Consultar una tabla

El catálogo de entorno de ejecución de Lakehouse te permite analizar tablas de Apache Iceberg almacenadas en Cloud Storage sin mover ni duplicar datos. Puedes ejecutar consultas en SQL desde motores de código abierto, como Apache Spark y Trino, o directamente desde BigQuery con un nombre de tabla P.C.N.T (Project.Catalog.Namespace.Table) de cuatro partes.

Antes de comenzar

  1. Verifica que la facturación esté habilitada para tu proyecto de Google Cloud .

  2. Habilita la API de BigLake si aún no está habilitada.

    Roles necesarios para habilitar las APIs

    Para habilitar las APIs, necesitas el permiso serviceusage.services.enable. Si creaste el proyecto, es probable que ya tengas este permiso a través del rol de propietario (roles/owner). De lo contrario, puedes obtenerlo a través del rol de administrador de Service Usage (roles/serviceusage.serviceUsageAdmin). Obtén más información para otorgar roles.

    Habilitar la API

  3. Configura el catálogo de tiempo de ejecución de Lakehouse con el extremo del catálogo de REST de Apache Iceberg.

Roles obligatorios

Para obtener los permisos que necesitas para consultar una tabla, pídele a tu administrador que te otorgue los siguientes roles de IAM en tu proyecto y bucket de almacenamiento:

  • Lee los datos de la tabla en el modo de venta de credenciales: Visualizador de BigLake (roles/biglake.viewer): el proyecto
  • Lee datos de tablas en el modo de venta sin credenciales:
    • Visualizador de BigLake (roles/biglake.viewer): el proyecto
    • Visualizador de objetos de Storage (roles/storage.objectViewer): el bucket de Cloud Storage

Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso a proyectos, carpetas y organizaciones.

También puedes obtener los permisos necesarios a través de roles personalizados o cualquier otro rol predefinido.

Funciones y compatibilidad de las tablas

Cuando usas tablas en el catálogo de tiempo de ejecución de Lakehouse, es útil comprender los diferentes tipos de tablas y sus capacidades de habilitación. Para obtener más información sobre el uso de tablas de Apache Iceberg, consulta Descripción general de las tablas de Apache Iceberg.

Tablas de Iceberg compatibles

Solo se admiten las tablas de Apache Iceberg V2 (DG) y V3 (versión preliminar). Las tablas de Iceberg V1 no son compatibles. Para actualizar las tablas V1 existentes, consulta Actualiza las tablas de Iceberg V1 a V2.

Usa opciones de tablas (versión preliminar)

Puedes habilitar el uso de las funciones administradas de BigQuery, como el lenguaje de manipulación de datos (DML) de BigQuery y la administración automática de tablas, configurando propiedades específicas de las tablas. Estas funciones se habilitan de diferentes maneras según dónde se cree la tabla:

  • Desde BigQuery: El DML de BigQuery y la administración automática de tablas están habilitados de forma predeterminada.
  • Desde motores de código abierto: Para habilitar esta opción, debes configurar de forma explícita las propiedades de la tabla. Consulta Configura las opciones de la tabla para obtener más información.

Cuando consultas tablas de BigQuery, puedes acceder a tablas de Iceberg estándar y a tablas habilitadas para las funciones administradas de BigQuery. Consulta Configura las opciones de la tabla para obtener instrucciones detalladas.

Consultar una tabla

Selecciona todos los datos de la tabla:

Spark 

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

Trino 

SELECT * FROM TABLE_NAME;

BigQuery

Para consultar tablas de Apache Iceberg en el catálogo de tiempo de ejecución de Lakehouse desde BigQuery, usa el nombre de la tabla de cuatro partes en tu consulta con el siguiente formato: PROJECT_NAME.CATALOG_ID.NAMESPACE_OR_SCHEMA_NAME.TABLE_NAME.

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

Reemplaza los siguientes valores:

  • PROJECT_NAME: Es el Google Cloud proyecto propietario del catálogo en el catálogo de tiempo de ejecución de Lakehouse. Se cobra al proyecto deGoogle Cloud seleccionado en la consola de Google Cloud por la consulta.

  • CATALOG_ID: Es el ID del catálogo de tiempo de ejecución de Lakehouse que se especificó cuando se creó el catálogo. Este identificador se usa como el nombre del catálogo en las consultas de BigQuery.

    Este identificador también es el nombre de tu bucket de Cloud Storage.

    Por ejemplo, si creaste el bucket para almacenar tu catálogo y lo llamaste iceberg-bucket, el nombre del catálogo y el del bucket son iceberg-bucket. Esto se usa más adelante cuando consultas tu catálogo en BigQuery con la sintaxis P.C.N.T. Por ejemplo, my-project.catalog_id.quickstart_namespace.quickstart_table.

  • NAMESPACE_OR_SCHEMA_NAME: Es el espacio de nombres de la tabla si usas Spark o el nombre del esquema de la tabla si usas Trino.

  • TABLE_NAME: el nombre de tu tabla.

Realiza consultas con la función de viaje en el tiempo

Puedes consultar datos históricos de tus tablas de Apache Iceberg administradas con el viaje en el tiempo. Puedes viajar en el tiempo desde BigQuery con la cláusula FOR SYSTEM_TIME AS OF o desde motores de código abierto, como Spark, con IDs de instantáneas, marcas de tiempo, etiquetas o ramas.

Consulta por marca de tiempo

Para consultar datos a partir de una marca de tiempo específica, haz lo siguiente:

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';

Consulta por ID de instantánea

Para consultar datos a partir de un ID de instantánea específico, haz lo siguiente:

Spark 

SELECT * FROM NAMESPACE.TABLE_NAME VERSION AS OF 10963874102873;

Consulta por etiqueta

Para crear una etiqueta y consultar datos a partir de ella, sigue estos pasos:

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';

Consulta por rama

Para crear una rama y consultar datos a partir de ella, haz lo siguiente:

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';

¿Qué sigue?