从本地 Jupyter 笔记本访问 Google BigQuery 数据

Question

我已经准备好几个笔记本并在 DataLab 上运行。由于各种原因，我想从我机器上的本地 Jupyter 笔记本访问相同的数据。

提出了一些目前我无法使用的方法。

特别是 Gcloud 库：

from gcloud import bigquery
client = bigquery.Client()

给我一个堆栈跟踪，其中最后一行：

ContextualVersionConflict: (protobuf 2.6.1 (/usr/local/lib/python2.7/dist-packages), Requirement.parse('protobuf!=3.0.0.b2.post1,>=3.0.0b2'), set(['gcloud']))

Pandas 库看起来很有前途：

df=pd.io.gbq.read_gbq('SELECT CCS_Category_ICD9, Gender, Admit_Month FROM [xxxxxxxx-xxxxx:xxxx_100MB_newform.xxxxxx_100MB_newform]ORDER by CCS_Category_ICD9',
                 project_id='xxxxxxxx-xxxxx')

还给我一个堆栈跟踪：

IOError: [Errno 2] No such file or directory: '/usr/local/lib/python2.7/dist-packages/httplib2-0.9.1.dist-info/METADATA'

也许我在 Pandas 方法上遇到了身份验证问题，尽管我的浏览器当前已对项目进行身份验证？还是我缺少依赖项？

任何建议或指导表示赞赏..

从本地 Jupyter 笔记本访问 BigQuery 数据源的最佳方式是什么？

Answer 1

根据 gbq.read() 的错误，似乎 httplib2 可能没有正确安装。在 pandas installation page 上，有一些可选的依赖项是 Google BigQuery 支持所必需的（httplib2 就是其中之一）。要re-install/repair安装试试：

pip install httplib2 --ignore-installed

安装 Google BigQuery 支持的可选依赖项后，以下代码应该可以工作：

from pandas.io import gbq
df = gbq.read_gbq('SELECT * FROM MyDataset.MyTable', project_id='my-project-id')

Answer 2

如果您使用特定于 Datalab 的方式访问 GCP，那么您可能想尝试使用 https://github.com/googledatalab/datalab。这将为您提供 Jupyter Notebook 中与 Datalab 兼容的功能。

Answer 3

我有同样的问题，但设法通过安装 gbq 的 conda 版本解决了它，我已经安装了 python 的 anaconda 发行版，所以我想如果你使用的话可能会缺少一些 link点子

conda 安装pandas-gbq --channel conda-forge 这个命令完成了任务

Answer 4

我这里有一个例子：https://github.com/kanjih-ciandt/docker-jupyter-gcloud/blob/master/ka.ipynb

但是，基本上您首先需要安装一些软件包：

!pip install google-cloud --user
!pip install --upgrade google-cloud-bigquery[pandas] --user
!pip install google-cloud-storage --user

如果您已经有一个服务帐户文件，只需执行此（替换 JSON_SERVICE_ACCOUNT_FILE）：

import logging
import json
import os
from datetime import datetime
import pprint

from googleapiclient import discovery
from oauth2client.service_account import ServiceAccountCredentials

# Default scope to get access token
_SCOPE = 'https://www.googleapis.com/auth/cloud-platform'
from google.cloud import bigquery

client = bigquery.Client.from_service_account_json(JSON_SERVICE_ACCOUNT_FILE)
# Perform a query.
QUERY = (
    'SELECT name FROM `bigquery-public-data.usa_names.usa_1910_2013` '
    'WHERE state = "TX" '
    'LIMIT 100')
query_job = client.query(QUERY)  # API request
rows = query_job.result()  # Waits for query to finish

for row in rows:
    print(row.name)

但是，如果您有权访问某些 GCP 项目，但不知道如何创建服务帐户，您可以直接在 jupyter notebook 中创建它：

SERVICE_ACCOUNT='jupytersa'
JSON_SERVICE_ACCOUNT_FILE = 'sa1.json'
GCP_PROJECT_ID='<GCP_PROJECT_ID>' 

import subprocess
import sys
import logging

logger = logging.Logger('catch_all')


def run_command(parameters):

    try:
        return subprocess.check_output(parameters)
    except BaseException as e: 
       logger.error(e) 
       logger.error('ERROR: Looking in jupyter console for more information')

run_command([
        'gcloud', 'iam', 'service-accounts',
        'create', SERVICE_ACCOUNT,
        '--display-name', "Service Account for BETA SCC API",
        '--project', GCP_PROJECT_ID
])


IAM_ROLES = [
    'roles/editor'
]

for role in IAM_ROLES:
    run_command([
        'gcloud', 'projects', 'add-iam-policy-binding',GCP_PROJECT_ID,
        '--member', 'serviceAccount:{}@{}.iam.gserviceaccount.com'.format(SERVICE_ACCOUNT, GCP_PROJECT_ID),
        '--quiet',  '--role', role
    ])


run_command([
        'gcloud', 'iam', 'service-accounts',
        'keys', 'create', JSON_SERVICE_ACCOUNT_FILE ,
        '--iam-account', 
        '{}@{}.iam.gserviceaccount.com'.format(SERVICE_ACCOUNT, GCP_PROJECT_ID)
])

您可以在此处找到完整示例：https://github.com/kanjih-ciandt/docker-jupyter-gcloud/blob/master/ka.ipynb

总而言之，如果您想从 Docker 执行此笔记本，您可以使用此图像：https://cloud.docker.com/u/hkanjih/repository/docker/hkanjih/docker-jupyter-gcloud

从本地 Jupyter 笔记本访问 Google BigQuery 数据

Access Google BigQuery Data from local Jupyter Notebooks

pandas

google-bigquery

google-cloud-platform

google-cloud-datalab