要将Parquet表加载到BigQuery中，可以使用Apache Airflow来编写工作流程，并使用Python编写代码示例。下面是一个示例解决方案：

1. 安装Apache Airflow：在终端或命令提示符中运行以下命令来安装Apache Airflow：

pip install apache-airflow

2. 创建Airflow DAG：在您的Airflow项目中创建一个新的DAG文件（例如，load_parquet_to_bigquery.py）并添加以下代码：

from datetime import datetime, timedelta
from airflow import DAG
from airflow.contrib.operators.bigquery_operator import BigQueryOperator
from airflow.contrib.operators.gcs_to_bq import GoogleCloudStorageToBigQueryOperator

default_args = {
    'owner': 'your_name',
    'depends_on_past': False,
    'start_date': datetime(2022, 1, 1),
    'email': ['your_email@example.com'],
    'email_on_failure': False,
    'email_on_retry': False,
    'retries': 1,
    'retry_delay': timedelta(minutes=5)
}

dag = DAG(
    'load_parquet_to_bigquery',
    default_args=default_args,
    description='Load Parquet table to BigQuery',
    schedule_interval='0 0 * * *'  # Run once a day at midnight
)

load_parquet_task = GoogleCloudStorageToBigQueryOperator(
    task_id='load_parquet_to_bigquery',
    bucket='your_bucket',
    source_objects=['your_parquet_file.parquet'],
    destination_project_dataset_table='your_project.your_dataset.your_table',
    schema_fields=[{"name": "column1", "type": "INTEGER"}, {"name": "column2", "type": "STRING"}],
    write_disposition='WRITE_TRUNCATE',
    dag=dag
)

load_parquet_task

在上面的代码中，您需要替换以下部分：

• your_name：您的名字
• your_email@example.com：您的电子邮件地址
• your_bucket：存储Parquet文件的Google Cloud Storage存储桶
• your_parquet_file.parquet：要加载的Parquet文件的名称
• your_project.your_dataset.your_table：目标BigQuery表的项目、数据集和表名称
• {"name": "column1", "type": "INTEGER"}和{"name": "column2", "type": "STRING"}：目标BigQuery表的列名和类型
• schedule_interval：工作流程的运行频率，此处设置为每天午夜运行一次

3. 运行Airflow服务：在您的Airflow项目目录中运行以下命令来启动Airflow服务：

airflow initdb
airflow webserver
airflow scheduler

4. 运行DAG：在Airflow的Web界面中，导航到"DAGs"页面，找到"load_parquet_to_bigquery" DAG，然后点击"Trigger DAG"按钮来运行该工作流程。

这个示例解决方案将从指定的Google Cloud Storage存储桶中读取Parquet文件，并将其加载到指定的BigQuery表中。您可以根据您的实际需求自定义和扩展此示例。