python - 从bigquery卸载表到Google云存储的速度非常慢

Question

我正在运行一个 python 脚本，该脚本将名为 newdataset.newtable2 的表从 Bigquery 卸载到我的应用程序的 Google 存储桶。

这是我的代码:

scope = ["https://www.googleapis.com/auth/bigquery"]
project_id='txxxxxxx9'
dataset_id = 'newdataset'
table_id = 'newtable2'

with open('/home/xxxxxxx/Dropbox/access_keys/google_storage/xxxxxxxx.json') as auth_file:
    key = json.load(auth_file)

client_email = key['client_email']
pv_key = key['private_key']
credentials = SignedJwtAssertionCredentials(client_email, pv_key, scope=scope)

bigquery_service = build('bigquery', 'v2', credentials=credentials)

job_data = {
    'jobReference': {
            'projectId': project_id,
            'jobId': str(uuid.uuid4())
        },
    'configuration': {
        'extract': {
            'sourceTable': {
                'projectId': project_id,
                'datasetId': dataset_id,
                'tableId': table_id,
                },
            'destinationUris': ['gs://xxxxxxx/test.csv'],
            'destinationFormat': 'CSV'
            }
        }
    }

query_job =  bigquery_service.jobs().insert(projectId=project_id, body=job_data).execute()

我对请求的缓慢感到惊讶。我的表是 300Mb，请求持续 5 分钟。请注意，此请求不会出现在我的 BigQuery UI 的作业部分中，但 5 分钟后，可以在我的存储桶中找到 .csv，并且看起来不错。

在 Redshift 和 S3 中，此类请求将不再持续 5 秒。我的问题:我做的事情正确吗？或者我错过了什么？

如果我的代码很好，有人可以告诉我为什么这个基本任务需要这么多时间吗？

注意:我现在使用免费帐户(未升级)

Answer 1

您制定请求的方式是在单个工作程序中写入单个 300 MB CSV 文件。这将相当缓慢。 (5分钟仍然比我预期的要长，但在合理范围内)

如果您在目标 URI 中使用 glob 模式(例如 gs://xxxxxxx/test*.csv)，则速度应该会快得多，因为它可以并行完成。