要解决BigQuery流式缓冲花费时间太长的问题，可以通过以下代码示例来调整流式缓冲的时间间隔：

from google.cloud import bigquery

# 定义流式缓冲时间间隔（秒）
buffer_time = 60

# 初始化BigQuery客户端
client = bigquery.Client()

# 构建表数据
table_id = "your-project.your-dataset.your-table"
rows = [
    {"name": "John", "age": 30},
    {"name": "Jane", "age": 25},
    {"name": "Bob", "age": 40},
]

# 创建表插入器
table = client.get_table(table_id)
streaming_buffer = table.streaming_buffer

# 插入行数据
errors = client.insert_rows(table, rows)

# 检查是否有错误
if errors == []:
    # 获取流式缓冲的最后修改时间
    last_modified_time = streaming_buffer.get("lastModifiedTime")

    # 确定是否需要等待流式缓冲时间
    if last_modified_time is not None:
        current_time = client.query("SELECT CURRENT_TIMESTAMP()").to_dataframe().iloc[0, 0]
        time_difference = (current_time - last_modified_time).total_seconds()

        if time_difference < buffer_time:
            wait_time = buffer_time - time_difference
            time.sleep(wait_time)

    print("数据插入成功！")
else:
    print(f"发生错误：{errors}")

上述代码中，我们通过buffer_time变量来定义流式缓冲的时间间隔，单位为秒。在插入行数据之前，我们获取表的流式缓冲最后修改时间，并与当前时间进行比较。

如果流式缓冲最后修改时间距离当前时间小于buffer_time，则需要等待剩余时间，以确保流式缓冲完成。我们使用time.sleep()函数来进行等待。

注意：在代码示例中，你需要将your-project.your-dataset.your-table替换为实际的项目、数据集和表名。