Resolver problemas de consulta
Ao executar consultas no BigQuery, talvez você encontre tempos de execução lentos, erros de cota de recursos ou jobs de consulta com falha. É possível diagnosticar e resolver esses problemas comuns de consulta inspecionando os detalhes de execução da consulta, usando ferramentas de diagnóstico automatizadas e aplicando correções direcionadas.
Resolver problemas de consultas lentas
Para resolver problemas de desempenho de consultas lentas, faça o seguinte:
Verifique a página Google Cloud Service Health para ver interrupções conhecidas do serviço do BigQuery que podem afetar o desempenho da consulta.
Analise a linha do tempo do job da sua consulta no explorador de jobs para ver quanto tempo cada estágio da consulta levou para ser executado.
Se a maior parte do tempo decorrido foi devido a longos tempos de criação, entre em contato com o Cloud Customer Care para receber ajuda.
Se a maior parte do tempo decorrido foi devido a tempos de execução longos, revise os insights de desempenho da consulta. Os insights de desempenho de consulta podem informar se a consulta foi executada por mais tempo do que o tempo médio de execução e sugerir possíveis causas. As possíveis causas incluem contenção de slots de consulta ou uma cota de embaralhamento insuficiente. Para mais informações sobre cada problema de desempenho de consulta e possíveis soluções, consulte Interpretar insights de desempenho de consulta.
Revise o campo
finalExecutionDurationMsno tipo de objetoJobStatisticsdo job de consulta. A consulta pode ter sido repetida. O campofinalExecutionDurationMscontém a duração em milissegundos da execução da tentativa final desse job.Revise os bytes processados na página de detalhes do job de consulta para ver se o valor é maior do que o esperado. Para fazer isso, compare o número de bytes processados pela consulta atual com outro job de consulta que foi concluído em um período aceitável. Se houver uma grande discrepância de bytes processados entre as duas consultas, talvez a consulta tenha sido lenta devido a um grande volume de dados. Para saber como otimizar suas consultas para lidar com grandes volumes de dados, consulte Otimizar a computação de consultas.
Também é possível identificar consultas no projeto que processam uma grande quantidade de dados pesquisando as consultas mais caras usando a visualização
INFORMATION_SCHEMA.JOBS.Analise o uso da reserva e verifique se há contenção de slots. Para mais informações, consulte Análise de estatísticas de carga de trabalho.
Verifique as execuções anteriores e recentes do mesmo hash de consulta para ver se novos insights de desempenho de consulta estão disponíveis para os jobs mais lentos, como uma mudança na escala de entrada de dados. É possível filtrar por hash de consulta no explorador de jobs administrativos.
Comparar uma execução lenta e uma rápida da mesma consulta
Se uma consulta que antes era executada rapidamente agora está lenta, examine a saída do objeto da API Job para identificar mudanças na execução.
Ocorrências em cache
Confirme se a execução rápida do job foi uma ocorrência em cache analisando o valor de
cacheHit. Se
o valor for true para a execução rápida da consulta, ela usou
resultados armazenados em cache em vez de executar a consulta.
Se você espera que o job lento use resultados armazenados em cache, investigue por que a consulta não está mais usando resultados armazenados em cache. Se você não espera que a consulta recupere dados do cache, procure um exemplo de execução rápida de consulta que não tenha acessado o cache para a investigação.
Atrasos de cota
Para determinar se a lentidão foi causada por adiamentos de cota, verifique o campo quotaDeferments nos dois jobs. Compare os valores para determinar se o horário de início da consulta mais lenta foi atrasado por adiamentos de cota que não afetaram o job mais rápido.
Duração da execução
Para entender a diferença entre a duração da execução da última tentativa de ambos os jobs, compare os valores do campo finalExecutionDurationMs.
Se os valores de finalExecutionDurationMs forem bastante
semelhantes, mas a diferença no tempo de execução real entre as duas consultas,
calculada como startTime - endTime,
for muito maior, isso significa que pode ter havido uma nova tentativa de execução de consulta
interna para o job lento devido a um possível problema temporário. Se você notar
esse padrão de diferença repetidamente, entre em contato com o Cloud Customer Care
para receber ajuda.
Bytes processados
Revise os bytes processados na página de detalhes do job de consulta
ou confira o totalBytesProcessed de
JobStatistics para ver se
ele é maior do que o esperado. Se houver uma grande discrepância de bytes processados
entre as duas consultas, talvez a consulta esteja lenta devido a uma mudança no
volume de dados processados. Para saber como otimizar consultas para lidar com grandes volumes de dados, consulte Otimizar a computação de consultas.
Os seguintes motivos podem causar um aumento no número de bytes processados por
uma consulta:
- O tamanho das tabelas referenciadas pela consulta aumentou.
- A consulta agora está lendo uma partição maior da tabela.
- A consulta faz referência a uma visualização cuja definição foi alterada.
Tabelas referenciadas
Verifique se as consultas leem as mesmas tabelas analisando a saída do campo referencedTables em JobStatistics2.
As diferenças nas tabelas referenciadas podem ser explicadas pelo seguinte:
- A consulta SQL foi modificada para ler tabelas diferentes. Compare o texto da consulta para confirmar isso.
- A definição da visualização mudou entre as execuções da consulta. Verifique as definições das visualizações referenciadas nesta consulta e atualize-as, se necessário.
As diferenças nas tabelas referenciadas podem explicar as mudanças em totalBytesProcessed.
Uso de visualizações materializadas
Se a consulta fizer referência a visualizações materializadas,
as diferenças de desempenho podem ser causadas pela escolha ou rejeição de visualizações materializadas
durante a execução da consulta. Inspecione
MaterializedViewStatistics
para entender se alguma visualização materializada usada na consulta rápida foi
rejeitada na consulta lenta. Observe os campos chosen e rejectedReason no
objeto MaterializedView.
Estatísticas de armazenamento em cache de metadados
Para consultas que envolvem tabelas do BigLake do Amazon S3 ou do Cloud Storage com o armazenamento em cache de metadados ativado, compare a saída de MetadataCacheStatistics para verificar se há uma diferença no uso do cache de metadados entre a consulta lenta e a rápida e os motivos correspondentes. Por exemplo, o cache de metadados pode
estar fora do intervalo de tempo maxStaleness configurado para a tabela.
Como comparar as estatísticas do BigQuery BI Engine
Se a consulta usar o BigQuery BI Engine, analise a saída de
BiEngineStatistics
para determinar se os mesmos modos de aceleração foram aplicados à consulta lenta
e à rápida. Confira o campo BiEngineReason
para entender o motivo geral da aceleração parcial ou da falta de
aceleração, como memória insuficiente, falta de reserva ou entrada
muito grande.
Analisar diferenças nos insights de desempenho da consulta
Compare os insights de desempenho de consulta de cada
uma das consultas analisando o
gráfico de execução
no console do Google Cloud ou o objeto
StagePerformanceStandaloneInsight
para entender os seguintes problemas possíveis:
- Contenção de slot (
slotContention) - Mesclagens de alta cardinalidade (
highCardinalityJoins) - Cota de embaralhamento insuficiente (
insufficientShuffleQuota) - Desvio de dados (
partitionSkew)
Preste atenção aos insights fornecidos para o job lento e às diferenças entre os insights produzidos para o job rápido para identificar mudanças de estágio que afetam o desempenho.
Atribuição de reserva
Verifique se há diferenças na reserva atribuída aos dois jobs. Uma mudança na reserva ou uma mudança de sob demanda para uma reserva pode afetar o desempenho. Para mais informações, consulte Modelos de Workload Manager e tamanho da reserva.
Uma análise mais completa dos metadados de execução de jobs requer a análise das
etapas individuais de execução de consultas, comparando os objetos
ExplainQueryStage
dos dois jobs.
Para começar, consulte as métricas Wait ms e Shuffle output bytes
descritas na seção
interpretar informações do estágio de consulta.
Avisos de recursos da visualização INFORMATION_SCHEMA.JOBS
Consulte o campo query_info.resource_warning da
visualização INFORMATION_SCHEMA.JOBS para conferir
se há uma diferença nos avisos analisados pelo BigQuery
em relação aos recursos usados.
Análise de estatísticas de carga de trabalho
Os recursos de slot disponíveis e a contenção de slots podem afetar o tempo de execução da consulta. As seções a seguir ajudam a entender o uso e a disponibilidade de slots para uma execução específica de uma consulta.
Média de slots por segundo
Para calcular o número médio de slots usados por milissegundo pela consulta, divida
o valor de milissegundos de slot do job, totalSlotMs de
JobStatistics2, pela
duração em milissegundos da execução da tentativa final desse job,
finalExecutionDurationMs de JobStatistics.
Também é possível calcular o
número médio de slots por milissegundo usados por um job
consultando a visualização INFORMATION_SCHEMA.JOBS.
Um job que realiza uma quantidade semelhante de trabalho com uma quantidade maior de slots médios por segundo é concluído mais rapidamente. Um uso médio de slots por segundo menor pode ser causado pelo seguinte:
- Não havia outros recursos disponíveis devido a uma contenção de recursos entre jobs diferentes. A reserva estava no limite.
- O job não solicitou mais slots durante uma grande parte da execução. Por exemplo, isso pode acontecer quando há desvio de dados.
Modelos do Workload Manager e tamanho da reserva
Se você usa o modelo de faturamento sob demanda, o número de slots que podem ser usados por projeto é limitado. Além disso, talvez menos slots fiquem disponíveis se houver uma grande quantidade de contenção de capacidade on demand em um local específico.
O modelo baseado em capacidade é mais previsível e permite especificar um número confirmado de slots de referência.
Considere essas diferenças ao comparar uma execução de consulta que usa o modelo on demand com uma que usa uma reserva.
Usar uma reserva é recomendado para ter um desempenho de execução de consulta estável e previsível. Para mais informações sobre as diferenças entre cargas de trabalho sob demanda e baseadas em capacidade, consulte Introdução ao gerenciamento de cargas de trabalho.
Simultaneidade de jobs
A simultaneidade de jobs representa a competição entre jobs por recursos de slot durante a execução da consulta. Uma simultaneidade de jobs mais alta geralmente causa uma execução mais lenta, porque o job tem acesso a menos slots.
É possível consultar a visualização INFORMATION_SCHEMA.JOBS para
encontrar o número médio de jobs simultâneos
que estão em execução ao mesmo tempo que uma consulta específica em um projeto.
Se houver mais de um projeto atribuído a uma reserva, modifique a consulta para usar JOBS_BY_ORGANIZATION em vez de JOBS_BY_PROJECT para receber dados precisos no nível da reserva.
Uma simultaneidade média mais alta durante a execução do job lento em comparação com o job rápido é um fator que contribui para a lentidão geral.
Reduza a simultaneidade no projeto ou na reserva distribuindo consultas que usam muitos recursos ao longo do tempo em uma reserva ou projeto ou em reservas ou projetos diferentes.
Outra solução é comprar uma reserva ou aumentar o tamanho de uma reserva atual. Considere permitir que a reserva use slots inativos.
Para entender quantos slots adicionar, leia sobre como estimar os requisitos de capacidade de slot.
Os jobs em execução em reservas com mais de um projeto atribuído podem ter resultados diferentes de atribuição de slots com a mesma simultaneidade média de jobs, dependendo de qual projeto os está executando. Leia sobre programação justa para saber mais.
Utilização da reserva
Os gráficos de recursos do administrador e o Cloud Monitoring do BigQuery podem ser usados para monitorar a utilização da reserva. Para mais informações, consulte Monitore as reservas do BigQuery.
Para entender se um job solicitou slots adicionais, consulte a
métrica de unidades executáveis estimadas, que é
estimatedRunnableUnits
da resposta da API Job ou period_estimated_runnable_units na
visualização INFORMATION_SCHEMA.JOBS_TIMELINE.
Se o valor dessa métrica for maior que 0, o job poderá ter se beneficiado
de slots adicionais naquele momento.
Para estimar a porcentagem do tempo de execução do job em que ele teria se beneficiado de slots adicionais, execute a seguinte consulta na visualização INFORMATION_SCHEMA.JOBS_TIMELINE:
SELECT ROUND(COUNTIF(period_estimated_runnable_units > 0) / COUNT(*) * 100, 1) AS execution_duration_percentage FROM `myproject`.`region-us`.INFORMATION_SCHEMA.JOBS_TIMELINE WHERE job_id = 'my_job_id' GROUP BY job_id;
+---------------------------------+ | execution_duration_percentage | +---------------------------------+ | 96.7 | +---------------------------------+
Uma porcentagem baixa significa que a disponibilidade de recursos de slot não é uma das principais influências para a lentidão da consulta nesse cenário.
Se a porcentagem for alta e a reserva não tiver sido totalmente utilizada durante esse período, entre em contato com o Cloud Customer Care para investigar.
Se a reserva foi totalmente utilizada durante a execução lenta do job e a porcentagem é alta, o job foi limitado em recursos. Considere reduzir a simultaneidade, aumentar o tamanho da reserva, permitir que a reserva use slots inativos ou comprar uma reserva se o job tiver sido executado on demand.
As descobertas da análise de metadados do job e da carga de trabalho são inconclusivas
Se você ainda não conseguir encontrar o motivo para explicar o desempenho de consulta mais lento do que o esperado, entre em contato com o Cloud Customer Care para receber ajuda.
Resolver problemas de consultas usando o Gemini Cloud Assist
Para usar o Gemini Cloud Assist para ajudar você a resolver problemas de uma falha de consulta ou um problema de desempenho, faça o seguinte:
No console do Google Cloud , acesse a página BigQuery.
Na barra de ferramentas do Google Cloud , clique em spark Abrir ou fechar o chat do Gemini Cloud Assist.
No painel do Cloud Assist, insira um comando que inclua o ID da tarefa para investigar a execução, as métricas de performance ou os motivos da falha. Exemplo:
Por que JOB_ID falhou?Por que este job está demorando tanto? JOB_IDResuma o desempenho do meu job nas últimas 24 horas.
Resolver problemas de falha de consulta usando gcpdiag
gcpdiag
é uma ferramenta de código aberto. Não é um produto do Google Cloud oficialmente compatível.
Use a ferramenta gcpdiag para identificar e corrigir problemas no projeto do Google Cloud. Para mais informações, consulte o projeto gcpdiag no GitHub.
A ferramenta gcpdiag ajuda a analisar consultas do BigQuery com falha para entender se há uma causa raiz conhecida e uma mitigação para a falha específica.
Execute o comando gcpdiag.
Execute o comando gcpdiag na Google Cloud CLI:
Console doGoogle Cloud
- Preencha e copie o comando a seguir.
- Abra o console do Google Cloud e ative o Cloud Shell. Abrir Console do Cloud
- Cole o comando copiado.
- Execute o comando
gcpdiag, que faz o download da imagem Dockergcpdiag. e realiza verificações de diagnóstico. Se aplicável, siga as instruções de saída para corrigir verificações com falha.
gcpdiag runbook bigquery/failed-query \
--parameter project_id=PROJECT_ID \
--parameter bigquery_job_region=JOB_REGION \
--parameter bigquery_job_id=JOB_ID \
--parameter bigquery_skip_permission_check=SKIP_PERMISSION_CHECKDocker
Você pode
executar gcpdiag usando um wrapper que inicia gcpdiag em um contêiner do Docker. Docker ou
Podman precisa ser instalado.
- Copie e execute o seguinte comando na estação de trabalho local.
curl https://gcpdiag.dev/gcpdiag.sh >gcpdiag && chmod +x gcpdiag
- Execute o comando
gcpdiag../gcpdiag runbook bigquery/failed-query \ --parameter project_id=PROJECT_ID \ --parameter bigquery_job_region=JOB_REGION \ --parameter bigquery_job_id=JOB_ID \ --parameter bigquery_skip_permission_check=SKIP_PERMISSION_CHECK
Veja os parâmetros disponíveis para este runbook.
Substitua:
- PROJECT_ID: o ID do projeto que contém o recurso.
- JOB_REGION: a região em que o job do BigQuery foi executado.
- JOB_ID: o identificador do job do BigQuery.
- SKIP_PERMISSION_CHECK: (opcional) defina como
Truese quiser pular a verificação de permissões relevantes e acelerar a execução do runbook (o valor padrão éFalse).
Flags úteis
--universe-domain: se aplicável, a Nuvem soberana de parceiro confiável que hospeda o recurso--parameterou-p: parâmetros do runbook
Para conferir uma lista e descrição de todas as flags da ferramenta gcpdiag, consulte
Instruções de uso do gcpdiag.
Resolução de esquema Avro
String de erro: Cannot skip stream
Esse erro pode ocorrer ao carregar vários arquivos Avro com esquemas diferentes, resultando em um problema de resolução de esquema e fazendo com que o job de importação falhe em um arquivo aleatório.
Para resolver esse erro, verifique se o último arquivo alfabético do job de carregamento contém o superconjunto (união) dos esquemas diferentes. Esse é um requisito baseado em como o Avro processa a resolução de esquemas.
Consultas simultâneas em conflito
Strings de erro:
Resources exceeded during query execution: Another job JOB_ID is currently running in the session SESSION_ID. Concurrent jobs in the same session are not allowed.Session SESSION_ID has expired and is no longer available.
Esse erro ocorre quando várias consultas são executadas simultaneamente na mesma sessão, o que não é permitido, ou quando uma sessão é encerrada automaticamente após 24 horas de inatividade ou 7 dias após a criação. Consulte as limitações de sessão e encerre uma sessão automaticamente.
Para resolver o problema, siga um destes procedimentos:
- Separe as consultas que compartilham um
session_ide inicie a próxima consulta somente depois que o job anterior (JOB_ID) for concluído ou execute consultas simultâneas em sessões separadas. - Se a sessão tiver expirado ou sido encerrada, crie uma nova sessão e atualize
--session_idem.bigqueryrcouconnectionProperties, se configurado. Consulte Criar uma sessão.
Instruções DML conflitantes
String de erro: Could not serialize access to table due to concurrent update
Esse erro ocorre quando instruções simultâneas de linguagem de manipulação de dados (DML)
mutáveis (UPDATE, DELETE ou MERGE) tentam modificar dados na mesma
partição de tabela simultaneamente ou quando a tabela é truncada enquanto uma instrução DML
está em execução.
O BigQuery permite que instruções DML mutantes simultâneas sejam executadas na mesma tabela, desde que modifiquem partições diferentes. No entanto, se dois jobs tentarem modificar a mesma partição, o primeiro job a ser confirmado será bem-sucedido, e os jobs seguintes vão falhar com esse erro.
Para resolver esse erro, tente o seguinte:
- Repetir o job com falha: se o conflito foi causado por uma sobreposição temporária com outro job, repita a consulta depois que o job conflitante for concluído.
- Identificar e coordenar jobs conflitantes: execute a consulta de diagnóstico na seção a seguir para identificar o job concorrente e, em seguida, coordene as programações para que as operações de mutação de DML na mesma partição não sejam executadas ao mesmo tempo.
- Particione as tabelas: se jobs de DML simultâneos atualizarem segmentos de dados diferentes, particione a tabela por data ou intervalo de números inteiros. As instruções DML de mutação simultâneas são bem-sucedidas sem conflito se modificarem partições diferentes.
- Operações DML em lote: combine várias operações
UPDATEouDELETEindividuais em uma única instruçãoMERGEou job em lote para reduzir a simultaneidade e o overhead de commit. Para mais informações, consulte Práticas recomendadas.
Identificar o job conflitante
Para identificar qual job estava atualizando a tabela simultaneamente quando o erro
ocorreu, execute uma consulta na
visualização INFORMATION_SCHEMA.JOBS:
SELECT job_id, query, start_time, end_time FROM `region-REGION`.INFORMATION_SCHEMA.JOBS WHERE creation_time BETWEEN TIMESTAMP_SUB(TIMESTAMP 'FAILED_JOB_START_TIME', INTERVAL 1 DAY) AND TIMESTAMP 'FAILED_JOB_END_TIME' AND destination_table.table_id = 'TABLE_NAME' AND destination_table.dataset_id = 'DATASET_NAME' AND statement_type IN ('UPDATE', 'DELETE', 'MERGE') AND start_time <= 'FAILED_JOB_END_TIME' AND (end_time >= 'FAILED_JOB_START_TIME' OR end_time IS NULL) ORDER BY start_time;
Substitua:
REGION: o nome da região em que o conjunto de dados está localizado, por exemplo,us.FAILED_JOB_START_TIME: o carimbo de data/hora de quando o job com falha começou, por exemplo,2026-09-01 09:55:00 UTC.FAILED_JOB_END_TIME: o carimbo de data/hora de quando o job com falha terminou, por exemplo,2026-09-01 10:00:00 UTC.TABLE_NAME: o nome da tabela que a instrução DML com falha tentou atualizar.DATASET_NAME: o nome do conjunto de dados que contém a tabela.
Se a consulta não retornar jobs conflitantes iniciados pelo usuário, o conflito pode ter sido causado por outra operação em segundo plano, como a expiração da partição.
Outras causas de conflitos de atualização simultânea
- Expiração da partição: as tarefas do sistema em segundo plano que expiram as partições podem entrar em conflito com uma instrução DML se modificarem a mesma partição durante a execução do job. Se você usar a expiração de partição, programe jobs de DML fora dos horários em que as partições expiram.
- Transações com várias instruções: quando uma transação com várias instruções modifica uma tabela, ela bloqueia todas as outras instruções DML simultâneas nessa tabela até que a transação seja concluída.
- Instruções DML que afetam zero linhas: uma instrução
UPDATE,DELETEouMERGEadquire bloqueios em partições de destino e pode causar conflitos de serialização, mesmo que nenhuma linha corresponda às condições de filtro.
Para mais informações, consulte Conflitos de instruções DML.
Subconsultas correlacionadas
String de erro: Correlated subqueries that reference other tables are not
supported unless they can be de-correlated
Esse erro pode ocorrer quando a consulta contém uma subconsulta que faz referência a uma coluna de fora dessa subconsulta, chamada de coluna de correlação. A subconsulta correlacionada é avaliada usando uma estratégia de execução aninhada e ineficiente, em que a subconsulta é avaliada para cada linha da consulta externa que produz as colunas de correlação. Às vezes, o BigQuery pode reescrever internamente consultas com subconsultas correlacionadas para que elas sejam executadas com mais eficiência. O erro de subconsultas correlacionadas ocorre quando o BigQuery não consegue otimizar a consulta de maneira suficiente.
Para resolver esse erro, tente o seguinte:
- Remova as cláusulas
ORDER BY,LIMIT,EXISTS,NOT EXISTSouINda subconsulta. - Use uma consulta de várias instruções para criar uma tabela temporária que será referenciada na subconsulta.
- Reescreva a consulta para usar um
CROSS JOIN.
Permissões de controle de acesso insuficientes no nível da coluna
Strings de erro:
Access denied: Requires fineGrainedGet permission on the read columns to execute the DML statements- "Acesso negado: o usuário não tem permissão para acessar a tag de política projects/PROJECT_ID/locations/LOCATION/taxonomies/TAXONOMY_ID/policyTags/POLICY_TAG_ID na coluna PROJECT_ID.DATASET.TABLE.COLUMN."
Esses erros ocorrem quando você tenta executar uma consulta SQL ou uma instrução DML DELETE, UPDATE
ou MERGE sem receber o papel de Leitor refinado
nas colunas que usam o controle de acesso no nível da coluna. Esse papel é atribuído
aos principais como parte da configuração de uma tag de política. Para mais informações, consulte Impacto nas gravações com controle de acesso no nível da coluna.
Para contornar esse problema, modifique a consulta para excluir colunas com tags de política ou conceda o papel Leitor refinado ao usuário. Esse papel é atribuído aos principais como parte da configuração de uma tag de política. Para mais informações, consulte Atualizar permissões em tags de política.
Resolver problemas de consultas programadas
Os problemas a seguir podem surgir durante a configuração ou execução da consulta programada.
A consulta programada aciona execuções duplicadas
Uma consulta programada pode ser acionada mais de uma vez no horário programado.
Esse comportamento é mais provável de ocorrer em consultas programadas exatamente na hora (como 09:00).
Isso pode levar a resultados inesperados,
como dados duplicados se a consulta realizar operações INSERT.
Para minimizar o risco de execuções duplicadas, programe as consultas para um horário fora da hora, como alguns minutos antes ou depois da hora (por exemplo, 08:58 ou 09:03). Para mais informações, consulte Como programar consultas.
Credenciais inválidas para consultas programadas
Strings de erro:
Error code: INVALID_USERIDError code 5: Authentication failure: User Id not foundPERMISSION_DENIED: BigQuery: Permission denied while getting Drive credentials
Esse erro pode ocorrer quando uma consulta programada falha devido a credenciais desatualizadas, principalmente ao consultar dados do Google Drive.
Para corrigir esse erro, siga estas etapas:
- Verifique se você ativou o serviço de transferência de dados do BigQuery, que é um pré-requisito para usar consultas programadas.
- Atualize as credenciais da consulta programada.
Credenciais de conta de serviço inválidas
String de erro: HttpError 403 when requesting returned: The caller does not have permission
Esse erro pode aparecer quando você tenta configurar uma consulta programada com uma conta de serviço. Para resolver esse erro, consulte as etapas de solução de problemas em Problemas de autorização e permissão.
Tabela de destino excluída ou expirada
String de erro: Destination deleted/expired during operation: DETAILS
Esse erro HTTP 400 Bad Request (reason: invalid) ocorre quando um job de consulta, carregamento ou cópia tenta gravar em uma tabela de destino que é removida antes da conclusão da execução do job.
Diagnóstico
Esse erro geralmente ocorre por um destes motivos:
- A expiração (TTL) da tabela ou do conjunto de dados foi atingida. A tabela de destino (ou a validade padrão da tabela do conjunto de dados) tem um carimbo de data/hora de validade configurado. Se um job de longa duração continuar sendo executado após o carimbo de data/hora de expiração da tabela, o BigQuery vai excluir a tabela expirada enquanto o job ainda estiver em execução.
- Exclusão explícita simultânea. Outro usuário, conta de serviço ou
fluxo de trabalho automatizado (como um DAG de orquestrador ou script de limpeza) executa
uma instrução
DROP TABLEou uma chamada de APItables.deletena tabela de destino enquanto o job está em andamento.
Para determinar por que a tabela de destino foi excluída, consulte a
visualização
INFORMATION_SCHEMA.TABLE_STORAGE:
SELECT table_name, deleted, table_deletion_time, table_deletion_reason FROM `PROJECT_ID`.`region-REGION`.INFORMATION_SCHEMA.TABLE_STORAGE WHERE table_schema = "DATASET_ID" AND table_name = "TABLE_ID"
Substitua:
PROJECT_ID: o ID do projeto.REGION: a região do conjunto de dados que continha a tabela.DATASET_ID: o ID do conjunto de dados que continha a tabela.TABLE_ID: o ID da tabela de destino.
A coluna table_deletion_reason contém TABLE_EXPIRATION se a tabela
expirou, USER_DELETED se um usuário excluiu a tabela ou DATASET_DELETION se um
usuário excluiu o conjunto de dados que continha a tabela. Para mais informações, consulte
Identificar a causa da exclusão da tabela.
Se a causa for USER_DELETED, consulte os Registros de auditoria do Cloud na Análise de registros para
descobrir quem excluiu a tabela. Filtre as entradas do período em que o job falhou:
resource.type=("bigquery_resource" OR "bigquery_dataset")
protoPayload.methodName=("tableservice.delete" OR "google.cloud.bigquery.v2.TableService.DeleteTable")
protoPayload.resourceName:"YOUR_TABLE_NAME"
Substitua YOUR_TABLE_NAME pelo ID da tabela de destino.
Inspecione o campo protoPayload.authenticationInfo.principalEmail nas
entradas de registro correspondentes para identificar o usuário ou a conta de serviço que excluiu a
tabela.
Se a causa for DATASET_DELETION, use o filtro do conjunto de dados em
Identificar quando uma tabela foi excluída.
Resolução
Para resolver esse erro, faça o seguinte:
- Aumente os prazos de validade da tabela e do conjunto de dados. Inspecione o prazo de validade da tabela de destino e a configuração de validade padrão da tabela do conjunto de dados. Verifique se o TTL configurado é longo o suficiente para durar mais que o tempo de execução máximo esperado (incluindo o tempo de fila e as novas tentativas) dos jobs que gravam nessa tabela. Para instruções, consulte Atualizar o prazo de validade de uma tabela.
- Serializar tarefas de pipeline. Se um pipeline de ETL automatizado (como o
Serviço Gerenciado para Apache Airflow, Apache Airflow ou Dataform) recriar ou limpar
tabelas de preparo, configure dependências de tarefas estritas para que as tarefas de
DROP TABLEou limpeza nunca sejam executadas simultaneamente com jobs de gravação ativos que segmentam a mesma tabela. - Use nomes exclusivos para as tabelas de preparo. Ao executar instâncias de pipeline paralelas, grave resultados intermediários em tabelas temporárias ou de preparo com nomes exclusivos (por exemplo, usando
CREATE TEMP TABLEem uma consulta de várias instruções ou anexando um ID de execução exclusivo), em vez de compartilhar uma única tabela de preparo mutável entre execuções simultâneas.
Instruções DML em tabelas com um buffer de streaming
String de erro:
UPDATE or DELETE statement over table
PROJECT_ID.DATASET_ID.TABLE_NAME would affect
rows in the streaming buffer, which is not supported
Esse erro HTTP 400 Bad Request (reason: invalidQuery)
ocorre quando uma instrução DML de mutação (UPDATE, DELETE ou MERGE) tenta
modificar ou excluir linhas que foram ingeridas recentemente usando a API de streaming
legada
tabledata.insertAll
e ainda estão no buffer de streaming. As linhas podem permanecer no
buffer de streaming por alguns minutos ou até 90 minutos em casos raros. Para mais
informações, consulte
Disponibilidade de dados de streaming
e
Limitações da DML.
Para resolver esse erro, siga um destes procedimentos:
- Migre para a API BigQuery Storage Write (gRPC). Faça streaming de dados usando a
API BigQuery Storage Write (gRPC),
que disponibiliza imediatamente as linhas gravadas recentemente para instruções DML
mutáveis (
UPDATE,DELETEeMERGE) sem restrições de buffer de streaming. - Aguarde a limpeza do buffer de streaming ou filtre as linhas recentes. Verifique
a resposta
tables.getpara a seçãostreamingBuffer. SestreamingBufferestiver ausente, todas as linhas estarão disponíveis para DML. Também é possível inspecionarstreamingBuffer.oldestEntryTimee adicionar um filtroWHEREà instrução DML para que ela segmente apenas linhas mais antigas que a janela do buffer de streaming.
Erros de consulta inválida
Quando o BigQuery retorna um erro HTTP 400 Bad Request com o motivo de erro invalidQuery, a consulta SQL falhou nas verificações de validação ou execução.
Use a mensagem de erro específica retornada pelo BigQuery para diagnosticar
o problema nas quatro categorias a seguir:
Erros de sintaxe e gramática
Strings de erro:
Syntax error: Expected TOKEN but got INPUT at [LINE:COLUMN]Syntax error: Unexpected keyword KEYWORD at [LINE:COLUMN]Unrecognized name: IDENTIFIER at [LINE:COLUMN]ouFunction not found: FUNCTION_NAME at [LINE:COLUMN]
Para resolver erros de sintaxe e identificador, faça o seguinte:
- Inspecione o local
[LINE:COLUMN]. Verifique a linha e a coluna na mensagem de erro (e o token imediatamente anterior) para ver se há parênteses não fechados, vírgulas ausentes, vírgulas à direita, aspas sem escape ou palavras-chaveENDausentes em expressõesCASE. - Verifique a ordem e o dialeto da cláusula SQL. Confirme se as cláusulas SQL seguem
a ordem
da sintaxe de consulta do GoogleSQL
(
SELECT→FROM→WHERE→GROUP BY→HAVING→QUALIFY→ORDER BY→LIMIT) e verifique se a solicitação usa o GoogleSQL (useLegacySql=false). Para erros de SQL legado, consulte Erros de SQL legado. - Verifique o escopo da coluna, do alias e da função. Se o erro informar
Unrecognized nameouFunction not found, verifique os seguintes casos:- Identificador com erro de ortografia ou de diferenciação de maiúsculas e minúsculas. Verifique a ortografia e as letras maiúsculas e minúsculas da coluna ou tabela em relação ao esquema da tabela.
- Alias
SELECTreferenciado emWHERE. Não faça referência a aliases definidos na listaSELECTna mesma cláusulaWHERE. Repita a expressão, use uma subconsulta ou CTE ou filtre emQUALIFY(para funções de janela). - Função definida pelo usuário (UDF) permanente não qualificada. Qualifique
UDFs permanentes com
PROJECT_ID.DATASET_ID.FUNCTION_NAME. - Caracteres especiais ou palavras-chave reservadas. Coloque nomes de tabelas ou colunas
que contenham caracteres especiais ou palavras-chave reservadas entre acentos graves
(
`). Também é possível usar o validador de consulta no BigQuery Studio para detectar problemas de sintaxe antes de executar a consulta.
Erros de compatibilidade de tipo de dados
Strings de erro:
No matching signature for operator OPERATOR for argument types: TYPE_A, TYPE_BNo matching signature for function FUNCTION_NAME for argument types: ARG_TYPESQuery column COLUMN_NUMBER has type SOURCE_TYPE which cannot be inserted into column TARGET_COLUMN, which has type TARGET_TYPEUnsupported type TYPE
Para resolver incompatibilidades de tipo de dados, faça o seguinte:
- Alinhe os tipos em comparações, mesclagens e funções. Consulte
INFORMATION_SCHEMA.COLUMNSou inspecione o esquema da tabela no console doGoogle Cloud para verificar se todas as entradas usam tipos de dados do GoogleSQL compatíveis nos seguintes locais:WHEREfiltros eJOIN ... ONchaves- Argumentos
COALESCEeIFNULL - Posições das colunas
UNIONeINSERT ... SELECT - Argumentos e tipos de retorno de UDF (incluindo tipos
RETURNSde UDF em JavaScript) - Funções do BigQuery ML (
ML.EVALUATE,ML.PREDICT)
- Aplicar conversões de tipo explícitas. Use
CAST()ouSAFE_CAST()ou funções de análise de data e hora (comoPARSE_DATE,PARSE_TIMESTAMPeTIMESTAMP_SECONDS) para converter valores explicitamente, em vez de depender da coerção implícita. - Processar tipos de exportação ou federados não compatíveis. Ao executar
EXPORT DATAou consultas federadas em tipos complexos ou geográficos não compatíveis (comoGEOGRAPHY,INTERVALouBIGNUMERIC), escolha uma das seguintes opções:- Converta a coluna em
STRINGna listaSELECT. - Mude o formato
EXPORT DATAparaAVROouPARQUETpara preservar a fidelidade do tipo.
- Converta a coluna em
Restrições de recursos e arquitetura
Strings de erro:
Invalid table-valued function FUNCTION_NAMEouMissing required option OPTION_NAMEUnsupported aggregate function in materialized viewCannot query over table 'TABLE_NAME' without a filter over column(s) 'COLUMN_NAME' that can be used for partition eliminationUPDATE/MERGE must match at most one source row for each target rowInvalid snapshot timeToo many nested views/persistent user-defined functions...Too many partitions produced by query, allowed LIMIT, query produces at least COUNT partitionsResource exhausted. The model might be too large.
Para resolver erros de restrição de recursos, DDL e consulta, faça o seguinte:
- Verifique o
OPTIONS(...)obrigatório nas instruções DDL. Ao criar tabelas externas, funções remotas ou modelos, verifique se todas as opções necessárias (comoformateurispara tabelas externas) estão especificadas com tipos válidos na cláusulaOPTIONS. Consulte Instruções de linguagem de definição de dados (DDL). - Verifique as limitações de SQL da visualização materializada. As visualizações materializadas são compatíveis com um
subconjunto restrito de agregações SQL e não podem referenciar funções não determinísticas,
como
CURRENT_DATE(),RAND()ouSESSION_USER(). Consulte Visualizações materializadas compatíveis. - Inclua os filtros de partição necessários. Se a tabela de destino aplicar
require_partition_filter = true, inclua um predicadoWHEREna coluna de particionamento que pode remover partições. Consulte Consultar tabelas particionadas. - Eliminar duplicação
UPDATEouMERGEde linhas de origem. Se uma instruçãoUPDATEouMERGEfalhar porque várias linhas de origem correspondem a uma única linha de destino, agregue ou elimine a duplicação da origemFROMouUSING(por exemplo, usandoGROUP BYouQUALIFY ROW_NUMBER() OVER (...) = 1). Consulte Limitações de DML. - Fique dentro dos limites de partição e do modelo do BigQuery ML. Se uma
consulta falhar com o erro
Too many partitions produced by query, allowed LIMIT, query produces at least COUNT partitions, divida-a em lotes menores que modifiquem no máximo 4.000 partições por job. Também é possível usar um particionamento mais amplo, como mensal em vez de diário, com clustering para que cada job modifique menos partições e a tabela permaneça dentro do limite de 10.000 partições. Se uma instruçãoCREATE MODELfalhar com o erroResource exhausted. The model might be too large, reduza os recursos de entrada, agrupe ou filtre valores categóricos de alta cardinalidade ou simplifique a arquitetura do modelo ao criar um modelo do BigQuery ML. Por exemplo, reduza a profundidade da árvore ou o número de árvores ou unidades ocultas. - Verifique os limites de viagem no tempo, aninhamento de visualizações e subconsultas. Dependendo da
mensagem de erro, consulte uma das seguintes seções:
FOR SYSTEM_TIME AS OFfora da janela de retenção. Consulte Hora inválida do snapshot.- Visualizações ou rotinas que excedem o limite de 16 níveis de profundidade de aninhamento. Consulte Muitas visualizações aninhadas ou funções definidas pelo usuário persistentes.
- Subconsultas correlacionadas não compatíveis. Consulte Subconsultas correlacionadas.
Estado de execução e restrições de simultaneidade
Strings de erro:
Concurrent conflicting update to DML transaction conflictouCould not serialize access to table TABLE_NAME due to concurrent updateTransaction is aborted due to concurrent update against table TABLE_NAMEUPDATE or DELETE statement over table TABLE_NAME would affect rows in the streaming buffer, which is not supported
Para resolver erros de estado de execução e simultaneidade, consulte a seção dedicada à sua mensagem de erro:
- DML simultânea ou conflitos de transação. Consulte Instruções DML conflitantes e Transação cancelada devido à atualização simultânea.
- DML em tabelas com buffers de streaming ativos. Consulte Instruções DML em tabelas com um buffer de streaming.
Hora inválida do snapshot
String de erro: Invalid snapshot time
Esse erro pode ocorrer ao tentar consultar dados históricos que estão fora da janela de viagem no tempo para o conjunto de dados. Para solucionar esse erro, mude a consulta para acessar dados históricos na janela de viagem no tempo do conjunto de dados.
Esse erro também pode aparecer se uma das tabelas usadas na consulta for descartada e recriada depois que a consulta for iniciada. Verifique se há uma consulta programada ou um aplicativo que execute essa operação que foi executada ao mesmo tempo que a consulta com falha. Se houver, tente mover o processo que executa a operação de soltar e recriar para ser executado em um horário que não entre em conflito com as consultas que leem essa tabela.
O job já existe
String de erro: Already Exists: Job <job name>
Esse erro pode ocorrer em jobs de consulta que precisam avaliar matrizes grandes. Assim, a criação de um job de consulta leva mais tempo que a média. Por exemplo, uma
consulta com uma cláusula WHERE como WHERE column IN (<2000+ elements array>).
Para corrigir esse erro, siga estas etapas:
- Permita que o BigQuery gere um
valor
jobIdaleatório em vez de especificar um. - Use uma consulta parametrizada para carregar a matriz.
Esse erro também pode ocorrer quando você define manualmente um ID da tarefa, mas a tarefa não retorna sucesso dentro de um período de tempo limite. Nesse caso, é possível adicionar um gerenciador de exceções para verificar se o job existe. Se sim, é possível extrair os resultados da consulta do job.
Job não localizado
String de erro: Job not found
Esse erro pode ocorrer em resposta a uma
chamada getQueryResults,
em que nenhum valor é especificado para o campo location. Se esse for o caso,
tente ligar novamente e forneça um valor location.
Para mais informações, consulte Evitar várias avaliações das mesmas expressões de tabela comum (CTEs).
Local não encontrado
String de erro: Dataset [project_id]:[dataset_id] was not found in location [region]
Esse erro é retornado quando você se refere a um recurso de conjunto de dados que não existe ou quando o local na solicitação não corresponde ao local do conjunto de dados.
Para resolver esse problema, especifique o local do conjunto de dados na consulta ou confirme se ele está disponível no mesmo local.
A consulta excede o limite de tempo de execução
Strings de erro:
Query fails due to reaching the execution time limitOperation timed out after 6.0 hours. Consider reducing the amount of work performed by your operation so that it can complete within this limit.Dry run query timed out.Request timed out. Please try again. at [LINE:COLUMN]BigQuery external table schema detection timed out.
Esse erro HTTP 400 Bad Request (reason: timeout) ocorre quando uma operação
excede o limite de tempo de execução. Se um job exceder um valor personalizado de configuration.jobTimeoutMs que você configurou, o BigQuery vai cancelar o job e retornar reason: stopped (consulte A execução do job foi cancelada).
Use a mensagem de erro para identificar o subtipo e a resolução:
Limite de tempo de execução de consulta ou simulação (
Operation timed out after 6.0 hoursouDry run query timed out.): reduza a quantidade de trabalho realizada pela operação para que ela seja concluída dentro do limite de tempo de execução de consulta de 6 horas. Por exemplo, filtrando colunas particionadas ou em cluster, simplificando mesclagens complexas ou dividindo consultas grandes em etapas menores. Também é possível comparar o tempo de execução de execuções anteriores consultando a visualizaçãoINFORMATION_SCHEMA.JOBS:SELECT TIMESTAMP_DIFF(end_time, start_time, SECOND) AS runtime_in_seconds FROM `region-us`.INFORMATION_SCHEMA.JOBS WHERE statement_type = 'QUERY' AND query = "my query string";
Se as execuções anteriores tiverem demorado muito menos tempo, use os insights de desempenho da consulta para diagnosticar a regressão.
Tempo limite do job filho de consulta de várias instruções (
Request timed out. Please try again. at [LINE:COLUMN]): uma instrução dentro de uma consulta de várias instruções atingiu o limite de tempo de execução de 6 horas ou expirou. Inspecione a linha e a coluna informadas ou enumere os jobs filhos para identificar e otimizar a instrução que expirou.Tempo limite de detecção automática do esquema da tabela externa (
BigQuery external table schema detection timed out.): a detecção automática do esquema expirou ao criar ou atualizar uma tabela externa. Especifique um esquema explícito em vez de depender da detecção automática, restrinja os URIs de origem para que correspondam a menos arquivos ou crie a tabela usando uma instrução DDLCREATE EXTERNAL TABLE.
A consulta excede o limite máximo de bytes faturados
String de erro: Query exceeded limit for bytes billed: LIMIT_BYTES. REQUIRED_BYTES or higher required.
Esse erro HTTP 400 Bad Request (reason: bytesBilledLimitExceeded) ocorre
quando a estimativa de pré-execução de bytes a serem faturados para uma consulta
(REQUIRED_BYTES) excede o limite de bytes configurado em
maximumBytesBilled
(LIMIT_BYTES). O BigQuery falha no job
antes da execução e não cobra pela consulta.
Como os preços sob demanda
aplicam um mínimo de 10 MB (10,485,760 bytes) por tabela referenciada, e
a estimativa de pré-execução para tabelas em cluster calcula um limite superior em
todas as partições correspondentes antes que a remoção do cluster ocorra,
REQUIRED_BYTES pode ser maior do que os bytes reais
verificados quando a consulta é executada.
Para resolver o problema, siga um destes procedimentos:
- Visualize os bytes estimados com uma simulação. Faça uma
simulação (
bq query --dry_runna CLI bq ouconfiguration.dryRun = truena API) ou verifique o validador de consulta no console do Google Cloud para inspecionartotalBytesProcessedantes de executar a consulta. - Otimize a consulta para verificar menos bytes. Selecione apenas as colunas necessárias para a consulta em vez de executar
SELECT *e filtre as colunas particionadas para que o BigQuery possa remover partições durante a estimativa de pré-execução. A filtragem em colunas em cluster reduz os bytes reais cobrados quando a consulta é executada, mas não reduz a estimativa de limite superior pré-execução verificada em relação amaximumBytesBilled. Para mais informações, consulte Reduzir tratamento de dados. - Aumente o limite de
maximumBytesBilled. Defina o limite de bytes demaximumBytesBilledcomo um valor igual ou superior ao valor deREQUIRED_BYTESinformado na mensagem de erro usando Máximo de bytes faturados (em Configurações de consulta > Opções avançadas) no console do Google Cloud , a flag--maximum_bytes_billedna CLI bq ou a propriedade de configuração de jobconfiguration.query.maximumBytesBilledna API.
A resposta da consulta é muito grande
String de erro: responseTooLarge
Esse erro ocorre quando os resultados da consulta são maiores do que o tamanho máximo da resposta ou quando uma única linha excede o limite de tamanho de linha da API REST.
Algumas consultas são executadas em várias etapas, e esse erro ocorre quando qualquer etapa
retorna um tamanho de resposta muito grande, mesmo que o resultado final seja menor
que o máximo. Esse erro costuma ocorrer quando as consultas usam uma cláusula ORDER BY. Remover a cláusula ORDER BY ou adicionar uma cláusula LIMIT às vezes pode ser útil. Para garantir que resultados grandes retornem, especifique uma tabela de destino na
configuração do job. Para consultas SQL legadas, também é necessário definir a propriedade configuration.query.allowLargeResults como true. Para mais
informações, consulte
Como gravar resultados de consulta extensos.
O limite de tamanho da resposta de uma única linha foi excedido
Strings de erro:
Response too large to return. Message before conversion exceeds max row limit, limit: LIMIT actual: ACTUALResponse too large to return. single row too big to return due to byte limit, actual: ACTUAL limit: LIMIT
Esse erro HTTP 403 Forbidden (reason: responseTooLarge) ocorre quando você
lê resultados de consulta ou linhas de tabela usando os métodos da API REST
jobs.getQueryResults
ou tabledata.list (incluindo a exibição de resultados no console do Google Cloud ou na
ferramenta de linha de comando bq), e uma única linha serializada não aninhada excede o tamanho máximo de linha
compatível com o endpoint de paginação REST
(20 MB para jobs.getQueryResults
ou 100 MB para tabledata.list).
Isso geralmente acontece em tabelas com esquemas amplos, campos ARRAY ou STRUCT repetidos
profundamente aninhados ou valores STRING ou BYTES grandes.
Para ler linhas que excedem os limites de tamanho de linha da API REST, faça o seguinte:
- Use a API BigQuery Storage Read. Leia a tabela ou a tabela de destino da consulta temporária usando a API Storage Read, que transmite dados no formato binário Apache Arrow ou Avro e é compatível com leituras de alta capacidade de processamento de estruturas de linha grandes e complexas.
- Exportar a tabela para o Cloud Storage. Exporte os resultados da tabela ou da consulta
para o Cloud Storage usando uma
instrução
EXPORT DATAou um job de extração (por exemplo, no formato Avro, Parquet ou JSON) e leia os arquivos exportados do Cloud Storage. - Projete ou agregue menos colunas. Em vez de executar
SELECT *, selecione apenas as colunas ou subcampos específicos exigidos pelo aplicativo ou remova o aninhamento de matrizes repetidas na consulta para que as linhas de saída individuais permaneçam abaixo do limite de tamanho.
Parâmetro obrigatório ausente
String de erro: Required parameter is missing: PARAMETER_NAME
Esse erro de HTTP 400 Bad Request (reason: required) é um erro de validação de API pré-execução que ocorre quando um campo obrigatório em um payload de solicitação de API ou URL não é fornecido ou quando uma propriedade obrigatória em um objeto de configuração da biblioteca de cliente é null ou None.
Para resolver esse erro, faça o seguinte:
- Confira a referência da API REST. Inspecione o
PARAMETER_NAMEna mensagem de erro e revise o corpo da solicitação e os parâmetros de consulta obrigatórios para o método na referência da API REST do BigQuery para garantir que o código preencha todos os campos obrigatórios. - Verifique os parâmetros da biblioteca de cliente. Se você usa uma biblioteca de cliente do BigQuery (como a biblioteca de cliente Java ou Python), verifique a documentação da biblioteca de cliente para ver os parâmetros necessários do método que você está chamando.
- Inspecione o objeto de configuração antes de chamar a API. Use um depurador
ou uma log statement para inspecionar o objeto de configuração do job ou da solicitação
imediatamente antes da execução da chamada de API e verifique se há valores
Noneounullatribuídos a propriedades obrigatórias, comodestinationTable.
A reserva não foi encontrada ou não tem slots
String de erro: Cannot run query: project does not have the reservation in the data region or no slots are configured
Esse erro ocorre quando a reserva atribuída ao projeto na região da consulta tem zero slots atribuídos. É possível adicionar slots à reserva, permitir que ela use slots inativos, usar uma reserva diferente ou remover a atribuição e executar a consulta sob demanda.
Tabela não encontrada
String de erro: Not found: Table [project_id]:[dataset].[table_name] was not found in location [region]
Esse erro ocorre quando uma tabela na consulta não é encontrada no conjunto de dados ou na região que você especificou. Para resolver esse erro, faça o seguinte:
- Verifique se a consulta contém o projeto, o conjunto de dados e o nome da tabela corretos
e se o identificador usa as letras maiúsculas e minúsculas exatas (consulte
Diferenciação de maiúsculas e minúsculas).
Se a consulta omitir o ID do projeto, o BigQuery usará como padrão o projeto de faturamento que executa o job. Especifique o
PROJECT_ID.DATASET_ID.TABLE_NAMEtotalmente qualificado ao consultar tabelas em outro projeto. - Verifique se a tabela existe no local em que a consulta é executada. Por
padrão, todos os conjuntos de dados que uma consulta lê ou grava precisam estar no
mesmo local que o job de consulta. Se você definir o local do job (por exemplo, com a sinalização
--locationou a propriedadelocationna referência do job), verifique se ele corresponde ao local dos conjuntos de dados. Uma região única, comous-central1, não corresponde a uma multirregião, comoUS. Para mais informações, consulte Especificar locais. - Para consultar tabelas em locais diferentes em uma única consulta, use consultas globais (pré-lançamento). As consultas globais precisam estar ativadas para o projeto que executa a consulta e para o projeto que contém os dados, e não são compatíveis com o modo sandbox.
- Verifique se a tabela ou o conjunto de dados expirou ou foi excluído consultando
INFORMATION_SCHEMA.TABLE_STORAGEou inspecionando os Registros de Auditoria do Cloud em busca de eventosDeleteTableouInternalTableExpired. Se a tabela foi excluída dentro da janela de viagem no tempo (até sete dias), é possível restaurar a tabela excluída. Se o conjunto de dados pai também tiver sido excluído, recrie um conjunto de dados vazio com o mesmo nome e local antes de copiar o snapshot histórico. - Se você estiver consultando uma tabela de resultados em cache anônima em um conjunto de dados oculto
que começa com um sublinhado (
_), as tabelas de resultados em cache expiram após aproximadamente 24 horas. Execute novamente a consulta original ou grave a saída em uma tabela de destino persistente. - Se você estiver consultando uma tabela externa com suporte do Cloud Storage ou do Google Drive, verifique se os arquivos de origem subjacentes ainda existem no caminho do URI configurado (
Not found: URI,Not found: UrisouNot found: Files). - Verifique se a tabela não foi descartada e recriada durante a execução do job. Caso contrário, a propagação incompleta de metadados pode causar esse erro.
Muitas instruções DML
String de erro: Too many DML statements outstanding against <table-name>, limit is 20
Esse erro ocorre quando você excede o limite de 20 instruções DML mutantes
no status PENDING em uma fila para uma única tabela. Esse erro geralmente ocorre quando você envia jobs DML em uma única tabela mais rapidamente do que o BigQuery pode processar.
Para verificar os jobs no status PENDING que preenchem a fila, além dos jobs RUNNING que podem estar impedindo que eles sejam removidos da fila, consulte a visualização INFORMATION_SCHEMA.JOBS:
SELECT
project_id,
job_id,
creation_time,
user_email,
statement_type,
state
FROM
`region-us`.INFORMATION_SCHEMA.JOBS
WHERE
statement_type IN ('UPDATE', 'DELETE', 'MERGE', 'TRUNCATE_TABLE')
AND state IN ('RUNNING', 'PENDING')
ORDER BY
creation_time DESC;
Uma solução possível é agrupar várias operações DML menores em jobs maiores, mas com menos jobs. Por exemplo, agrupando atualizações e inserções em lote. Quando você agrupa jobs menores em jobs maiores, o custo para executá-los é amortizado e a execução é mais rápida. A consolidação de instruções DML que afetam os mesmos dados geralmente melhora a eficiência dos jobs DML e tem menor probabilidade de exceder o limite de cota de tamanho de fila. Para mais informações sobre como otimizar suas operações DML, consulte Evitar instruções DML que atualizam ou inserem linhas únicas.
Outras soluções para melhorar a eficiência da DML podem ser particionar ou agrupar as tabelas. Para saber mais, consulte Práticas recomendadas.
Erro 403: cota excedida
String de erro: 403 Quota exceeded: Your table exceeded quota for total number of
DML jobs writing to a table, pending + running.
Esse erro ocorre quando o número total de jobs de DML (INSERT, UPDATE,
DELETE e MERGE) que gravam em uma única tabela, nos estados PENDING e RUNNING,
excede a cota de simultaneidade da tabela.
Enquanto o erro limit is 20 restringe especificamente a fila PENDING para
instruções DML de mutação (UPDATE, DELETE e MERGE), o erro 403 Quota
exceeded se aplica ao total combinado de todos os jobs de DML (INSERT mais
DML de mutação) que gravam em uma tabela simultaneamente. Como a DML de mutação já está
limitada pelo limite de fila de 20 jobs, esse erro de cota 403 ocorre com mais frequência quando
você envia muitas consultas INSERT simultâneas em uma única tabela. Para
resolver esse erro, faça o seguinte:
- Aumentar os slots de reserva: aumente o número de slots na sua reserva para ajudar os jobs a serem concluídos mais rapidamente e reduzir a simultaneidade de jobs. Isso reduz o número de jobs pendentes na fila e ajuda a evitar que o limite seja atingido.
- Otimize a orquestração do fluxo de trabalho: limite o número de tarefas DML simultâneas
na ferramenta de orquestração para evitar exceder os limites de simultaneidade no nível da tabela
(incluindo consultas
INSERTde alta frequência que segmentam a mesma tabela). - Operações DML em lote: combine várias instruções DML menores em menos instruções maiores para reduzir o número total de jobs na fila da tabela.
Muitas visualizações aninhadas ou funções definidas pelo usuário persistentes
String de erro: Too many nested views/persistent user-defined functions or possible circular reference of views/persistent user-defined functions referenced in query. Only 16 levels of nested views/persistent user-defined functions are allowed.
Esse erro de HTTP 400 Bad Request (reason: invalidQuery) ocorre quando uma consulta ou uma criação de visualização faz referência a uma cadeia de visualizações ou funções definidas pelo usuário (UDFs) permanentes que excede a profundidade máxima de aninhamento de 16 níveis ou quando uma consulta faz referência a visualizações ou UDFs que se referenciam em um loop de dependência circular (por exemplo, view_a consulta view_b, que consulta view_a). Para detalhes sobre os limites de visualização e rotina, consulte Limites de visualização e Limites de UDF. Para erros causados por exceder o limite de 15 níveis de aninhamento em colunas STRUCT (RECORD), arquivos de carregamento ou tipos de retorno e argumento de rotina aninhados, consulte Resolver erros de limite de aninhamento de esquema, arquivo e rotina.
É possível criar visualizações aninhadas em até 16 níveis, mas as consultas só podem referenciar visualizações aninhadas em até 15 níveis.
Esse limite não pode ser aumentado. Para resolver esse erro, faça o seguinte:
- Verifique se há referências circulares. Inspecione as definições das visualizações e UDFs persistentes na cadeia de consultas para verificar se nenhuma visualização ou função faz referência direta ou indireta a si mesma.
- Consolide as visualizações aninhadas. Refatore cadeias de visualizações aninhadas combinando
a lógica intermediária em expressões de tabela comuns (cláusulas
WITH) em uma única visualização ou consulta. - Materializar camadas intermediárias. Substitua as camadas intermediárias em uma hierarquia de visualização profunda por consultas programadas que gravam em tabelas físicas ou use visualizações materializadas, quando compatível.
Transação cancelada devido a uma atualização simultânea
String de erro: Transaction is aborted due to concurrent update against table [table_name]
Esse erro pode ocorrer quando duas instruções DML mutantes diferentes tentam atualizar simultaneamente a mesma tabela. Por exemplo, suponha que você inicie uma transação em uma sessão que contenha uma instrução DML mutante seguida por um erro. Se não houver um gerenciador de exceções, o BigQuery reverterá automaticamente a transação quando a sessão terminar, o que leva até 24 horas. Durante esse período, outras tentativas de executar uma instrução DML de mutação na tabela vão falhar.
Para resolver esse erro,
liste as sessões ativas e verifique
se alguma delas contém um job de consulta com o status ERROR que executou
uma instrução DML de mutação na tabela. Reverta a transação não confirmada
executando ROLLBACK TRANSACTION; nessa sessão ou
encerre essa sessão executando
CALL BQ.ABORT_SESSION(SESSION_ID);. Para evitar que transações com várias instruções com falha mantenham bloqueios de tabela até que a sessão expire, inclua um gerenciador EXCEPTION WHEN ERROR THEN ROLLBACK TRANSACTION; nas suas transações com várias instruções.
Erro 412: o job faz referência a uma tabela que pertence a um conjunto de dados de failover
String de erro: Error 412: The job references a table that belongs to a failover dataset in the ... region (PROJECT_ID:DATASET_ID). However, only jobs that run on a reservation with the "ENTERPRISE_PLUS" edition can modify or write to failover datasets. Please also make sure that the job that is writing to the failover dataset is running in the current primary location.
Isso significa que o job não foi executado em uma edição BigQuery Enterprise Plus ou foi executado em uma região diferente do local principal do conjunto de dados de failover. Consulte recuperação de desastres gerenciada para mais detalhes.
Erro ao carregar a visualização ao usar resultados em cache
String de erro: BigQuery data export: There was an error loading this view. IAM
setPolicy failed for Dataset <PROJECT_ID>. One or more users named in the policy
do not belong to a permitted customer.
Esse erro indica que os ID de cliente do Google Workspace não receberam
acesso na restrição da política da organização. Para informações sobre
como usar a restrição iam.allowedPolicyMemberDomains, consulte
Usar a restrição iam.allowedPolicyMemberDomains para implementar o compartilhamento
restrito de domínio.
Erros do SQL legado
Os erros a seguir podem surgir ao usar o SQL legado.
Cannot be queried with legacy SQL
String de erro: cannot be queried with legacy SQL. Please consider switching to standard SQL
Esse erro pode ocorrer em um dos dois cenários:
A consulta foi escrita em SQL padrão, mas a opção de usar explicitamente o SQL legado foi provisionada. Execute a consulta usando o SQL padrão, seguindo a documentação pública, por exemplo, fornecendo
--use_legacy_sql=falseusando a ferramenta de linha de comando bq.Você está tentando consultar uma tabela com ordenação usando o SQL legado, que não é compatível.
Não é possível consultar tabelas com colunas renomeadas usando o SQL legado.
String de erro: Table project:dataset.table with renamed columns cannot be queried with legacy SQL. Please consider switching to standard SQL or dropping column my_column
Esse erro ocorre se você consultar uma tabela com uma coluna renomeada usando o SQL legado. Em vez disso, use o SQL padrão.
O usuário não tem permissão
Strings de erro:
Access Denied: Project [project_id]: User does not have bigquery.jobs.create permission in project [project_id].User does not have permission to query table project-id:dataset.table.Access Denied: User does not have permission to query table or perhaps it does not exist.
Esses erros podem ocorrer quando você executa uma consulta sem a permissão bigquery.jobs.create
no projeto em que está executando a consulta, independentemente das
suas permissões no projeto que contém os dados.
Você também poderá receber esses erros se a conta de serviço, o usuário ou o grupo
não tiver a permissão bigquery.tables.getData em todas as tabelas e visualizações
referenciadas pela consulta. Para mais informações sobre as permissões necessárias
para executar uma consulta, consulte Papéis
necessários.
Esse erro também poderá ocorrer se a tabela não existir na região consultada,
como asia-south1. Para verificar a região, examine o local do conjunto de dados.
Ao corrigir esses erros, considere o seguinte:
Contas de serviço: as contas de serviço precisam ter a permissão
bigquery.jobs.createno projeto em que são executadas e a permissãobigquery.tables.getDataem todas as tabelas e visualizações referenciadas pela consulta.Funções personalizadas: as funções personalizadas do IAM precisam ter a permissão
bigquery.jobs.createexplicitamente incluída na função relevante e a permissãobigquery.tables.getDataem todas as tabelas e visualizações referenciadas pela consulta.Conjuntos de dados compartilhados: ao trabalhar com conjuntos de dados compartilhados em um projeto separado, talvez você ainda precise da permissão
bigquery.jobs.createno projeto para executar consultas ou jobs nesse conjunto de dados.
Para conceder permissão de acesso a uma tabela ou visualização, consulte Conceder acesso a uma tabela ou visualização.
Permissão bigquery.reservations.use negada na reserva
String de erro:
Access Denied: Reservation projects/project/locations/region/reservations/reservation_name: Permission bigquery.reservations.use denied on reservation projects/project/locations/region/reservations/reservation_name (or it may not exist)
Esse erro ocorre quando uma consulta é atribuída para ser executada em uma reserva específica
usando a instrução SET @@reservation e a conta de usuário ou de serviço
não tem a permissão bigquery.reservations.use. É possível inspecionar a
falha no Cloud Logging ou na página de jobs do BigQuery para identificar
qual principal tentou realizar essa operação.
Outros erros de Access Denied
Strings de erro:
Access Denied: Dataset project_id:dataset_id: Permission bigquery.datasets.get denied on dataset project_id:dataset_id (or it may not exist).Access Denied: Dataset project_id:dataset_id: Permission bigquery.datasets.update denied on dataset project_id:dataset_id (or it may not exist).Access Denied: BigQuery BigQuery: User does not have permission to access data protected by policy tag
Para resolver erros gerais de Access Denied no BigQuery, use a
Análise de políticas para
determinar o acesso de um principal a um recurso.
Na Análise de Políticas, forneça o recurso do BigQuery
que você está tentando acessar (por exemplo, //bigquery.googleapis.com/projects/YOUR_PROJECT/datasets/YOUR_DATASET/tables/YOUR_TABLE)
e o e-mail do usuário ou da conta de serviço que está recebendo o erro Access Denied
como principal. A análise mostra as permissões do principal no
recurso, que podem ser comparadas com as permissões ausentes na mensagem de
erro.
A criptografia de destino não é compatível com scripts
String de erro: configuration.query.destinationEncryptionConfiguration cannot be set for scripts
Esse erro ocorre ao tentar definir a configuração de criptografia de destino para um job de script do BigQuery, que não é compatível.
Acesso negado pela política da organização
String de erro:
IAM setPolicy failed for Dataset DATASET: Operation
denied by org policy on resource.
Esse erro ocorre quando uma política da organização impede que o principal consulte um recurso do BigQuery. O serviço de políticas da organização permite que você aplique restrições aos recursos compatíveis em toda a hierarquia da organização.
Se o principal precisar ter acesso ao recurso, use as ferramentas de solução de problemas de VPC disponíveis para diagnosticar o problema com a política da organização.
Problemas com recursos excedidos
Os seguintes problemas ocorrem quando o BigQuery não tem recursos suficientes para concluir sua consulta.
A consulta excede os recursos da CPU
String de erro: Query exceeded resource limits. This query used
CPU_SECONDS_USED CPU seconds but would charge only
ANALYSIS_MEGABYTES_BILLEDM Analysis bytes. This exceeds the ratio
supported by the on-demand pricing model. Please consider moving this workload
to a capacity-based pricing model, which does not have this limit.
CPU_SECONDS_USED CPU seconds were used, and this query must use less
than CPU_SECONDS_LIMIT CPU seconds.
Esse erro (billingTierLimitExceeded) ocorre quando uma consulta que usa preços on demand excede o limite máximo de uso da CPU por dados verificados de aproximadamente 256 segundos de CPU por MiB de dados verificados. Isso acontece quando uma consulta sob demanda realiza operações que exigem muita CPU, como operações CROSS
JOIN sem restrições, condições de mesclagem imprecisas, expressões regulares complexas, funções de janela analítica não particionadas ou UDFs de JavaScript computacionalmente pesadas, em uma quantidade relativamente pequena de dados verificados.
Para resolver esse erro, siga um destes procedimentos:
- Otimize a consulta. Refatore o SQL para reduzir a sobrecarga de computação em relação
aos dados verificados, por exemplo, removendo produtos cartesianos não intencionais (operações
CROSS JOINsem filtragem), substituindo predicados de mesclagem imprecisos, simplificando expressões regulares complexas, adicionando cláusulasPARTITION BYa funções de janela em grandes janelas não particionadas ou otimizando UDFs do JavaScript. Para mais informações, consulte Evitar padrões anti-SQL, Introdução à otimização do desempenho da consulta e Resolver problemas de recursos excedidos. - Mudar para os preços baseados em capacidade. Execute a carga de trabalho usando preços com base na capacidade (slots). No preço com base na capacidade, as consultas não estão sujeitas ao limite de proporção de CPU por byte sob demanda.
A consulta excede os recursos de memória
String de erro: Resources exceeded during query execution: The query could not be executed in the allotted memory
Para
instruções SELECT,
esse erro ocorre quando a consulta usa muitos recursos.
Para corrigir esse erro, consulte Resolver problemas de recursos excedidos.
Sem espaço na pilha
String de erro: Out of stack space due to deeply nested query expression during query resolution.
Esse erro pode ocorrer quando uma consulta contém muitas chamadas de função aninhadas.
Às vezes, partes de uma consulta são traduzidas para chamadas de função durante a análise.
Por exemplo, uma expressão com
operadores de concatenação repetidos,
como
A || B || C || ...CONCAT(A, CONCAT(B, CONCAT(C, ...)))
Para resolver esse erro, reescreva a consulta para reduzir o número de aninhamentos.
Recursos excedidos durante a execução da consulta
String de erro: Resources exceeded during query execution: The query could not be executed in the allotted memory. Peak usage: [percentage]% of limit. Top memory consumer(s): ORDER BY operations.
Isso pode acontecer com consultas ORDER BY ... LIMIT ... OFFSET .... Devido a detalhes de implementação, a classificação pode ocorrer em uma única unidade de computação, que pode ficar sem memória se precisar processar muitas linhas antes que LIMIT e OFFSET sejam aplicados, principalmente com um OFFSET grande.
Para corrigir esse erro, evite valores OFFSET grandes em consultas ORDER BY ... LIMIT. Como alternativa, use a função de janela escalonável ROW_NUMBER() para atribuir classificações com base na ordem escolhida e, em seguida, filtre essas classificações em uma cláusula WHERE. Exemplo:
SELECT ...
FROM (
SELECT ROW_NUMBER() OVER (ORDER BY ...) AS rn
FROM ...
)
WHERE rn > @start_index AND rn <= @page_size + @start_index -- note that row_number() starts with 1
Worker do TensorFlow sem memória
String de erro: Resources exceeded during query execution: TENSORFLOW worker out
of memory.
Os modelos que excedem o limite de memória (normalmente 250 MB), principalmente ao usar
funções que consomem muitos recursos, como ML.EXPLAIN_PREDICT, podem acionar esse erro.
Para resolver esse erro, faça o seguinte:
Usar modelos remotos da Gemini Enterprise Agent Platform: para modelos que excedem os limites de memória, implante o modelo na Agent Platform usando as etapas do SDK da Vertex AI para Python para implantar um modelo e, em seguida, acesse-o usando modelos remotos. Isso transfere os requisitos de memória para a infraestrutura dedicada da Plataforma de Agentes.
Otimizar o modelo: reduza o consumo de RAM do modelo usando simplificação de arquitetura, quantização ou remoção.
Use funções menos intensivas: se o erro ocorrer durante uma chamada
ML.EXPLAIN_PREDICT, tente executar o job comML.PREDICTpara determinar se o modelo pode ser executado sem a sobrecarga extra dos recursos de explicabilidade.Analise o tamanho dos dados de entrada: linhas individuais grandes podem contribuir para o esgotamento da memória. Verifique o tamanho das maiores linhas usando:
SELECT BYTE_LENGTH(TO_JSON_STRING(t)) AS row_size FROM your_table AS t ORDER BY row_size DESC LIMIT 10
A consulta excede os recursos de embaralhamento
String de erro: Resources exceeded during query execution: Your project or organization exceeded the maximum disk and memory limit available for shuffle operations
Esse erro ocorre quando uma consulta não pode acessar recursos suficientes do embaralhamento.
Para solucionar esse erro, provisione mais slots ou reduza a quantidade de tratamento de dados processados pela consulta. Para mais informações sobre como fazer isso, consulte Cota de embaralhamento insuficiente.
Se você estiver usando o modelo de preços sob demanda, o limite é de 2.000 slots. Para aumentar o número de slots, mude para um modelo de preços baseado em capacidade.
Para mais informações sobre como resolver esses problemas, consulte Resolver problemas de recursos excedidos.
A consulta é muito complexa
Strings de erro:
Resources exceeded during query execution: Not enough resources for query planning - too many subqueries or query is too complex.Resources exceeded during query execution: Not enough resources for query planning - too many fields accessed or query is too complex.Resources exceeded during query execution: Not enough resources for query planning - query is too complex.Resources exceeded during query execution: The query is too complex.
Esse erro ocorre quando uma consulta é muito complexa depois que as visualizações, as cláusulas WITH e as funções definidas pelo usuário (UDFs) do SQL são expandidas durante o plano de consulta. As principais causas de complexidade são:
- Cláusulas
WITHque estão muito aninhadas ou são usadas de forma repetida. - Visualizações muito aninhadas ou usadas de forma repetida.
- Uso repetido do operador
UNION ALL. - UDFs SQL complexas ou tabelas referenciadas amplas em que muitas colunas foram adicionadas.
Para resolver esse erro, tente as seguintes opções:
- Divida a consulta em várias consultas e use a linguagem processual para executar essas consultas em uma sequência, com estado compartilhado.
- Use tabelas temporárias em vez de cláusulas
WITHou visualizações muito aninhadas. Consulte Evitar várias avaliações dos mesmos CTEs. - Reescreva sua consulta para reduzir o número de objetos, colunas e comparações referenciados.
É possível monitorar de maneira proativa as consultas que estão se aproximando do limite de complexidade
usando o campo query_info.resource_warning na
visualização INFORMATION_SCHEMA.JOBS.
O exemplo a seguir retorna consultas com alto uso de recursos nos
últimos três dias:
SELECT
ANY_VALUE(query) AS query,
MAX(query_info.resource_warning) AS resource_warning
FROM
<your_project_id>.`region-us`.INFORMATION_SCHEMA.JOBS
WHERE
creation_time > TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 3 DAY)
AND query_info.resource_warning IS NOT NULL
GROUP BY
query_info.query_hashes.normalized_literals
LIMIT
1000
Para mais informações sobre como resolver esses problemas, consulte Resolver problemas de recursos excedidos.
Resolver problemas de recursos excedidos
Para jobs de consulta:
Para otimizar suas consultas, siga estas etapas:
- Tente remover uma cláusula
ORDER BY(especialmente dentro de subconsultas ou cláusulasWITH), adicione uma cláusulaLIMITou pagine comROW_NUMBER() OVER (ORDER BY ...)em vez de umOFFSETgrande quandoTop memory consumer(s): ORDER BY operationsfor relatado. Consulte A consulta excede os recursos de memória. - Se a consulta falhar com
Top memory consumer(s): sort operations used for analytic OVER() clausesouanalytic OVER() clauses, reescreva-a para reduzir a quantidade de dados em cada partição de janela (adicione ou refine a chavePARTITION BY) ou substituaRANGE BETWEENpor um frame de janelaROWS BETWEENlimitado, quando aplicável. - Se a consulta usar
JOIN(ou falhar comTop memory consumer(s): JOIN operations), verifique se a tabela maior está à esquerda da cláusula e se os dados não contêm chaves de junção duplicadas. Se umCROSS JOINseguido porGROUP BYexceder a memória, salve o resultado intermediário doCROSS JOINem uma tabela temporária antes de executarGROUP BY. - Se uma instrução DML de mutação falhar com
Top memory consumer(s): sort operation used for table update (UPDATE/DELETE/MERGE), divida a instruçãoUPDATEouMERGEpara atualizar menos linhas ou colunas por vez (ou substitua umMERGEque useON FALSEpor umINSERTeDELETEdentro de uma transação de várias instruções). - Se a consulta falhar com
Top memory consumer(s): query parsing and optimization, armazene listas literais codificadas grandes em uma tabela temporária, em vez de inline no texto da consulta, ou divida a consulta em consultas menores. - Se a consulta falhar com
UDF out of memoryouTop memory consumer(s): non-SQL user-defined functions, evite acumular estado local excessivo em UDFs do JavaScript, processe dados de entrada em blocos menores ou reescreva a UDF usando UDFs do SQL ou funções integradas do GoogleSQL. Consulte Práticas recomendadas para UDFs em JavaScript. - Se a consulta usa
FLATTEN, determine se ele é necessário no caso de uso específico. Para mais informações, consulte dados aninhados e repetidos. - Se a consulta usa
EXACT_COUNT_DISTINCT, considere usarCOUNT(DISTINCT). - Se a consulta usa
COUNT(DISTINCT <value>, <n>)com um grande valor<n>, useGROUP BYem vez disso. Para ver mais informações, consulteCOUNT(DISTINCT). - Se a consulta usa
UNIQUE, utilizeGROUP BYem vez disso, ou use a função de janela dentro de uma subseleção. - Se a consulta materializar muitas linhas usando uma cláusula
LIMIT, considere filtrar em outra coluna, por exemplo,ROW_NUMBER(), ou remover a cláusulaLIMITcompletamente para permitir o carregamento em paralelo de gravação. - Se a consulta usou visualizações profundamente aninhadas e uma cláusula
WITH, isso pode causar um crescimento exponencial na complexidade, o que causará o atingimento dos limites. - Use tabelas temporárias em vez de cláusulas
WITH. Uma cláusulaWITHpode precisar ser recalculada várias vezes, o que pode tornar a consulta complexa e, portanto, lenta. Manter os resultados intermediários em tabelas temporárias reduz a complexidade. - Evite usar consultas
UNION ALL. - Se a consulta usar
MATCH_RECOGNIZE, modifique a cláusulaPARTITION BYpara reduzir o tamanho das partições ou adicione uma cláusulaPARTITION BY, se não houver uma. - Se o job falhar com o erro
Table TABLE_NAME will have N partitions when the job finishes, exceeding limit 10000, a conclusão dele excederá o limite de 10.000 partições da tabela de destino. Se um job de cópia com várias tabelas de origem falhar com o erroCOUNT partitions will be copied to the table TABLE_NAME, which exceeds the limit 10000 for number of partitions in the table, as tabelas de origem vão conter mais de 10.000 partições distintas. Verifique a contagem de partições da tabela emINFORMATION_SCHEMA.PARTITIONS, configure uma validade de partição, exclua explicitamente as partições desnecessárias ou use um particionamento mais amplo, como mensal em vez de diário, com clustering. As partições que expiraram recentemente podem levar algum tempo para serem refletidas na contagem de partições, a menos que você as exclua explicitamente. Se a consulta falhar com o erroToo many partitions produced by query, allowed LIMIT, query produces at least COUNT partitions, consulte Restrições de recursos e arquitetura. - Se o job falhar com o erro
Too many output columns, selecione apenas as colunas necessárias em vez de usarSELECT *ou reduza o número de colunas de saída e campos aninhados no resultado. Resultados amplos ou profundamente aninhados podem exceder o orçamento de memória para gravar a saída,mesmo abaixo do limite de 10.000 colunas. - Se o job falhar com o erro
Cloud KMS Error: Project 'PROJECT_NUMBER' exceeded limit for metric METRIC_NAME, como paracloudkms.googleapis.com/hsm_symmetric_requests, ao acessar tabelas protegidas por chaves de criptografia gerenciadas pelo cliente (CMEK), o job excedeu um limite de taxa do Cloud Key Management Service (Cloud KMS). Alterne ou reduza as consultas simultâneas em tabelas criptografadas por CMEK ou solicite um aumento de cota do Cloud KMS para a métrica nomeada na mensagem de erro. - Se o job falhar com o erro
Streaming read system resources exceeded, table: TABLE_NAME, tente novamente a consulta usando espera exponencial truncada. - Se uma consulta global falhar com o erro
Global query response is too large. Query returned more than BYTES bytes. Consider editing your query to return smaller results., uma subconsulta remota entre regiões excedeu o limite de transferência de dados entre regiões. Adicione filtrosWHEREe selecione apenas as colunas necessárias nas tabelas remotas para reduzir o tamanho do resultado da subconsulta transferido entre regiões. Também é possível criar uma visualização na região remota para encapsular expressões complexas ou retornar os camposSTRUCTnecessários como colunas individuais sem tiposSTRUCTpara que os filtros possam ser enviados. Como alternativa, divida a consulta em consultas menores com intervalos de filtro mais estreitos. - Se o job falhar com
Too many DML statements outstanding against table TABLE_NAME, limit is 20, agrupe várias instruçõesUPDATE,DELETEouMERGEmenores em menos jobs maiores ou particione e agrupe a tabela de destino. Consulte Muitas instruções DML e Muitas instruções DML pendentes na tabela. - Se o job falhar com
All our servers are busy processing data transferred between regions. Please try again shortly., tente novamente a consulta ou reduza a taxa simultânea de consultas de mesclagem entre nuvens (BigQuery Omni),CREATE TABLE AS SELECT,INSERT INTO SELECTouLOAD DATA(ou entre em contato com o suporte para solicitar um limite de taxa de consulta de transferência entre regiões mais alto). Consulte Limitações de mesclagem do BigQuery Omni e Carregar dados usando uma transferência entre nuvens. - Se o job falhar com
Google Sheets service overloaded for spreadsheet id: SPREADSHEET_ID, tente novamente a sobrecarga temporária do Google Planilhas ou copie os dados da planilha para uma tabela do BigQuery permanente (e reestruture as visualizações ou escalone as consultas programadas para reduzir as leituras simultâneas na mesma planilha). - Se uma consulta do BigQuery Omni falhar com
Response too large. Query returned ACTUAL_MBMB, and limit is LIMIT_MBMB., a saída da consulta excedeu o tamanho máximo do resultado da consulta do BigQuery Omni ou o limite de transferência entre nuvens. Filtre ou agregue sua consulta para retornar resultados menores ou use a instruçãoEXPORT DATApara exportar resultados grandes diretamente para o armazenamento externo em vez de uma tabela de destino.
Para saber mais, acesse os recursos a seguir:
- Otimizar a computação em consultas.
- Confira mais detalhes sobre o aviso de recurso
- Monitorar a integridade, a utilização de recursos e os jobs
Para jobs de carregamento:
Se você estiver carregando arquivos Avro ou Parquet, reduza o tamanho da linha. Verifique se há restrições de tamanho específicas para o formato do arquivo que você está carregando:
Se você receber esse erro ao carregar arquivos ORC, entre em contato com o suporte.
Para a API Storage:
String de erro: Stream memory usage exceeded
Durante uma chamada ReadRows da API Storage Read, alguns fluxos com alto uso da memória podem receber um erro RESOURCE_EXHAUSTED com essa mensagem.
Isso pode acontecer na leitura de tabelas largas ou com um esquema complexo. Como resolução, reduza o tamanho da linha de resultado selecionando menos colunas para ler (usando o parâmetro selected_fields) ou simplificando o esquema da tabela. ,
Resolver problemas de conectividade
As seções a seguir descrevem como resolver problemas de conectividade ao tentar interagir com o BigQuery:
DNS do Google na lista de permissões
Use a ferramenta Google IP Dig para resolver o endpoint de DNS do BigQuery bigquery.googleapis.com em um único IP de registro "A". Verifique se esse IP não está bloqueado nas configurações do firewall.
Em geral, recomendamos que você coloque os nomes de DNS do Google na lista de permissões. Os intervalos de IP compartilhados nos arquivos https://www.gstatic.com/ipranges/goog.json e https://www.gstatic.com/ipranges/cloud.json mudam com frequência. Por isso, recomendamos que você inclua os nomes de DNS do Google na lista de permissões. Confira uma lista de nomes DNS comuns que recomendamos adicionar à lista de permissões:
*.1e100.net*.google.com*.gstatic.com*.googleapis.com*.googleusercontent.com*.appspot.com*.gvt1.com
Identificar o proxy ou firewall que está descartando pacotes
Para identificar todos os saltos de pacotes entre o cliente e o Google Front End (GFE), execute um comando traceroute na máquina cliente que possa destacar o servidor que está descartando pacotes direcionados ao GFE. Confira um exemplo de comando traceroute:
traceroute -T -p 443 bigquery.googleapis.com
Também é possível identificar saltos de pacotes para endereços IP específicos do GFE se o problema estiver relacionado a um endereço IP específico:
traceroute -T -p 443 142.250.178.138
Se houver um problema de tempo limite do Google, a solicitação vai chegar até o GFE.
Se os pacotes nunca chegarem ao GFE, entre em contato com o administrador da rede para resolver o problema.
Gerar um arquivo PCAP e analisar seu firewall ou proxy
Gere um arquivo de captura de pacotes (PCAP) e analise-o para garantir que o firewall ou o proxy não esteja filtrando pacotes para IPs do Google e esteja permitindo que os pacotes cheguem ao GFE.
Veja um exemplo de comando que pode ser executado com a ferramenta tcpdump:
tcpdump -s 0 -w debug.pcap -K -n host bigquery.googleapis.com
Configurar novas tentativas para problemas de conectividade intermitente
Há situações em que os balanceadores de carga do GFE podem descartar conexões de um IP de cliente. Por exemplo, se ele detectar padrões de tráfego de DDoS ou se a instância do balanceador de carga estiver sendo reduzida, o que pode resultar na reciclagem do IP do endpoint. Se os balanceadores de carga do GFE encerrarem a conexão, o cliente precisará capturar a solicitação que expirou e repetir a solicitação para o endpoint de DNS. Não use o mesmo endereço IP até que a solicitação seja bem-sucedida, porque o endereço IP pode ter mudado.
Se você identificou um problema com tempos limite consistentes do Google em que as novas tentativas não ajudam, entre em contato com o Cloud Customer Care e inclua um novo arquivo PCAP gerado pela execução de uma ferramenta de captura de pacotes, como tcpdump.
Resolver problemas de API e de jobs de consulta
As seções a seguir fornecem instruções de solução de problemas para erros de job de consulta e API retornados pelo BigQuery.
Resolver erros de backendError
O erro backendError (HTTP 500, 502, 503 ou 504) indica que
o serviço está temporariamente indisponível devido a um aumento na demanda de serviço (redução de
carga), problemas intermitentes de conectividade de rede, esgotamento de recursos
internos ou um problema temporário de componente de back-end.
Para resolver esse erro:
- Tente novamente as chamadas
jobs.getejobs.insert: tente novamente a solicitação usando espera exponencial truncada:- Chamadas
jobs.get: se você receber um erro503ao pesquisarjobs.get, aguarde alguns segundos e pesquise novamente. Sejobs.getretornar um recurso de job concluído com um objeto de erro que contémbackendError, o job falhou e você pode tentar novamente com um novojobIdsem afetar a consistência dos dados (chamarjobs.getQueryResultsnovamente nojobIdcom falha retorna o mesmo erro). - Chamadas
jobs.insert: se você receber esse erro ao chamarjobs.insert, não será possível saber se o job foi bem-sucedido. Inspecione os jobs existentes antes de reenviar ou tente novamente usando umjobIdexclusivo.
- Chamadas
- Calcule a taxa de erro e encaminhe para o Cloud Customer Care: se os erros intermitentes persistirem em todas as solicitações, calcule a taxa geral de solicitações com falha e a porcentagem de tempo de atividade nos últimos 30 dias usando o Cloud Logging ou o Cloud Monitoring e compare-as com o SLA do BigQuery. Se
o tempo de atividade de 30 dias estiver abaixo do SLA,
entre em contato com o Cloud Customer Care com a
taxa de erro observada e os cálculos de tempo de atividade. Se uma solicitação ou um job específico falhar de forma persistente com um erro
5xxem novas tentativas de espera exponencial em várias tentativas de reinicialização do fluxo de trabalho, entre em contato com o Cloud Customer Care com os códigos da tarefa afetados, independentemente da taxa de erro geral, e comunique o impacto nos negócios.
Resolver erros de internalError
O erro internalError (HTTP 500) é retornado quando ocorre um erro interno
no BigQuery.
Para resolver esse erro:
- Aguarde de acordo com os requisitos de espera descritos no Contrato de nível de serviço (SLA) do BigQuery e tente novamente a operação usando a espera exponencial truncada.
- Reduza a frequência de erros internos temporários usando Reservas para capacidade de slot dedicado.
- Se o erro persistir após a nova tentativa, entre em contato com o Cloud Customer Care ou registre um bug usando o Issue Tracker do BigQuery.
Resolver problemas de erros jobBackendError e jobInternalError
Strings de erro:
The job encountered an error during execution. Retrying the job may solve the problem.(reason: jobBackendError)The job encountered an internal error during execution and was unable to complete.(reason: jobInternalError)
Esses erros HTTP 400 Bad Request ocorrem quando um job é criado e falha durante a execução com um backendError ou internalError. Quando você chama
jobs.query ou jobs.getQueryResults para recuperar os resultados desse job com falha,
o BigQuery retorna HTTP 400 com jobBackendError ou
jobInternalError (enquanto a sondagem jobs.get retorna o recurso do job com
status.errorResult.reason definido como backendError ou internalError).
Para resolver esses erros:
- Tente novamente com um novo
jobIdusando espera exponencial truncada. Chamarjobs.getQueryResultsnovamente nojobIdcom falha retorna o mesmo erro. - Verifique se a política de repetição do cliente processa as respostas HTTP
400comjobBackendErroroujobInternalError, porque a lógica de repetição que verifica apenas os códigos de status5xxnão as repete. - Se o erro persistir nas novas tentativas, entre em contato com o Cloud Customer Care e informe os códigos das tarefas afetadas.
Resolver problemas de entrada inválida e erros de esquema
O erro invalid (HTTP 400) é retornado quando há uma entrada inválida que não é uma consulta inválida, como campos obrigatórios ausentes, um esquema de tabela incompatível ou uma tabela de destino excluída (consultas inválidas retornam um erro invalidQuery). Compare sua mensagem de erro com a seção de solução de problemas correspondente:
- Parâmetros obrigatórios ausentes (
Required parameter is missing): consulte Parâmetro obrigatório ausente. - Incompatibilidade de esquema (
Provided Schema does not match Table): consulte Resolver erros de incompatibilidade de esquema. - Limite de aninhamento excedido (
Schema nested too deeply): consulte Resolver erros de limite de aninhamento de esquema, arquivo e rotina. - Tabela de destino excluída ou expirada (
Destination deleted/expired during operation): consulte Tabela de destino excluída ou expirada.
A execução do job foi cancelada
String de erro: Job execution was cancelled: DETAILS
O erro stopped ocorre quando um job é cancelado, seja porque um autor da chamada
o cancelou explicitamente ou porque o job excedeu um tempo limite de execução
ou de fila configurado. Quando você pesquisa um job cancelado usando jobs.get,
o BigQuery retorna HTTP 200 OK com reason: stopped em
status.errorResult. Quando uma solicitação síncrona é cancelada,
o BigQuery retorna HTTP 499 (CANCELLED).
Use a mensagem de erro para identificar o subtipo:
- Tempo limite de execução (
Job timed out after DURATION): o job excedeu o tempo limite de execução configurado. Aumenteconfiguration.jobTimeoutMsna configuração do job oudefault_query_job_timeout_msna configuração padrão ou otimize a consulta para que ela seja concluída mais rapidamente. Para consultas de várias instruções, esse limite se aplica ao ambiente de execução cumulativo em todas as instruções. - Tempo limite da fila (
Job timed out in the queue after DURATION): o job esperou na fila de consulta por mais tempo do que o limite configurado. Aumentedefault_interactive_query_queue_timeout_msoudefault_batch_query_queue_timeout_msusandoALTER PROJECTouALTER ORGANIZATION SET OPTIONS(consulte Controlar o tempo limite da fila), aumenteconfiguration.jobTimeoutMsou reduza a simultaneidade de consultas. - Cancelamento explícito (
User requested cancellation): um usuário, uma conta de serviço ou um orquestrador cancelou o job. Inspecione os registros de auditoria do BigQuery no Cloud Logging (protoPayload.methodName="jobservice.cancel"ou"google.cloud.bigquery.v2.JobService.CancelJob") para identificar o autor da chamada que invocoujobs.cancel. Para o gerenciamento geral de jobs, consulte Gerenciar jobs.
Falha na condição prévia da solicitação
O erro preconditionFailed (HTTP 400 ou 412) ocorre quando uma condição prévia da solicitação não é atendida. Use a mensagem de erro para identificar o subtipo:
- Incompatibilidade de ETag durante a atualização de metadados (
Resource RESOURCE did not meet condition CONDITION): recupere os metadados do recurso atual (por exemplo, usandotables.getoudatasets.get) para receber o valor atual deetagantes de tentar novamente com o cabeçalhoIf-Match. - CMEK exigida pela política da organização (
Your administrator requires that you specify an encryption key for queries in project PROJECT_ID): especifique uma chave do Cloud Key Management Service para o job de consulta (configuration.query.destinationEncryptionConfiguration.kmsKeyNameoubq query --destination_kms_key) ou configure uma chave padrão do Cloud KMS no conjunto de dados ou projeto e verifique se a conta de serviço do BigQuery tem o papelroles/cloudkms.cryptoKeyEncrypterDecrypter. Consulte Exigir CMEKs para todos os recursos. - Restrição de edição (
disallowed in STANDARD editionoucannot be used with STANDARD Edition): execute o job em um projeto atribuído a uma reserva Enterprise ou Enterprise Plus ou use preços sob demanda. Consulte Introdução às edições do BigQuery. - Gravação de conjunto de dados de failover (
The job references a table that belongs to a failover dataset): execute jobs que gravam em um conjunto de dados de failover em uma reserva do Enterprise Plus no local principal do conjunto de dados. Os jobs de carregamento e extração exigem uma atribuição de reservaPIPELINE. Consulte Erro 412: o job faz referência a uma tabela que pertence a um conjunto de dados de failover. - Visualização materializada em uma tabela base de CDC com upserts pendentes (
MV has a base table TABLE with upsert data that wait to be applied. Please wait a few minutes and try again.): aguarde alguns minutos para que as atualizações de upsert da captura de dados alterados (CDC) em segundo plano sejam aplicadas à tabela base e tente executar a consulta novamente.
O recurso ainda está em uso
String de erro:
RESOURCE_TYPE RESOURCE_ID is still in use
Este erro HTTP 400 Bad Request (reason: resourceInUse) ocorre quando você tenta
excluir um conjunto de dados que ainda contém recursos ou um job que ainda está
pendente ou em execução:
- Excluir um conjunto de dados não vazio (
Dataset DATASET_ID is still in use): esvazie o conjunto de dados antes de excluí-lo ou exclua o conjunto de dados e todo o conteúdo dele executandoDROP SCHEMA IF EXISTS DATASET_NAME CASCADEno GoogleSQL, executandobq rm -r -f -d PROJECT_ID:DATASET_IDna ferramenta de linha de comando bq ou definindodeleteContents=truena chamada de APIdatasets.delete. Consulte Excluir conjuntos de dados. - Excluir um job ativo (
Job JOB_ID is still in use): aguarde a conclusão do job (ou cancele-o primeiro usandojobs.canceloubq cancel) antes de chamarjobs.deleteou executarbq rm -j. Consulte Excluir metadados do job.
O recurso já existe
String de erro:
Already Exists: RESOURCE_TYPE RESOURCE_ID
Esse erro HTTP 409 Conflict (reason: duplicate) ocorre quando você tenta
criar um recurso que já existe ou quando um job define writeDisposition como
WRITE_EMPTY e a tabela de destino já existe:
- Tabela (
Already Exists: Table TABLE): especifique um nome de tabela de destino diferente, useCREATE TABLE IF NOT EXISTSouCREATE OR REPLACE TABLEem consultas DDL ou mude a propriedadewriteDispositiondo job deWRITE_EMPTYparaWRITE_APPENDouWRITE_TRUNCATE. - Conjunto de dados (
Already Exists: Dataset DATASET): escolha um nome de conjunto de dados diferente, useCREATE SCHEMA IF NOT EXISTSem consultas DDL ou verifique se o conjunto de dados já existe antes de chamardatasets.insert. - Job (
Already Exists: Job JOB): permita que o BigQuery gere umjobIdaleatório, gere um novojobIdao repetir um job com falha, verifique se o job anterior foi bem-sucedido antes de repetir ou use parâmetros de consulta para matrizes grandes em cláusulasIN. Consulte O job já existe. - Restrição, índice ou rotina (
Already Exists: RESOURCE_TYPE RESOURCE_ID): especifique um nome de recurso diferente, useIF NOT EXISTSouCREATE OR REPLACEna instrução DDL (por exemplo,ADD CONSTRAINT IF NOT EXISTSouCREATE OR REPLACE VECTOR INDEX) ou remova a restrição atual antes de adicionar uma substituição.
A operação foi cancelada
Esse erro HTTP 409 Conflict (reason: abortd) ocorre quando uma operação é interrompida
devido a uma modificação simultânea ou um conflito de transação. A API
escreve esse motivo de erro como abortd. Transações com várias instruções e conflitos de DML simultâneos (Transaction is aborted due to concurrent update e Could not serialize access to table) retornam HTTP 400 com invalidQuery.
Para resolver esse erro:
- Tente realizar a operação novamente depois que a operação conflitante for concluída ou use a espera exponencial truncada.
- Se uma transação de várias instruções foi interrompida devido a uma atualização simultânea,
execute
ROLLBACK TRANSACTION(ou encerre a sessão comCALL BQ.ABORT_SESSION(SESSION_ID)) antes de tentar novamente. Consulte Transação cancelada devido à atualização simultânea e Instruções DML conflitantes.
O armazenamento de tabelas não pode ser usado
String de erro:
Storage of RESOURCE_ID is unusable because REASON.
Esse erro HTTP 400 Bad Request (reason: storageUnusable) ocorre quando o
armazenamento interno do BigQuery que contém os dados da tabela está
indisponível. Esse erro indica um problema de armazenamento do lado do serviço, e não um problema de configuração.
Tente novamente usando a espera exponencial truncada. Se o erro persistir nas novas tentativas, entre em contato com o Cloud Customer Care.
Os dados de streaming estão temporariamente indisponíveis
Strings de erro:
Job failed because streaming data from TABLE_SOURCE is temporarily unavailable. Retrying the job may solve the problem.(reason: streamingDataUnavailable)Job failed because vortex streaming data from TABLE_SOURCE is temporarily unavailable. Retrying the job may solve the problem.(reason: vortexDataUnavailable)
Esses erros de HTTP 400 Bad Request ocorrem quando os dados que foram transmitidos recentemente
para uma tabela lida pelo job estão temporariamente indisponíveis. Os dados transmitidos recentemente
ficam temporariamente no armazenamento otimizado para gravação, que tem características de disponibilidade
diferentes do armazenamento gerenciado.
Para resolver esses erros:
- Tente novamente o job de consulta com um novo
jobIdusando espera exponencial truncada. Chamarjobs.getQueryResultsnovamente nojobIdcom falha retorna o mesmo erro. - Atualize a política de nova tentativa do cliente para repetir as respostas HTTP
400comstreamingDataUnavailableouvortexDataUnavailable, porque a lógica de nova tentativa que verifica apenas os códigos de status5xxas ignora. - Para mais informações, consulte Resolver problemas de inserções por streaming, Visão geral da API BigQuery Storage Write (gRPC) e Práticas recomendadas da API BigQuery Storage Write (gRPC).
A tabela externa ou de apoio está indisponível
Esse erro HTTP 400 Bad Request (reason: tableUnavailable) ocorre quando o BigQuery não consegue ler uma tabela com dados que ele não gerencia. Use a
mensagem de erro para identificar o subtipo:
- Tempo limite de busca de esquema em tabelas do Apache Iceberg ou do Delta Lake (
Timed out while fetching schema of the requested resource. Contact the table owner for assistance.): tente novamente a consulta usando espera exponencial truncada. Se o erro persistir, entre em contato com o Cloud Customer Care. - Chave de partição do Hive ausente (
No partition key detected on this table. Hive partitioned table must have at least one partition key): verifique se os caminhos do URI do Cloud Storage seguem okey=valuelayout de particionamento do Hive e recrie a tabela externa com pelo menos uma chave de partição. - Tabelas com dados gerenciados por outras equipes de produtos do Google (
Something went wrong with the table you queried. Contact the table owner for assistance.): tente fazer a solicitação novamente usando a espera exponencial truncada ou entre em contato com o Cloud Customer Care se o erro persistir.
Erro de recurso externo de propriedade do usuário
String de erro:
Error when accessing a user-owned external RESOURCE_TYPE resource RESOURCE_NAME. The resource provided error: EXTERNAL_ERROR
Esse erro HTTP 400 Bad Request (reason: userOwnedResourceError) ocorre quando
o BigQuery lê ou chama um recurso externo que pertence a você (como
um bucket do Cloud Storage, uma chave do Cloud Key Management Service ou uma conexão externa) e o
recurso externo retorna um erro.
Inspecione <var>RESOURCE_TYPE</var> e <var>RESOURCE_NAME</var> na mensagem de erro
para identificar o recurso externo e, em seguida, resolva o erro subjacente
informado em <var>EXTERNAL_ERROR</var>.
O recurso ou a operação não foi implementado
String de erro: Not Implemented: DETAILS
Esse erro de HTTP 501 Not Implemented (reason: notImplemented) ocorre quando você tenta um recurso ou uma operação que não está implementada para o recurso de destino:
- Cópia de tabela não compatível (
Not Implemented: Tables with this storage type cannot be copied): um job de cópia de tabela (jobs.insertcom uma configuração de cópia) não é compatível com o tipo de armazenamento da tabela de origem (como uma visualizaçãoINFORMATION_SCHEMAou armazenamento não gerenciado não compatível). Materialize os resultados consultáveis em uma tabela padrão do BigQuery executandoCREATE TABLE DESTINATION_TABLE AS SELECT * FROM SOURCE_TABLE. Consulte Copiar uma tabela. - Modificação de índice da Pesquisa não compatível (
Not Implemented: ALTER SEARCH INDEX does not support): remova o índice da Pesquisa atual usandoDROP SEARCH INDEXe recrie-o com as opções atualizadas usandoCREATE SEARCH INDEX. Consulte Gerenciar índices da Pesquisa. - Outras ocorrências: entre em contato com o Cloud Customer Care com a mensagem de erro completa e ID da tarefa.
A seguir
- Receber insights de desempenho da consulta.
- Saiba mais sobre como otimizar consultas para melhorar o desempenho.
- Consulte Cotas e limites para consultas.
- Confira os códigos de status e código do erro HTTP da API BigQuery.
- Saiba mais sobre outras mensagens de erro do BigQuery.