Halaman ini diterjemahkan oleh Cloud Translation API.

Menemukan dan membuat katalog data Cloud Storage

Dokumen ini menjelaskan cara menggunakan penemuan otomatis Dataplex, yaitu fitur di BigQuery yang memungkinkan Anda memindai data di bucket Cloud Storage untuk mengekstrak, lalu membuat katalog metadata. Sebagai bagian dari pemindaian penemuan, penemuan otomatis membuat tabel BigLake atau eksternal untuk data terstruktur dan tabel objek untuk data tidak terstruktur. Data tabel terpusat ini memudahkan insight data, keamanan data, dan tata kelola yang didukung AI.

Untuk menggunakan penemuan otomatis data Cloud Storage, Anda membuat dan menjalankan pemindaian penemuan.

Ringkasan pemindaian penemuan

Pemindaian penemuan melakukan hal berikut:

Memindai data di bucket atau jalur Cloud Storage.
Mengelompokkan data terstruktur dan semi-terstruktur ke dalam tabel.
Mengumpulkan metadata, seperti nama tabel, skema, dan definisi partisi.
Membuat dan memperbarui tabel BigLake, eksternal, atau objek di BigQuery menggunakan skema dan definisi partisi.

Untuk data tidak terstruktur, seperti gambar dan video, pemindaian penemuan mendeteksi dan mendaftarkan grup file yang memiliki jenis media yang sama dengan tabel objek BigLake. Misalnya, jika gs://images/group1 berisi gambar GIF, dan gs://images/group2 berisi gambar JPEG, pemindaian penemuan akan mendeteksi dan mendaftarkan dua set file.

Untuk data terstruktur, seperti Avro, pemindaian penemuan mendaftarkan grup file sebagai tabel eksternal BigLake dan mendeteksi file hanya jika file tersebut berada di folder yang berisi format data yang sama dan skema yang kompatibel.

Pemindaian penemuan mendukung format data terstruktur dan semi-terstruktur berikut:

Parquet
Avro
ORC
JSON (hanya format yang dibatasi baris baru)
CSV (tetapi bukan file CSV yang memiliki baris komentar)

Pemindaian penemuan mendukung format kompresi berikut untuk data terstruktur dan semi-terstruktur:

Kompresi internal untuk format berikut:

Kompresi Contoh ekstensi file Format yang didukung

gzip .gz.parquet Parquet

lz4 .lz4.parquet Parquet

Snappy .snappy.parquet Parquet, ORC, Avro

lzo .lzo.parquet Parquet, ORC
Kompresi eksternal untuk file JSON dan CSV:
- gzip
- bzip2

Kompresi	Contoh ekstensi file	Format yang didukung
gzip	`.gz.parquet`	Parquet
lz4	`.lz4.parquet`	Parquet
Snappy	`.snappy.parquet`	Parquet, ORC, Avro
lzo	`.lzo.parquet`	Parquet, ORC

Untuk melihat batas jumlah tabel yang didukung pemindaian penemuan, lihat Kuota dan batas.

Tabel yang ditemukan didaftarkan di BigQuery sebagai tabel eksternal BigLake, tabel objek BigLake, atau tabel eksternal. Hal ini membuat data mereka tersedia untuk dianalisis di BigQuery. Penyimpanan metadata ke dalam cache untuk tabel BigLake dan tabel objek juga diaktifkan. Semua tabel BigLake akan otomatis ditransfer ke katalog universal BigQuery untuk penelusuran dan penemuan.

Sebelum memulai

Enable the Dataplex API.

Enable the API

Peran yang diperlukan untuk akun layanan Dataplex

Sebelum memulai, tetapkan izin IAM ke akun layanan Dataplex di project Anda.

  service-PROJECT_NUMBER@gcp-sa-dataplex.iam.gserviceaccount.com

Ganti PROJECT_NUMBER dengan project tempat Dataplex API diaktifkan.

Untuk memastikan bahwa akun layanan Dataplex memiliki izin yang diperlukan untuk membuat dan menjalankan pemindaian penemuan, minta administrator untuk memberikan akun layanan Dataplex peran IAM berikut:

Dataplex Discovery Service Agent (roles/dataplex.discoveryServiceAgent) di bucket penyimpanan
Dataplex Discovery Publishing Service Agent (roles/dataplex.discoveryPublishingServiceAgent) di project pengguna
Membuat tabel BigLake: BigLake Publishing Service Agent Dataplex Discovery (roles/dataplex.discoveryBigLakePublishingServiceAgent) di koneksi BigQuery

Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran yang telah ditetapkan ini berisi izin yang diperlukan untuk membuat dan menjalankan pemindaian penemuan. Untuk melihat izin yang benar-benar diperlukan, luaskan bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk membuat dan menjalankan pemindaian penemuan:

bigquery.datasets.create di project sumber data
storage.buckets.get di bucket sumber data
storage.objects.get di bucket sumber data
storage.objects.list di bucket sumber data
bigquery.datasets.get di project sumber data
Berikan koneksi:
- bigquery.connections.delegate pada koneksi BigQuery
- bigquery.connections.use pada koneksi BigQuery

Administrator Anda mungkin juga dapat memberikan izin ini kepada akun layanan Dataplex dengan peran khusus atau peran bawaan lainnya.

Peran yang diperlukan untuk akun layanan koneksi BigQuery

Untuk memastikan akun Layanan Koneksi BigQuery memiliki izin yang diperlukan untuk membuat pemindaian penemuan, minta administrator Anda untuk memberikan peran IAM Agen Layanan Penemuan Dataplex (roles/dataplex.discoveryServiceAgent) kepada akun Layanan Koneksi BigQuery di bucket Cloud Storage.

Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran bawaan ini berisi izin yang diperlukan untuk membuat pemindaian penemuan. Untuk melihat izin yang benar-benar diperlukan, luaskan bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk membuat pemindaian penemuan:

bigquery.datasets.create di project sumber data
storage.buckets.get di bucket sumber data
storage.objects.get di bucket sumber data
storage.objects.list di bucket sumber data
bigquery.datasets.get di project sumber data
Berikan koneksi:
- bigquery.connections.delegate pada koneksi BigQuery
- bigquery.connections.use pada koneksi BigQuery

Administrator Anda mungkin juga dapat memberikan izin ini kepada akun Layanan Koneksi BigQuery dengan peran khusus atau peran bawaan lainnya.

Peran yang diperlukan untuk pengguna akhir

Untuk mendapatkan izin yang Anda perlukan guna membuat dan mengelola pemindaian penemuan data, minta administrator untuk memberi Anda peran IAM berikut di bucket Cloud Storage:

Akses penuh ke resource DataScan: Dataplex DataScan Administrator (roles/dataplex.dataScanAdmin) - project Anda
Akses tulis ke resource DataScan: Dataplex DataScan Editor (roles/dataplex.dataScanEditor) - project Anda
Akses baca ke resource DataScan, tidak termasuk hasilnya: Dataplex DataScan Viewer (roles/dataplex.dataScanViewer) - project Anda
Akses baca ke resource DataScan, termasuk hasilnya: Dataplex DataScan DataViewer (roles/dataplex.dataScanDataViewer) - project Anda

Untuk mengetahui informasi selengkapnya tentang cara memberikan peran, lihat Mengelola akses ke project, folder, dan organisasi.

Peran yang telah ditetapkan ini berisi izin yang diperlukan untuk membuat dan mengelola pemindaian penemuan data. Untuk melihat izin yang benar-benar diperlukan, luaskan bagian Izin yang diperlukan:

Izin yang diperlukan

Izin berikut diperlukan untuk membuat dan mengelola pemindaian penemuan data:

Buat DataScan: dataplex.datascans.create di project Anda
Menghapus DataScan: dataplex.datascans.delete di project atau resource DataScan Anda
Melihat detail DataScan yang tidak menyertakan hasil: dataplex.datascans.get di proyektor, resource DataScan
Melihat detail DataScan termasuk hasilnya: dataplex.datascans.getData di project Anda atau resource DataScan
Mencantumkan DataScan: dataplex.datascans.list di project atau resource DataScan Anda
Jalankan DataScan: dataplex.datascans.run di project Anda atau resource DataScan
Memperbarui deskripsi DataScan: dataplex.datascans.update di proyektor Anda, resource DataScan
Melihat izin IAM DataScan: dataplex.datascans.getIamPolicy pada project Anda atau resource DataScan
Tetapkan izin IAM di DataScan: dataplex.datascans.setIamPolicy di project Anda atau resource DataScan

Anda mungkin juga bisa mendapatkan izin ini dengan peran khusus atau peran bawaan lainnya.

Membuat pemindaian penemuan

Untuk menemukan data, Anda harus membuat dan menjalankan pemindaian penemuan. Anda dapat menetapkan jadwal untuk pemindaian atau menjalankan pemindaian sesuai permintaan.

Saat pemindaian penemuan berjalan, pemindaian tersebut akan membuat set data baru di BigQuery yang sesuai dengan bucket Cloud Storage yang dipindai. Nama set data BigQuery sama dengan nama bucket Cloud Storage. Karakter yang tidak valid dalam nama bucket akan diganti dengan garis bawah. Jika nama set data tidak tersedia, akhiran akan ditambahkan (misalnya, _discovered_001). Set data berisi tabel eksternal BigLake atau tabel eksternal non-BigLake yang dibuat oleh pemindaian penemuan untuk analisis lebih lanjut.

Konsol

Di Google Cloud console, buka halaman Pengelolaan katalog.

Buka Pengelolaan katalog
Di tab Penemuan Cloud Storage, klik Create.
Di panel Create discovery scan, konfigurasikan detail tentang data yang akan dipindai.
Masukkan nama untuk pemindaian.
Di kolom Scan ID, masukkan ID unik yang mengikuti konvensi penamaan resource di Google Cloud. Jika Anda tidak memberikan ID, pemindaian penemuan akan membuat ID pemindaian.
Opsional: Berikan deskripsi pemindaian.
Untuk menentukan bucket Cloud Storage yang berisi file yang akan dipindai, di kolom Bucket, cari dan pilih bucket.
Opsional: Tentukan data yang akan disertakan atau dikecualikan dari pemindaian penemuan dengan memberikan daftar pola glob untuk pemfilteran file.
- Sertakan: jika hanya sebagian data yang akan dipindai, berikan daftar pola glob yang cocok dengan objek yang akan disertakan.
- Kecualikan: memberikan daftar pola glob yang cocok dengan objek yang akan dikecualikan.
Misalnya, jika Anda ingin mengecualikan gs://test_bucket/foo/.. dari pemindaian penemuan, masukkan **/foo/** sebagai jalur pengecualian. Tanda kutip menyebabkan error. Pastikan untuk memasukkan **/foo/**, bukan "**/foo/**".

Jika Anda memberikan pola sertakan dan pola kecualikan, pola pengecualian akan diterapkan terlebih dahulu.
Untuk Location type, pilih Region atau Multi-region (mana saja yang tersedia).
Untuk membuat tabel BigLake dari data yang dipindai, di kolom Connection ID, berikan ID koneksi resource Google Cloud Anda. Untuk mengetahui informasi selengkapnya, lihat Koneksi resourceGoogle Cloud di BigQuery.

Anda dapat membuat ID koneksi baru di lokasi yang sama dengan lokasi set data BigQuery, yang kompatibel dengan lokasi bucket Cloud Storage.

Jika Anda tidak memberikan ID koneksi resource, pemindaian penemuan akan membuat tabel eksternal non-BigLake.
Di bagian Discovery frequency, konfigurasikan kapan Anda ingin pemindaian penemuan dijalankan:
- Ulangi: pemindaian berjalan sesuai jadwal yang telah ditentukan. Berikan waktu mulai, hari untuk menjalankan pemindaian, dan frekuensi, seperti setiap jam.
- On demand: pemindaian berjalan sesuai permintaan.
Opsional: Di bagian Spesifikasi JSON atau CSV, tentukan cara pemindaian memproses file JSON dan CSV. Klik Spesifikasi JSON atau CSV.
1. Untuk mengonfigurasi opsi JSON, pilih Aktifkan opsi penguraian JSON.
  - Nonaktifkan inferensi jenis: apakah pemindaian penemuan harus menyimpulkan jenis data saat memindai data. Jika Anda menonaktifkan inferensi jenis untuk data JSON, semua kolom akan didaftarkan sebagai jenis primitifnya, seperti string, angka, atau boolean.
  - Format encoding: encoding karakter data, seperti UTF-8, US-ASCII, atau ISO-8859-1. Jika Anda tidak menentukan nilai, UTF-8 akan digunakan sebagai default.
2. Untuk mengonfigurasi opsi CSV, centang Aktifkan opsi penguraian CSV.
  - Nonaktifkan inferensi jenis: apakah pemindaian penemuan harus menyimpulkan jenis data saat memindai data. Jika Anda menonaktifkan inferensi jenis untuk data CSV, semua kolom akan didaftarkan sebagai string.
  - Baris header: jumlah baris header, baik 0 maupun 1. Jika Anda menentukan nilai 0, pemindaian penemuan akan menyimpulkan judul dan mengekstrak nama kolom dari file. Defaultnya adalah 0.
  - Karakter pemisah kolom: karakter yang digunakan untuk memisahkan nilai. Berikan satu karakter, \r (carriage return), atau \n (baris baru). Default-nya adalah koma (,).
  - Format encoding: encoding karakter data, seperti UTF-8, US-ASCII, atau ISO-8859-1. Jika Anda tidak menentukan nilai, UTF-8 akan digunakan sebagai default.
Setelah selesai mengonfigurasi pemindaian penemuan, klik Buat (untuk pemindaian terjadwal) atau Jalankan sekarang (untuk pemindaian on demand).

Pemindaian terjadwal dijalankan sesuai jadwal yang Anda tetapkan.

Pemindaian on demand dijalankan sekali pada awalnya saat Anda membuatnya, dan Anda dapat menjalankan pemindaian kapan saja. Diperlukan waktu beberapa menit agar pemindaian penemuan berjalan.

gcloud

gcloud alpha dataplex datascans create data-discovery --location=LOCATION
--data-source-resource=BUCKET_PATH

Ganti kode berikut:

LOCATION: lokasi tempat Anda ingin membuat pemindaian penemuan
BUCKET_PATH: jalur Cloud Storage dari bucket yang ingin Anda pindai

REST

Untuk membuat pemindaian penemuan, gunakan metode dataScans.create.

Membuat kueri tabel BigLake yang dipublikasikan

Setelah Anda menjalankan pemindaian penemuan, tabel BigLake akan dipublikasikan dalam set data baru di BigQuery. Tabel tersebut kemudian tersedia untuk analisis di BigQuery menggunakan SQL, atau di Dataproc menggunakan Apache Spark atau HiveQL.

SQL

Anda dapat melihat atau membuat kueri tabel di BigQuery. Untuk mengetahui informasi selengkapnya tentang cara menjalankan kueri di BigQuery, lihat Menjalankan kueri.

Apache Spark

Untuk membuat kueri tabel BigLake menggunakan Spark SQL pada tugas serverless Dataproc, ikuti langkah-langkah berikut:

Buat skrip PySpark yang mirip dengan contoh skrip berikut:

from pyspark.sql import SparkSession
session = (
  SparkSession.builder.appName("testing")
    .config("viewsEnabled","true")
    .config("materializationDataset", "DATASET_ID")
    .config("spark.hive.metastore.bigquery.project.id", "PROJECT_ID")
    .config("spark.hive.metastore.client.factory.class", "com.google.cloud.bigquery.metastore.client.BigQueryMetastoreClientFactory")
    .enableHiveSupport()
    .getOrCreate()
)

session.sql("show databases").show()
session.sql("use TABLE_NAME").show()
session.sql("show tables").show()

sql = "SELECT * FROM DATASET_ID.TABLE_ID LIMIT 10"
df = session.read.format("bigquery").option("dataset", "DATASET_ID").load(sql)
df.show()

Ganti kode berikut:

DATASET_ID: ID set data yang izin buatnya dimiliki pengguna
PROJECT_ID: ID project dengan tabel BigLake
TABLE_NAME: Nama tabel BigLake
TABLE_ID: ID tabel BigLake

Kirim tugas batch.

Mengelola tabel BigLake yang dipublikasikan

Tabel BigLake yang dipublikasikan dibuat dan dikelola di BigQuery oleh pemindaian penemuan. Secara default, pemindaian penemuan menangani penemuan data baru, inferensi skema, dan evolusi skema setiap kali pemindaian terjadwal atau on demand dijalankan. Untuk menunjukkan bahwa metadata dikelola oleh pemindaian, pemindaian memublikasikan tabel dengan label metadata-managed-mode ditetapkan ke discovery-managed.

Jika Anda ingin mengelola skema dan metadata lainnya seperti opsi CSV atau JSON sendiri, tetapkan label metadata-managed-mode ke user_managed. Dengan cara ini, skema tetap tidak berubah saat pemindaian penemuan berikutnya berjalan. Pendekatan ini dapat berguna dalam skenario saat skema yang disimpulkan oleh pemindaian penemuan salah atau berbeda dengan yang diharapkan untuk tabel tertentu. Jika label metadata-managed-mode ditetapkan ke user_managed, label tersebut dapat mengurangi biaya.

Untuk memperbarui label, Anda dapat mengedit nilai kunci label metadata-managed-mode menjadi user_managed, bukan discovery-managed. Dalam hal ini, pemindaian penemuan tidak memperbarui skema tabel selama label user_managed dilampirkan ke tabel.

Mengupdate tabel BigLake yang dipublikasikan

Untuk tabel BigLake yang dipublikasikan menggunakan tugas pemindaian penemuan dengan konfigurasi default, skema dan metadata lainnya akan otomatis diperbarui dengan setiap tugas pemindaian penemuan yang dijalankan pada frekuensi terjadwal.

Untuk memperbarui tabel BigLake yang dipublikasikan, ikuti langkah-langkah berikut:

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Memperbarui satu atau beberapa properti tabel.
Di panel Explorer, luaskan project dan set data Anda, lalu pilih tabel.
Di tab Details, di bagian Labels, pastikan label metadata-managed-mode disetel ke user_managed. Jika ditetapkan ke nilai yang berbeda, ikuti langkah-langkah berikut:
1. Klik Edit detail.
2. Di samping kunci metadata-managed-mode, di kolom value, masukkan user_managed.

Menghapus tabel BigLake yang dipublikasikan

Untuk menghapus tabel BigLake yang dipublikasikan, ikuti langkah-langkah berikut:

Hapus file data untuk tabel di bucket Cloud Storage.
Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di panel Explorer, luaskan project dan set data Anda, lalu pilih tabel.
Di panel Details, di bagian Labels, pastikan label metadata-managed-mode tidak disetel ke user_managed. Jika ditetapkan ke user_managed, ikuti langkah-langkah berikut:
1. Klik Edit detail .
2. Di samping kunci metadata-managed-mode, di kolom value, masukkan discovery-managed.
  
  Catatan: Jika label metadata-managed-mode ditetapkan ke user_managed, pemindaian penemuan tidak akan mengganti metadata tabel, yang menyebabkan tabel Anda tidak dihapus.
Klik Run. Pemindaian penemuan berjalan sesuai permintaan.

Setelah pemindaian penemuan berjalan, tabel BigLake akan dihapus di BigQuery dan tidak tersedia untuk dicantumkan atau dikueri melalui Spark.

Menjalankan pemindaian penemuan on demand

Untuk menjalankan pemindaian penemuan sesuai permintaan, pilih salah satu opsi berikut.

Konsol

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di menu navigasi, klik Governance > Catalog management.
Di panel Penemuan Cloud Storage, klik pemindaian penemuan yang ingin dijalankan.
Klik Jalankan sekarang.

gcloud

Untuk menjalankan pemindaian penemuan, gunakan perintah gcloud dataplex datascans run:

gcloud dataplex datascans run DATASCAN \
  --location=LOCATION

Ganti variabel berikut:

LOCATION: Google Cloud region tempat pemindaian penemuan dibuat.
DATASCAN: nama pemindaian penemuan.

REST

Untuk menjalankan pemindaian penemuan sesuai permintaan, gunakan metode dataScans.run di Dataplex API.

Mencantumkan pemindaian penemuan

Untuk mencantumkan pemindaian penemuan, pilih salah satu opsi berikut.

Konsol

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di menu navigasi, klik Governance > Catalog management.
Di panel Penemuan Cloud Storage, pemindaian penemuan yang dibuat dalam project akan dicantumkan.

gcloud

gcloud dataplex datascans list --location=LOCATION --project=PROJECT_ID

Ganti kode berikut:

LOCATION: lokasi project Anda
PROJECT_ID: Google Cloud project ID Anda

REST

Untuk mengambil daftar pemindaian penemuan dalam project Anda, gunakan metode dataScans.list di Dataplex API.

Melihat pemindaian penemuan

Untuk melihat pemindaian penemuan, pilih salah satu opsi berikut.

Konsol

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di menu navigasi, klik Governance > Catalog management.
Di panel Penemuan Cloud Storage, klik pemindaian penemuan yang ingin Anda lihat detailnya.
- Bagian Detail pemindaian menampilkan detail tentang pemindaian penemuan.
- Bagian Status pemindaian menampilkan hasil penemuan tugas pemindaian terbaru.

gcloud

gcloud dataplex datascans jobs describe JOB \
    --location=LOCATION \
    --datascan=DATASCAN \
    --view=FULL

Ganti kode berikut:

JOB: ID tugas dari tugas pemindaian penemuan.
LOCATION: Google Cloud region tempat pemindaian penemuan dibuat.
DATASCAN: nama pemindaian penemuan tempat tugas berada.
--view=FULL: melihat hasil tugas pemindaian penemuan.

REST

Untuk melihat hasil pemindaian penemuan data, gunakan metode dataScans.get di Dataplex API.

Melihat hasil pemindaian penemuan historis

Untuk melihat hasil pemindaian penemuan historis, pilih salah satu opsi berikut.

Konsol

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di menu navigasi, klik Governance > Catalog management.
Di panel Penemuan Cloud Storage, klik pemindaian penemuan yang ingin Anda lihat detailnya.
Klik panel Histori pemindaian. Panel Histori pemindaian memberikan informasi tentang tugas sebelumnya, termasuk jumlah data yang dipindai di setiap tugas, status setiap tugas, dan waktu tugas dijalankan.
Untuk melihat informasi mendetail tentang tugas, klik tugas di kolom ID Tugas.

gcloud

gcloud dataplex datascans jobs list \
    --location=LOCATION \
    --datascan=DATASCAN

Ganti kode berikut:

LOCATION: Google Cloud region tempat pemindaian penemuan dibuat.
DATASCAN: nama pemindaian penemuan tempat tugas berada.

REST

Untuk melihat semua tugas pemindaian penemuan, gunakan metode dataScans.job/list di Dataplex API.

Memperbarui pemindaian penemuan

Untuk mengubah jadwal pemindaian penemuan, misalnya untuk mengubah jadwal dari on-demand menjadi berulang, Anda perlu memperbarui pemindaian penemuan.

Konsol

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di menu navigasi, klik Governance > Catalog management.
Di panel Penemuan Cloud Storage, untuk pemindaian penemuan yang ingin Anda perbarui, klik Tindakan > Edit.
Edit the values.
Klik Simpan.

gcloud

gcloud alpha dataplex datascans update data-discovery SCAN_ID --location=LOCATION

Ganti kode berikut:

SCAN_ID: ID pemindaian penemuan yang ingin Anda update
LOCATION: lokasi pemindaian penemuan yang ingin Anda update

REST

Untuk memperbarui pemindaian penemuan, gunakan metode dataScans.patch di Dataplex API.

Menghapus pemindaian penemuan

Untuk menghapus pemindaian penemuan, pilih salah satu opsi berikut.

Konsol

Di Google Cloud konsol, buka halaman BigQuery.

Buka BigQuery
Di menu navigasi, klik Governance > Catalog management.
Di panel Penemuan Cloud Storage, untuk pemindaian penemuan yang ingin Anda hapus, klik Tindakan > Hapus.
Klik Hapus.

gcloud

gcloud dataplex datascans delete SCAN_ID --location=LOCATION --async

Ganti kode berikut:

SCAN_ID: ID pemindaian penemuan yang ingin Anda hapus.
LOCATION: lokasi pemindaian penemuan yang ingin Anda hapus.

REST

Untuk menghapus pemindaian penemuan, gunakan metode dataScans.delete di Dataplex API.