Questa pagina è stata tradotta dall'API Cloud Translation.

Cerca dati indicizzati

Questa pagina fornisce esempi di ricerche in BigQuery. Quando indicizzi i tuoi dati, BigQuery può ottimizzare alcune query che utilizzano la funzione SEARCH o altri funzioni e operatori, come =, IN, LIKE e STARTS_WITH.

Le query SQL restituiscono risultati corretti da tutti i dati importati, anche se alcuni dati non sono ancora stati indicizzati. Tuttavia, le prestazioni delle query possono essere notevolmente migliorate con un indice. Il risparmio in byte elaborati e millisecondi di slot è massimizzato quando il numero di risultati di ricerca rappresenta una frazione relativamente piccola delle righe totali della tabella perché vengono analizzati meno dati. Per determinare se un indice è stato utilizzato per una query, consulta Utilizzo dell'indice di ricerca.

Crea un indice di ricerca

La seguente tabella denominata Logs viene utilizzata per mostrare diversi modi di utilizzare la funzione SEARCH. Questa tabella di esempio è piuttosto piccola, ma in pratica i miglioramenti in termini di rendimento che ottieni con SEARCH migliorano con le dimensioni della tabella.

CREATE TABLE my_dataset.Logs (Level STRING, Source STRING, Message STRING)
AS (
  SELECT 'INFO' as Level, '65.177.8.234' as Source, 'Entry Foo-Bar created' as Message
  UNION ALL
  SELECT 'WARNING', '132.249.240.10', 'Entry Foo-Bar already exists, created by 65.177.8.234'
  UNION ALL
  SELECT 'INFO', '94.60.64.181', 'Entry Foo-Bar deleted'
  UNION ALL
  SELECT 'SEVERE', '4.113.82.10', 'Entry Foo-Bar does not exist, deleted by 94.60.64.181'
  UNION ALL
  SELECT 'INFO', '181.94.60.64', 'Entry Foo-Baz created'
);

La tabella è simile alla seguente:

+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 65.177.8.234   | Entry Foo-Bar created                                 |
| WARNING | 132.249.240.10 | Entry Foo-Bar already exists, created by 65.177.8.234 |
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
| INFO    | 181.94.60.64   | Entry Foo-Baz created                                 |
+---------+----------------+-------------------------------------------------------+

Crea un indice di ricerca nella tabella Logs utilizzando lo strumento di analisi del testo predefinito:

CREATE SEARCH INDEX my_index ON my_dataset.Logs(ALL COLUMNS);

Per maggiori informazioni sugli indici di ricerca, consulta la pagina Gestione degli indici di ricerca.

Usare la funzione `SEARCH`

La funzione SEARCH fornisce la ricerca tokenizzata sui dati. SEARCH è progettato per essere utilizzato con un indice per ottimizzare le ricerche. Puoi utilizzare la funzione SEARCH per eseguire ricerche in un'intera tabella o limitare la ricerca a colonne specifiche.

Cerca in un'intera tabella

La seguente query cerca il valore bar in tutte le colonne della tabella Logs e restituisce le righe che lo contengono, indipendentemente dall'uso delle maiuscole. Poiché l'indice di ricerca utilizza lo strumento di analisi del testo predefinito, non è necessario specificarlo nella funzione SEARCH.

SELECT * FROM my_dataset.Logs WHERE SEARCH(Logs, 'bar');

+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 65.177.8.234   | Entry Foo-Bar created                                 |
| WARNING | 132.249.240.10 | Entry Foo-Bar already exists, created by 65.177.8.234 |
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

La seguente query cerca il valore `94.60.64.181` in tutte le colonne della tabella Logs e restituisce le righe che contengono questo valore. L'accento grave consente di eseguire una ricerca esatta, motivo per cui l'ultima riga della tabella Logs, che contiene 181.94.60.64, è stata omessa.

SELECT * FROM my_dataset.Logs WHERE SEARCH(Logs, '`94.60.64.181`');

+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

Cerca un sottoinsieme di colonne

SEARCH semplifica la specifica di un sottoinsieme di colonne all'interno delle quali cercare dati. La seguente query cerca il valore 94.60.64.181 nella colonna Message della tabella Logs e restituisce le righe che contengono questo valore.

SELECT * FROM my_dataset.Logs WHERE SEARCH(Message, '`94.60.64.181`');

+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

La seguente query cerca in entrambe le colonne Source e Message della tabella Logs. Restituisce le righe che contengono il valore 94.60.64.181 da una delle colonne.

SELECT * FROM my_dataset.Logs WHERE SEARCH((Source, Message), '`94.60.64.181`');

+---------+----------------+-------------------------------------------------------+
| Level   | Source         | Message                                               |
+---------+----------------+-------------------------------------------------------+
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                                 |
| SEVERE  | 4.113.82.10    | Entry Foo-Bar does not exist, deleted by 94.60.64.181 |
+---------+----------------+-------------------------------------------------------+

Escludi colonne da una ricerca

Se una tabella ha molte colonne e vuoi cercarne la maggior parte, potrebbe essere più semplice specificare solo le colonne da escludere dalla ricerca. La seguente query cerca in tutte le colonne della tabella Logs ad eccezione della colonna Message. Restituisce le righe di qualsiasi colonna diversa da Message che contiene il valore 94.60.64.181.

SELECT *
FROM my_dataset.Logs
WHERE SEARCH(
  (SELECT AS STRUCT Logs.* EXCEPT (Message)), '`94.60.64.181`');

+---------+----------------+---------------------------------------------------+
| Level   | Source         | Message                                           |
+---------+----------------+---------------------------------------------------+
| INFO    | 94.60.64.181   | Entry Foo-Bar deleted                             |
+---------+----------------+---------------------------------------------------+

Usa un analizzatore di testo diverso

L'esempio seguente crea una tabella denominata contact_info con un indice che utilizza l'analizzatore di testo di NO_OP_ANALYZER:

CREATE TABLE my_dataset.contact_info (name STRING, email STRING)
AS (
  SELECT 'Kim Lee' AS name, '[email protected]' AS email
  UNION ALL
  SELECT 'Kim' AS name, '[email protected]' AS email
  UNION ALL
  SELECT 'Sasha' AS name, '[email protected]' AS email
);
CREATE SEARCH INDEX noop_index ON my_dataset.contact_info(ALL COLUMNS)
OPTIONS (analyzer = 'NO_OP_ANALYZER');

+---------+---------------------+
| name    | email               |
+---------+---------------------+
| Kim Lee | [email protected] |
| Kim     | [email protected]     |
| Sasha   | [email protected]   |
+---------+---------------------+

La seguente query cerca Kim nella colonna name e kim nella colonna email. Poiché l'indice di ricerca non utilizza lo strumento di analisi del testo predefinito, devi passare il nome dell'analizzatore alla funzione SEARCH.

SELECT
  name,
  SEARCH(name, 'Kim', analyzer=>'NO_OP_ANALYZER') AS name_Kim,
  email,
  SEARCH(email, 'kim', analyzer=>'NO_OP_ANALYZER') AS email_kim
FROM
  my_dataset.contact_info;

NO_OP_ANALYZER non modifica il testo, quindi la funzione SEARCH restituisce solo TRUE per le corrispondenze esatte:

+---------+----------+---------------------+-----------+
| name    | name_Kim | email               | email_kim |
+---------+----------+---------------------+-----------+
| Kim Lee | FALSE    | [email protected] | FALSE     |
| Kim     | TRUE     | [email protected]     | FALSE     |
| Sasha   | FALSE    | [email protected]   | FALSE     |
+---------+----------+---------------------+-----------+

Configura opzioni di analisi del testo

Gli analizzatori di testo LOG_ANALYZER e PATTERN_ANALYZER possono essere personalizzati aggiungendo una stringa in formato JSON alle opzioni di configurazione. Puoi configurare gli analizzatori di testo nella funzione SEARCH, nell'istruzione DDL CREATE SEARCH INDEX e nella funzione TEXT_ANALYZE.

L'esempio seguente crea una tabella denominata complex_table con un indice che utilizza l'analizzatore del testo LOG_ANALYZER. che usa una stringa in formato JSON per configurare le opzioni dell'analizzatore:

CREATE TABLE dataset.complex_table(
  a STRING,
  my_struct STRUCT<string_field STRING, int_field INT64>,
  b ARRAY<STRING>
);

CREATE SEARCH INDEX my_index
ON dataset.complex_table(a, my_struct, b)
OPTIONS (analyzer = 'LOG_ANALYZER', analyzer_options = '''{
  "token_filters": [
    {
      "normalization": {"mode": "NONE"}
    }
  ]
}''');

Le seguenti tabelle mostrano esempi di chiamate alla funzione SEARCH con analizzatori di testo diversi e relativi risultati. La prima tabella chiama la funzione SEARCH utilizzando l'analizzatore di testo predefinito, LOG_ANALYZER:

Chiamata funzione	Restituisce	Motivo
SEARCH('foobarexample', NULL)	ERRORE	Il valore di search_terms è "NULL".
SEARCH('foobarexample', '')	ERRORE	Il parametro search_terms non contiene token.
SEARCH('foobar-example', 'foobar example')	TRUE	"-" e " " sono delimitatori.
SEARCH('foobar-example', 'foobarexample')	FALSE	search_terms non viene suddiviso.
SEARCH('foobar-example', 'foobar\\&example')	TRUE	La doppia barra rovesciata fa precedere da escape la e commerciale, che rappresenta un delimitatore.
SEARCH('foobar-example', R'foobar\&example')	TRUE	La singola barra rovesciata esegue l'escape della e commerciale in una stringa non elaborata.
SEARCH('foobar-example', '`foobar&example`')	FALSE	Gli apici inversi richiedono una corrispondenza esatta per foobar&example.
SEARCH('foobar&example', '`foobar&example`')	TRUE	È stata trovata una corrispondenza esatta.
SEARCH('foobar-example', 'example foobar')	TRUE	L'ordine dei termini non ha importanza.
SEARCH('foobar-example', 'foobar example')	TRUE	I token utilizzano lettere minuscole.
SEARCH('foobar-example', ''foobar-example`')	TRUE	È stata trovata una corrispondenza esatta.
SEARCH('foobar-example', '`foobar`')	FALSE	Gli apici inversi conservano le lettere maiuscole.
SEARCH(''foobar-example'', ''foobar-example'')	FALSE	Gli apici inversi non hanno un significato speciale per data_to_search e
SEARCH('[email protected]', '`example.com`')	TRUE	Viene rilevata una corrispondenza esatta dopo il delimitatore in data_to_search.
SEARCH('a foobar-example b', '`foobar-example`')	TRUE	Viene rilevata una corrispondenza esatta tra i delimitatori di spazio.
SEARCH(['foobar', 'example'], 'foobar example')	FALSE	Nessuna voce dell'array singola corrisponde a tutti i termini di ricerca.
SEARCH('foobar=', '`foobar\\=`')	FALSE	Search_terms equivale a foobar\=.
SEARCH('foobar=', R'`foobar\=`')	FALSE	Equivale all'esempio precedente.
SEARCH('foobar=', 'foobar\\=')	TRUE	Il segno di uguale è un delimitatore nei dati e nella query.
SEARCH('foobar=', R'foobar\=')	TRUE	Equivale all'esempio precedente.
SEARCH('foobar.example', '`foobar`')	TRUE	È stata trovata una corrispondenza esatta.
SEARCH('foobar.example', '`foobar.`')	FALSE	"foobar." non viene analizzato a causa dell'accento grave; non
SEARCH('foobar..example', '`foobar.`')	TRUE	"foobar." non viene analizzato a causa dell'accento grave; viene seguito

La seguente tabella mostra esempi di chiamate alla funzione SEARCH utilizzando lo strumento di analisi del testo NO_OP_ANALYZER e motivi per i vari valori restituiti:

Chiamata funzione	Restituisce	Motivo
SEARCH('foobar', 'foobar', analyzer=>'NO_OP_ANALYZER')	TRUE	È stata trovata una corrispondenza esatta.
SEARCH('foobar', '`foobar`', analyzer=>'NO_OP_ANALYZER')	FALSE	Gli accenti non sono caratteri speciali per NO_OP_ANALYZER.
SEARCH('foobar', 'foobar', analyzer=>'NO_OP_ANALYZER')	FALSE	Le lettere maiuscole non corrispondono.
SEARCH('foobar example', 'foobar', analyzer=>'NO_OP_ANALYZER')	FALSE	Non sono presenti delimitatori per NO_OP_ANALYZER.
SEARCH('', '', analyzer=>'NO_OP_ANALYZER')	TRUE	Non sono presenti delimitatori per NO_OP_ANALYZER.

Altri operatori e funzioni

Puoi ottimizzare l'indice di ricerca con vari operatori, funzioni e predicati.

Ottimizza con operatori e funzioni di confronto

BigQuery può ottimizzare alcune query che utilizzano l'operatore uguale (=), l'operatore IN, l'operatore LIKE o STARTS_WITH la funzione per confrontare i valori letterali stringa con i dati indicizzati.

Ottimizza con predicati di stringhe

I seguenti predicati sono idonei per l'ottimizzazione dell'indice di ricerca:

column_name = 'string_literal'
'string_literal' = column_name
struct_column.nested_field = 'string_literal'
string_array_column[OFFSET(0)] = 'string_literal'
string_array_column[ORDINAL(1)] = 'string_literal'
column_name IN ('string_literal1', 'string_literal2', ...)
STARTS_WITH(column_name, 'prefix')
column_name LIKE 'prefix%'

Ottimizza con predicati numerici

Per ricevere assistenza durante l'anteprima, invia un'email all'indirizzo [email protected].

Se l'indice di ricerca è stato creato con tipi di dati numerici, BigQuery può ottimizzare alcune query che utilizzano l'operatore uguale (=) o IN con i dati indicizzati. I seguenti predicati sono idonei per l'ottimizzazione dell'indice di ricerca:

INT64(json_column.int64_field) = 1
int64_column = 1
int64_array_column[OFFSET(0)] = 1
int64_column IN (1, 2)
struct_column.nested_int64_field = 1
struct_column.nested_timestamp_field = TIMESTAMP "2024-02-15 21:31:40"
timestamp_column = "2024-02-15 21:31:40"
timestamp_column IN ("2024-02-15 21:31:40", "2024-02-16 21:31:40")

Ottimizza le funzioni che producono dati indicizzati

BigQuery supporta l'ottimizzazione dell'indice di ricerca quando determinate funzioni vengono applicate ai dati indicizzati. Se l'indice di ricerca utilizza lo strumento di analisi del testo LOG_ANALYZER predefinito, puoi applicare le funzioni UPPER o LOWER alla colonna, ad esempio UPPER(column_name) = 'STRING_LITERAL'.

Per i dati della stringa scalare JSON estratti da una colonna JSON indicizzata, puoi applicare la funzione STRING o la relativa versione sicura, SAFE.STRING. Se il valore JSON estratto non è una stringa, la funzione STRING genera un errore e la funzione SAFE.STRING restituisce NULL.

Per i dati STRING indicizzati in formato JSON (non JSON), puoi applicare le seguenti funzioni:

Ad esempio, supponi di avere la seguente tabella indicizzata denominata dataset.person_data con una colonna JSON e una STRING:

+----------------------------------------------------------------+-----------------------------------------+
| json_column                                                    | string_column                           |
+----------------------------------------------------------------+-----------------------------------------+
| { "name" : "Ariel", "email" : "[email protected]" } | { "name" : "Ariel", "job" : "doctor" }  |
+----------------------------------------------------------------+-----------------------------------------+

Le seguenti query sono idonee all'ottimizzazione:

SELECT * FROM dataset.person_data
WHERE SAFE.STRING(json_column.email) = '[email protected]';

SELECT * FROM dataset.person_data
WHERE JSON_VALUE(string_column, '$.job') IN ('doctor', 'lawyer', 'teacher');

Anche le combinazioni di queste funzioni sono ottimizzate, ad esempio UPPER(JSON_VALUE(json_string_expression)) = 'FOO'.

Utilizzo dell'indice di ricerca

Per determinare se per una query è stato utilizzato un indice di ricerca, consulta le Informazioni sul job della query in Risultati delle query. I campi Modalità di utilizzo dell'indice e Motivi del mancato utilizzo dell'indice forniscono informazioni dettagliate sull'utilizzo dell'indice di ricerca.

Informazioni di job che mostrano perché un indice di ricerca non è stato utilizzato.

Puoi trovare informazioni sull'utilizzo dell'indice di ricerca anche tramite il campo searchStatistics nel metodo API Jobs.Get. Il campo indexUsageMode in searchStatistics indica se è stato utilizzato un indice di ricerca con i seguenti valori:

UNUSED: non è stato utilizzato alcun indice di ricerca.
PARTIALLY_USED: parte della query utilizzava indici di ricerca, mentre parte no.
FULLY_USED: ogni funzione SEARCH nella query ha utilizzato un indice di ricerca.

Quando indexUsageMode è UNUSED o PARTIALLY_USED, il campo indexUnusuedReasons contiene informazioni sul motivo per cui gli indici di ricerca non sono stati utilizzati nella query.

Per visualizzare searchStatistics per una query, esegui il comando bq show.

bq show --format=prettyjson -j JOB_ID

Esempio

Supponi di eseguire una query che chiami la funzione SEARCH sui dati di una tabella. Puoi visualizzare i dettagli del job della query per trovare l'ID del job, quindi eseguire il comando bq show per visualizzare ulteriori informazioni:

bq show --format=prettyjson --j my_project:US.bquijob_123x456_789y123z456c

L'output contiene molti campi, tra cui searchStatistics, che è simile al seguente. In questo esempio, indexUsageMode indica che l'indice non è stato utilizzato. Il motivo è che la tabella non ha un indice di ricerca. Per risolvere il problema, crea un indice di ricerca nella tabella. Consulta il indexUnusedReason campo code per un elenco di tutti i motivi per cui un indice di ricerca potrebbe non essere utilizzato in una query.

"searchStatistics": {
  "indexUnusedReasons": [
    {
      "baseTable": {
        "datasetId": "my_dataset",
        "projectId": "my_project",
        "tableId": "my_table"
      },
      "code": "INDEX_CONFIG_NOT_AVAILABLE",
      "message": "There is no search index configuration for the base table `my_project:my_dataset.my_table`."
    }
  ],
  "indexUsageMode": "UNUSED"
},

Best practice

Le seguenti sezioni descrivono le best practice per l'utilizzo della funzione SEARCH.

Cerca in modo selettivo

La ricerca funziona meglio quando la ricerca ha pochi risultati. Rendi le tue ricerche il più specifiche possibile.

Ottimizzazione ORDER BY LIMIT

Le query che utilizzano SEARCH, =, IN, LIKE o STARTS_WITH su una tabella partitioned molto grande possono essere ottimizzate quando utilizzi una clausola ORDER BY nel campo partizionato e una clausola LIMIT. Per le query che non contengono la funzione SEARCH, puoi utilizzare gli altri operatori e funzioni per sfruttare l'ottimizzazione. L'ottimizzazione viene applicata indipendentemente dal fatto che la tabella sia indicizzata o meno. Questo approccio è ideale se si cerca un termine comune. Ad esempio, supponi che la tabella Logs creata in precedenza sia partizionata in una colonna aggiuntiva di tipo DATE chiamata day. La seguente query è ottimizzata:

SELECT
  Level, Source, Message
FROM
  my_dataset.Logs
WHERE
  SEARCH(Message, "foo")
ORDER BY
  day
LIMIT 10;

Definisci l'ambito della ricerca

Quando utilizzi la funzione SEARCH, cerca solo le colonne della tabella che prevedi contengano i termini di ricerca. Questo migliora le prestazioni e riduce il numero di byte da analizzare.

Usa apici inversi

Quando utilizzi la funzione SEARCH con lo strumento di analisi del testo LOG_ANALYZER, includere la query di ricerca tra apici inversi forza una corrispondenza esatta. Questo è utile se la ricerca è sensibile alle maiuscole o contiene caratteri che non devono essere interpretati come delimitatori. Ad esempio, per cercare l'indirizzo IP 192.0.2.1, utilizza `192.0.2.1`. Senza l'accento grave, la ricerca restituisce qualsiasi riga contenente i singoli token 192, 0, 2 e 1, in qualsiasi ordine.