lautet: Error when accessing a user-owned external resource_type resource resource_name. The resource provided error: external_error.

Prüfen Sie resource_type und resource_name in der Fehlermeldung, um die externe Ressource zu identifizieren, und beheben Sie den zugrunde liegenden Fehler, der in external_error gemeldet wird. Weitere Informationen finden Sie unter Fehler bei externen Ressourcen im Besitz des Nutzers.

vortexDataUnavailable 400

Daten, die vor Kurzem mit der BigQuery Storage Write API (gRPC) in den schreiboptimierten Speicher gestreamt wurden, sind vorübergehend nicht für eine Abfrage verfügbar. Der Fehler lautet: Job failed because vortex streaming data from table_source is temporarily unavailable. Retrying the job may solve the problem.

Wiederholen Sie den Abfragejob mit einem neuen jobId und verwenden Sie dabei abgeschnittenen exponentiellen Backoff. Achten Sie darauf, dass die Wiederholungslogik des Clients HTTP-400-Antworten verarbeitet. Weitere Informationen finden Sie unter Streamingdaten sind vorübergehend nicht verfügbar.

billingTierLimitExceeded 400

Eine On-Demand-Abfrage überschreitet die maximale CPU-Nutzung pro gescanntem Datenlimit. Der Fehler lautet: Query exceeded resource limits. This query used cpu_seconds_used CPU seconds but would charge only analysis_megabytes_billed M Analysis bytes... cpu_seconds_used CPU seconds were used, and this query must use less than cpu_seconds_limit CPU seconds.

Refaktorieren Sie Ihr SQL, um unbeabsichtigte kartesische Produkte, ungenaue Joins, nicht partitionierte Fensterfunktionen oder umfangreiche JavaScript-UDFs zu entfernen, oder wechseln Sie zu kapazitätsbasierten Preisen (Slots). Weitere Informationen finden Sie unter Abfrage überschreitet CPU-Ressourcen und SQL-Anti-Muster vermeiden.

bytesBilledLimitExceeded 400

Die vor der Ausführung geschätzte Obergrenze für die Byteanzahl einer Abfrage überschreitet maximumBytesBilled, bevor die Ausführung beginnt. Der Fehler lautet: Query exceeded limit for bytes billed: limit_bytes. required_bytes or higher required.

Sehen Sie sich die geschätzten Byte mit einem Probelauf an, wählen Sie nur die erforderlichen Spalten aus und filtern Sie nach partitionierten Spalten, um die Datenverarbeitung zu reduzieren, oder erhöhen Sie maximumBytesBilled auf mindestens required_bytes. Weitere Informationen finden Sie unter Abfrage überschreitet das Limit für die maximalen abgerechneten Byte.

jobRateLimitExceeded 400

In jobs.query oder jobs.getQueryResults schlägt ein Job aus einem der folgenden Gründe fehl:

  • Der Job überschreitet während der Ausführung ein Ratenlimit (Job exceeded rate limits: Your scope exceeded quota for quota_metric...).
  • Die Abfrage wird nicht zugelassen, weil die Nebenläufigkeit der Abfragewarteschlange oder das Slot-Limit für kontinuierliche Abfragen erreicht ist (z. B. Query was not admitted as the maximum concurrency has been reached...).

Reduzieren Sie die Anzahl der gleichzeitigen Übermittlungen (oder verwenden Sie die Batchpriorität oder das Slot-Autoscaling für kontinuierliche Abfragen) und wiederholen Sie den Job mit einer neuen jobId mithilfe des abgeschnittenen exponentiellen Backoffs. Weitere Informationen finden Sie unter Job hat die Ratenbegrenzung überschritten und Abfragezulassung verweigert.

timeout 400

Ein Vorgang überschreitet das Ausführungszeitlimit, einschließlich der folgenden Fälle:

  • Eine Abfrage oder ein Probelauf überschreitet das Ausführungslimit von 6 Stunden.
  • Ein untergeordneter Job in einer Abfrage mit mehreren Anweisungen hat eine Zeitüberschreitung.
  • Zeitüberschreitung bei der automatischen Schemaerkennung für externe Tabellen.

Filtern Sie nach partitionierten oder geclusterten Spalten und teilen Sie komplexe Abfragen oder Abfragen mit mehreren Anweisungen in kleinere Phasen auf. Alternativ können Sie beim Erstellen externer Tabellen ein explizites Schema und engere Quell-URIs angeben. Weitere Informationen finden Sie unter Abfrage überschreitet das Ausführungszeitlimit und Fehlerbehebung bei Kontingent- und Limitfehlern.

invalidUser 400

Eine geplante Abfrage wurde mit ungültigen Nutzeranmeldedaten konfiguriert.

Aktualisieren Sie die Nutzeranmeldedaten für die geplante Abfrage. Weitere Informationen finden Sie unter Abfragen planen.

required 400

Vor der Ausführung fehlt eine erforderliche Eingabe:

  • Ein Pflichtfeld in einer API-Anfragenutzlast oder URL wurde nicht angegeben.
  • Ein erforderliches Konfigurationsobjekt in einer Clientbibliothek ist leer oder nicht zugewiesen.

Der Fehler lautet: Required parameter is missing: parameter_name.

Prüfen Sie die erforderlichen Anfrage- und Suchparameter in der BigQuery API-Referenz oder in der Dokumentation der Clientbibliothek und prüfen Sie das Konfigurationsobjekt, bevor Sie die API aufrufen. Weitere Informationen finden Sie unter Erforderlicher Parameter fehlt.

401 — Unauthorized

Im Folgenden finden Sie ein Beispiel für eine Fehlerantwort, die Sie erhalten, wenn Ihre Anfrage keine gültigen Authentifizierungsdaten enthält.

401 Unauthorized

{
  "error": {
    "errors": [
      {
        "domain": "global",
        "reason": "unauthenticated",
        "message": "Request had invalid authentication credentials. Expected OAuth 2 access token, login cookie or other valid authentication credential."
      }
    ],
    "code": 401,
    "message": "Request had invalid authentication credentials. Expected OAuth 2 access token, login cookie or other valid authentication credential.",
    "status": "UNAUTHENTICATED"
  }
}
Grund HTTP-Statuscode Beschreibung Fehlerbehebung
unauthenticated 401

Die Authentifizierung für die Anfrage schlägt aus einem der folgenden Gründe fehl:

  • Die Anfrage enthält keine gültigen Authentifizierungsdaten oder verwendet ein abgelaufenes OAuth 2.0-Zugriffstoken.
  • Anmeldedaten des Endnutzers oder Berechtigungen für die Identitätsübernahme des Dienstkontos fehlen.
  • Das Nutzerkonto des Aufrufers ist eingeschränkt oder gelöscht.

Aktualisieren Sie Ihre OAuth- oder Standardanmeldedaten für Anwendungen, gewähren Sie roles/iam.serviceAccountUser oder roles/iam.serviceAccountTokenCreator, wenn Sie ein Dienstkonto verwenden oder dessen Identität übernehmen, oder wenden Sie sich an Ihren Administrator, um ein eingeschränktes Konto wiederherzustellen. Weitere Informationen finden Sie unter Fehlerbehebung bei nicht authentifizierten Fehlern.

403 – Forbidden

Dies ist ein Beispiel für eine Fehlerantwort, die Sie erhalten, wenn Sie keine Berechtigung für den Zugriff auf die angeforderte Ressource haben.

403 Forbidden

{
  "error": {
    "errors": [
      {
        "domain": "global",
        "reason": "accessDenied",
        "message": "Access Denied: Dataset myproject:mydataset: User does not have bigquery.datasets.get permission in project myproject."
      }
    ],
    "code": 403,
    "message": "Access Denied: Dataset myproject:mydataset: User does not have bigquery.datasets.get permission in project myproject."
  }
}
Grund HTTP-Statuscode Beschreibung Fehlerbehebung
responseTooLarge 403

Eine Abfrage- oder Tabellenleseantwort überschreitet die Größenbeschränkungen auf eine der folgenden Arten:

Der Fehler lautet: Response too large to return. details.

Geben Sie eine Zieltabelle an (und setzen Sie configuration.query.allowLargeResults für Legacy-SQL auf true), entfernen Sie ORDER BY oder fügen Sie LIMIT hinzu, oder lesen Sie große Zeilen mit der BigQuery Storage Read API oder EXPORT DATA. Weitere Informationen finden Sie unter Abfrageantwort ist zu groß und Größenlimit für einzeilige Antwort überschritten.

apiLimitExceeded 403

Eine Anfrage überschreitet eines der folgenden API- oder Metadatenlimits:

  • Limits für API-Anfrageraten pro Minute.
  • Kontingente für die Auswertung von Tabellen- oder Richtlinienmetadaten.
  • Limits für die Erstellung von regionenübergreifenden Dataset-Replikaten (Cannot add more than limit replicas for a region within window day(s)).

Der Fehler lautet: API limit exceeded: details.

Wiederholen Sie fehlgeschlagene Anfragen mit gekürztem exponentiellem Backoff, Batch-Ladevorgängen und -Lesevorgängen, vereinfachen Sie granulare IAM- oder Zeilenebenen-Sicherheitsrichtlinien pro Tabelle und warten Sie auf das rollierende Zeitfenster, bevor Sie Dataset-Replikate hinzufügen. Weitere Informationen finden Sie unter Fehler bei der API-Rate und dem Limit für die Metadatenbewertung und Fehler bei der Erstellung von regionenübergreifenden Dataset-Replikaten.

quotaExceeded 403

Ihr Projekt überschreitet eines der folgenden Nutzungskontingente:

Der Fehler lautet: Quota exceeded: Your scope exceeded quota for quota_metric. For more information, see https://cloud.google.com/bigquery/docs/troubleshoot-quotas.

Prüfen Sie den Fehler message, um das überschrittene Kontingent zu ermitteln, optimieren Sie Abfragen mit hohem Scanaufwand oder führen Sie ein Upgrade von der Sandbox durch oder passen Sie benutzerdefinierte Kontingente auf der Seite Kontingente an. Weitere Informationen finden Sie unter Benutzerdefinierte Fehler bei täglichen Abfragekontingenten.

rateLimitExceeded 403

Eine Anfrage wird aufgrund eines der folgenden Raten- oder Nebenläufigkeitslimits abgelehnt:

  • Kurzfristige API- oder Abfragejob-Ratenbegrenzungen (Exceeded rate limits: too many quota_metric for this scope...).
  • Nebenläufigkeit von Abfragewarteschlangen oder Slotlimits für kontinuierliche Abfragereservierungen (z. B. Query was not admitted as the maximum concurrency has been reached...).

Verringern Sie die Anforderungsrate und versuchen Sie es mit abgeschnittenem exponentiellem Backoff noch einmal. Sie können auch nicht dringende Abfragen mit Batchpriorität ausführen und die Nebenläufigkeit der Reservierung oder das Slot-Autoscaling anpassen. Weitere Informationen finden Sie unter Kontingent- und Limitfehler beheben und Abfragezulassung verweigert.

accessDenied 403

Der Zugriff auf eine BigQuery-Ressource wird aus einem der folgenden Gründe verweigert:

  • Dem Hauptkonto fehlen die erforderlichen IAM-Berechtigungen für das Zielprojekt, das Ziel-Dataset oder die Zieltabelle.
  • Eine autorisierte Ansicht, eine Zugriffsrichtlinie auf Zeilenebene oder ein Richtlinien-Tag auf Spaltenebene schränkt den Zugriff ein.
  • CMEK-Berechtigungen für Cloud Key Management Service oder Berechtigungen für externe Datenquellen fehlen.

Der Fehler lautet: Access Denied: resource_type resource_id: details.

Prüfen Sie Cloud-Audit-Logs (protoPayload.authorizationInfo) und Policy Analyzer, um die fehlende Berechtigung zu ermitteln, und weisen Sie die vordefinierte BigQuery-Rolle mit den geringsten Berechtigungen zu. Weitere Informationen finden Sie unter Fehlerbehebung bei häufigen Szenarien mit verweigertem Zugriff.

policyViolation 403

Ein Sicherheitsperimeter oder eine Organisationsrichtlinie blockiert die Anfrage:

  • Ein VPC Service Controls-Perimeter schränkt den Zugriff ein (einschließlich Google Drive-Exporte oder externe Tabellen in VPC-SC-Projekten).
  • Eine Einschränkung der Organisationsrichtlinie wie constraints/gcp.resourceLocations lässt den Vorgang nicht zu.

Filtern Sie den Log-Explorer nach vpcServiceControlsUniqueIdentifier und prüfen Sie den Verstoß-Analyzer, exportieren oder laden Sie Daten mit einem Cloud Storage-Bucket innerhalb des Perimeters oder wählen Sie eine Region aus, die gemäß den Einschränkungen Ihrer Organisationsrichtlinie zulässig ist. Weitere Informationen finden Sie unter Fehler bei Richtlinienverstößen beheben.

billingNotEnabled 403

Für das Projekt ist keine aktive Abrechnung für den angeforderten Vorgang vorhanden:

  • Die Abrechnung ist für das Projekt nicht aktiviert.
  • Das Projekt wird in der BigQuery-Sandbox ausgeführt, in der Tabellen, Ansichten und Partitionen nach 60 Tagen (expiration time must be less than 60 days) ablaufen.

Der Fehler lautet: Billing has not been enabled for this project. Enable billing at https://console.cloud.google.com/billing. details.

Aktivieren Sie die Abrechnung für das Projekt in der Google Cloud -Konsole, um ein Upgrade von der BigQuery-Sandbox durchzuführen. Aktualisieren Sie dann die Standardablaufzeiten für Ihre Tabellen, Ansichten und Partitionen. Weitere Informationen finden Sie unter Abrechnung ist für das Projekt nicht aktiviert.

blocked 403

BigQuery hat den versuchten Vorgang vorübergehend einer Ablehnungsliste hinzugefügt, um einen Dienstausfall zu verhindern. Der Fehler lautet: Request was blocked to protect the system's operation. Please contact support at https://cloud.google.com/support.

Wenden Sie sich an Cloud Customer Care und geben Sie den genauen Zeitstempel, die Projekt-ID und die BigQuery-Job-ID an, um die administrative Regel zur Aussetzung von Maßnahmen zu untersuchen. Weitere Informationen finden Sie unter Anfrage wurde zum Schutz des Systembetriebs blockiert.

termsOfServiceNotAccepted 403

Die BigQuery-Nutzungsbedingungen wurden für das Projekt nicht akzeptiert. Der Fehler gibt Folgendes zurück: BigQuery Terms of Service have not been accepted.

Melden Sie sich in der Google Cloud -Konsole an, wählen Sie Ihr Land aus und aktivieren Sie das Kästchen für die Nutzungsbedingungen auf der Willkommen-Seite, wenn Sie dazu aufgefordert werden. Klicken Sie dann auf Zustimmen und fortfahren. Weitere Informationen finden Sie unter BigQuery-Nutzungsbedingungen nicht akzeptiert.

404 – Nicht gefunden

Im Folgenden finden Sie ein Beispiel für eine Fehlerantwort, die Sie erhalten, wenn Sie versuchen, ein Dataset oder eine Ressource abzurufen, die nicht vorhanden ist.

404 Not Found

{
  "error": {
    "errors": [
      {
        "domain": "global",
        "reason": "notFound",
        "message": "Not Found: Dataset myproject:foo"
      }
    ],
    "code": 404,
    "message": "Not Found: Dataset myproject:foo"
  }
}
Grund HTTP-Statuscode Beschreibung Fehlerbehebung
notFound 404

Eine angeforderte Ressource kann aus einem der folgenden Gründe nicht gefunden werden:

  • Das Ziel-Dataset, die Zieltabelle oder der Zieljob ist nicht vorhanden oder abgelaufen.
  • Es ist kein externer Cloud Storage- oder Google Drive-Datei-URI vorhanden.
  • Der Standort der Anfrage stimmt nicht mit dem Standort des Datasets oder Jobs überein.

Der Fehler lautet: Not found: resource_type resource_id.

Prüfen Sie die genaue Projekt-, Dataset- und Tabellen-ID sowie den Standort (Groß-/Kleinschreibung beachten), stellen Sie gelöschte Tabellen innerhalb des Zeitreisefensters wieder her, führen Sie Abfragen, deren im Cache gespeicherte Ergebnistabellen abgelaufen sind, noch einmal aus oder prüfen Sie, ob externe Cloud Storage- oder Google Drive-Dateien vorhanden sind. Weitere Informationen finden Sie unter Tabelle nicht gefunden, Standort nicht gefunden und Job nicht gefunden.

409 — Conflict

Das folgende Beispiel zeigt eine Fehlerantwort, die Sie erhalten, wenn Sie versuchen, eine bereits vorhandene Ressource zu erstellen.

409 Conflict

{
  "error": {
    "errors": [
      {
        "domain": "global",
        "reason": "duplicate",
        "message": "Already Exists: Dataset myproject:mydataset"
      }
    ],
    "code": 409,
    "message": "Already Exists: Dataset myproject:mydataset"
  }
}
Grund HTTP-Statuscode Beschreibung Fehlerbehebung
abortd 409

Ein Vorgang wird aufgrund einer gleichzeitigen Änderung oder eines Konflikts beendet (zurückgegeben mit dem Grund abortd).

Wiederholen Sie den Vorgang, nachdem der in Konflikt stehende Vorgang abgeschlossen ist, und verwenden Sie dabei den abgeschnittenen exponentiellen Backoff. Alternativ können Sie beendete Transaktionen mit mehreren Anweisungen vor dem Wiederholen zurücksetzen. Weitere Informationen finden Sie unter Vorgang wurde abgebrochen.

duplicate 409

Eine Anfrage steht in einem der folgenden Fälle in Konflikt mit einer vorhandenen Ressource:

  • Erstellen einer bereits vorhandenen Dataset-, Tabellen- oder Jobressource.
  • Ausführen eines Jobs, bei dem writeDisposition auf WRITE_EMPTY gesetzt ist, wenn die Zieltabelle bereits vorhanden ist.

Der Fehler lautet: Already Exists: resource_type resource_id.

Verwenden Sie einen anderen Ressourcennamen, verwenden Sie IF NOT EXISTS oder CREATE OR REPLACE in DDL-Anweisungen, ändern Sie writeDisposition in WRITE_APPEND oder WRITE_TRUNCATE oder lassen Sie BigQuery einen zufälligen jobId generieren. Schritte für die einzelnen Untertypen finden Sie unter Ressource ist bereits vorhanden.

499 – Client closed request

Grund HTTP-Statuscode Beschreibung Fehlerbehebung
stopped 499

Ein Job wird vor dem Abschluss aus einem der folgenden Gründe beendet (beim Abfragen von jobs.get wird HTTP 200 mit reason: stopped zurückgegeben):

  • Ein Aufrufer bricht den Job explizit ab (User requested cancellation).
  • Der Job überschreitet ein konfiguriertes Ausführungs- oder Warteschlangen-Zeitlimit (Job timed out after duration oder Job timed out in the queue after duration).

Der Fehler lautet: Job execution was cancelled: details.

Erhöhen Sie die Zeitlimitoptionen für die configuration.jobTimeoutMs- oder Projektwarteschlange (oder optimieren Sie die Abfragelaufzeit und Nebenläufigkeit) oder prüfen Sie die Cloud-Audit-Logs auf jobservice.cancel-Aufrufe. Schritte für die einzelnen Untertypen finden Sie unter Jobausführung wurde abgebrochen.

500 – Interner Serverfehler

Grund HTTP-Statuscode Beschreibung Fehlerbehebung
internalError 500

In BigQuery ist ein interner Fehler aufgetreten. Der Fehler lautet: An internal error occurred and the request could not be completed.

Warten Sie gemäß den Backoff-Anforderungen im BigQuery Service Level Agreement und versuchen Sie es noch einmal mit abgeschnittenem exponentiellem Backoff oder verwenden Sie Reservierungen, um die Häufigkeit vorübergehender Fehler zu reduzieren. Weitere Informationen finden Sie unter Fehler vom Typ „internalError“ beheben.

501 — Nicht implementiert

Grund HTTP-Statuscode Beschreibung Fehlerbehebung
notImplemented 501

In einer Anfrage wird versucht, ein nicht implementiertes Feature oder einen nicht implementierten Vorgang für die Zielressource zu verwenden, z. B.:

  • Kopieren einer Tabelle mit einem nicht verwalteten Speichertyp.
  • Sie führen eine nicht unterstützte ALTER SEARCH INDEX-Option aus.

Der Fehler lautet: Not Implemented: details.

Materialisieren Sie nicht unterstützte Quellen für Tabellenkopien mit CREATE TABLE destination_table AS SELECT * FROM source_table oder löschen Sie Suchindexe mit DROP SEARCH INDEX und CREATE SEARCH INDEX und erstellen Sie sie neu. Schritte für die einzelnen Untertypen finden Sie unter Feature oder Vorgang ist nicht implementiert.

503 – Dienst nicht verfügbar

Grund HTTP-Statuscode Beschreibung Fehlerbehebung
backendError 503

Der Dienst ist aus einem der folgenden Gründe vorübergehend nicht verfügbar:

  • Ein Anstieg der Dienstnachfrage (Lastabwurf) oder eine interne Ressourcenerschöpfung.
  • Zeitweise Probleme mit der Netzwerkverbindung.
  • Ein vorübergehendes Problem mit einer Backend-Komponente.

Der Fehler lautet: Error encountered during execution. Retrying may solve the problem.

Wiederholen Sie Anfragen mit abgeschnittenem exponentiellem Backoff und wiederholen Sie fehlgeschlagene Jobs mit einem neuen jobId. Wenn die Fehler auch nach mehreren Versuchen weiterhin auftreten, vergleichen Sie Ihre 30-Tage-Fehlerrate mit dem BigQuery-SLA und wenden Sie sich an Cloud Customer Care. Weitere Informationen finden Sie unter backendError-Fehler beheben.