Tabelle abfragen

Beim Abfragen einer Tabelle werden Daten aus den zugrunde liegenden Cloud Storage-Dateien mit den Metadaten gelesen, die vom Lakehouse-Laufzeitkatalog verwaltet werden.

Sie können Abfragen über Open-Source-Engines wie Spark und Trino oder direkt über BigQuery mit einer vierteiligen Tabellennamensyntax (P.C.N.T-Syntax) ausführen.

Hinweis

  1. Prüfen Sie, ob die Abrechnung für Ihr Google Cloud Projekt aktiviert ist.

  2. Aktivieren Sie die BigLake API.

    Rollen, die zum Aktivieren von APIs erforderlich sind

    Zum Aktivieren von APIs benötigen Sie die IAM-Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin), die die Berechtigung serviceusage.services.enable enthält. Weitere Informationen zum Zuweisen von Rollen

    API aktivieren

  3. Lakehouse-Laufzeitkatalog mit dem Apache Iceberg-REST-Katalogendpunkt einrichten

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für Ihr Projekt und Ihren Speicher-Bucket zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Abfragen einer Tabelle benötigen:

  • Tabellendaten im Credential Vending Mode lesen: BigLake Viewer (roles/biglake.viewer) – das Projekt
  • Tabellendaten im Modus ohne Bereitstellung von Anmeldedaten lesen:
    • BigLake Viewer (roles/biglake.viewer): das Projekt
    • Storage-Objekt-Betrachter (roles/storage.objectViewer) – der Cloud Storage-Bucket

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

Tabellenfunktionen und ‑unterstützung

Wenn Sie Tabellen im Lakehouse-Laufzeitkatalog verwenden, ist es hilfreich, die verschiedenen Tabellentypen und ihre Opt-in-Funktionen zu kennen. Weitere Informationen zur Verwendung von Apache Iceberg-Tabellen finden Sie unter Übersicht über Apache Iceberg-Tabellen.

Unterstützte Iceberg-Tabellen

Es werden nur Apache Iceberg-Tabellen der Version 2 (GA) und Version 3 (Vorschau) unterstützt. Iceberg V1-Tabellen werden nicht unterstützt. Informationen zum Aktualisieren vorhandener V1-Tabellen finden Sie unter Iceberg-V1-Tabellen auf V2 aktualisieren.

Tabellenoptionen verwenden (Vorabversion)

Sie können die verwalteten BigQuery-Funktionen wie die BigQuery-Datenbearbeitungssprache (DML) und die automatische Tabellenverwaltung aktivieren, indem Sie bestimmte Tabelleneigenschaften konfigurieren. Diese Funktionen werden je nach Erstellungsort der Tabelle unterschiedlich aktiviert:

  • Aus BigQuery:BigQuery-DML und die automatische Tabellenverwaltung sind standardmäßig aktiviert.
  • Von Open-Source-Engines:Wenn Sie diese Funktion nutzen möchten, müssen Sie Tabelleneigenschaften explizit konfigurieren. Weitere Informationen finden Sie unter Tabellenoptionen konfigurieren.

Wenn Sie Tabellen aus BigQuery abfragen, können Sie auf Standard-Iceberg-Tabellen sowie auf Tabellen zugreifen, die für von BigQuery verwaltete Funktionen aktiviert sind. Eine ausführliche Anleitung finden Sie unter Tabellenoptionen konfigurieren.

Tabelle abfragen

Alle Daten aus der Tabelle auswählen:

Spark 

spark.sql("SELECT * FROM TABLE_NAME;").show()

Trino 

SELECT * FROM TABLE_NAME;

BigQuery

Wenn Sie Apache Iceberg-Tabellen im Lakehouse-Laufzeitkatalog aus BigQuery abfragen möchten, verwenden Sie den vierteiligen Tabellennamen in Ihrer Abfrage im folgenden Format: PROJECT_NAME.CATALOG_ID.NAMESPACE_OR_SCHEMA_NAME.TABLE_NAME.

SELECT * FROM `PROJECT_NAME.CATALOG_ID.NAMESPACE_OR_SCHEMA_NAME.TABLE_NAME`;

Ersetzen Sie die folgenden Werte:

  • PROJECT_NAME: DasGoogle Cloud Projekt, zu dem der Katalog im Lakehouse-Laufzeitkatalog gehört. Die Abfrage wird über das ausgewählte Google Cloud Projekt in der Google Cloud Console abgerechnet.

  • CATALOG_ID: die ID des Lakehouse-Laufzeitkatalogs, der beim Erstellen des Katalogs angegeben wurde. Diese Kennung wird als Katalognamen in BigQuery-Abfragen verwendet.

    Diese Kennung ist auch der Name Ihres Cloud Storage-Bucket.

    Wenn Sie beispielsweise einen Bucket zum Speichern Ihres Katalogs erstellt und ihn iceberg-bucket genannt haben, lauten sowohl der Katalogname als auch der Bucket-Name iceberg-bucket. Diese wird später verwendet, wenn Sie Ihren Katalog in BigQuery mit der P.C.N.T.-Syntax abfragen. Beispiel: my-project.catalog_id.quickstart_namespace.quickstart_table.

  • NAMESPACE_OR_SCHEMA_NAME: Der Tabellen-Namespace, wenn Sie Spark verwenden, oder der Name des Tabellenschemas, wenn Sie Trino verwenden.

  • TABLE_NAME: der Name Ihrer Tabelle.

Abfrage mit der Zeitreisefunktion

Sie können Verlaufsdaten aus Ihren Lakehouse Iceberg-Tabellen mithilfe von Time Travel abfragen. Sie können in BigQuery mit der FOR SYSTEM_TIME AS OF-Klausel oder in Open-Source-Engines wie Spark mit Snapshot-IDs, Zeitstempeln, Tags oder Branches auf einen früheren Zeitpunkt zurückgreifen.

Nach Zeitstempel suchen

So fragen Sie Daten ab einem bestimmten Zeitstempel ab:

Spark 

SELECT * FROM NAMESPACE.TABLE_NAME TIMESTAMP AS OF '2026-02-26 01:21:00';

BigQuery 

SELECT * FROM `PROJECT_ID.CATALOG_ID.NAMESPACE.TABLE_NAME` FOR SYSTEM_TIME AS OF '2026-02-26 01:21:00';

Nach Snapshot-ID suchen

So fragen Sie Daten anhand einer bestimmten Snapshot-ID ab:

Spark 

SELECT * FROM NAMESPACE.TABLE_NAME VERSION AS OF 10963874102873;

Abfrage nach Tag

So erstellen Sie ein Tag und fragen Daten ab diesem Tag ab:

Spark 

-- Create tag 'historical-snapshot'
ALTER TABLE NAMESPACE.TABLE_NAME CREATE TAG 'historical-snapshot' AS OF VERSION 123456789012345;

-- Query by tag
SELECT * FROM NAMESPACE.TABLE_NAME VERSION AS OF 'historical-snapshot';

Nach Zweig abfragen

So erstellen Sie einen Branch und fragen Daten ab diesem Branch ab:

Spark 

-- Create branch 'audit-branch'
ALTER TABLE NAMESPACE.TABLE_NAME CREATE BRANCH 'audit-branch' AS OF VERSION 123456789012345;

-- Query by branch
SELECT * FROM NAMESPACE.TABLE_NAME VERSION AS OF 'audit-branch';

Nächste Schritte