加载操作中的GCP Bigquery错误：缺少字节

问题描述

我对Google Cloud Platform还是很陌生，我正试图通过存储在GCP存储桶中的约60,000 csv.gz个文件在bigquery中创建一个表。

为此，我打开了Cloud Shell，然后尝试以下操作：

$ bq --location=US mk my_data
$ bq --location=US \
     load --null_marker='' \
     --source_format=CSV --autodetect \
     my_data.my_table gs://my_bucket/*.csv.gz

这将引发以下错误：

BigQuery error in load operation: Error processing job 'my_job:bqjob_r3eede45779dc9a51_0000017529110a63_1': 
Error while reading data,error message:
Failed_PRECONDITION: Invalid gzip file: bytes are missing

我不知道在加载文件时如何查找哪个文件可能有问题。我已经检查了一些文件，它们都是有效的.gz文件，我可以在解压缩后使用任何csv阅读器打开它们，但是我不知道如何检查所有文件以查找有问题的文件

在此先感谢您的帮助！

解决方法

要遍历存储桶，可以使用eval命令

#!/bin/bash
FILES="gsutil ls gs://YOUR_BUCKET"
RESULTS=$(eval $FILES)
for f in $RESULTS
do
  read="gsutil cat $f | zcat | wc -c"
  if [[ $(eval $read) == "0" ]]
    then
        #<Process it,Print name or Delete from bucket like below>
        delete="gsutil rm $f"
        eval $delete
    fi
done

如果可能的话，另一个选择是download all your files locally，然后从那里进行处理：

gsutil -m cp -R gs://YOUR_BUCKET .

,

其中的.gz文件可能不包含任何数据。您可能需要编写一个脚本来过滤.gz文件是否有效。

此示例bash脚本将通过.gz文件进行目录循环，如果它们为空，则将其删除。

for f in dir/*
do
    if [[ $(gunzip -c $f | head -c1 | wc -c) == "0" ]] 
    then
        do_file_creation
    fi
done