Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Cloud Data Fusion es un servicio de integración de datos empresariales nativo de la nube y completamente administrado para compilar y administrar canalizaciones de datos con rapidez. El
La interfaz web de Cloud Data Fusion te permite compilar una integración de datos escalable
de Google Cloud. Te permite conectarte a varias fuentes de datos, transformar los datos y, luego, transferirlos a varios sistemas de destino, sin tener que administrar la infraestructura.
Cloud Data Fusion se basa en el proyecto de código abierto CDAP.
Comienza a usar Cloud Data Fusion
Puedes comenzar a explorar Cloud Data Fusion en minutos.
Los componentes principales de Cloud Data Fusion se explican a continuación.
secciones.
Proyecto de inquilino
El conjunto de servicios necesarios para compilar y organizar Cloud Data Fusion
las canalizaciones y los metadatos de las canalizaciones de almacenamiento se aprovisionan en un usuario.
proyecto, dentro de un usuario
unidad. Se crea un proyecto de usuario independiente para cada proyecto de cliente en el que se aprovisionan instancias de Cloud Data Fusion. El proyecto de usuario hereda
todos los parámetros de configuración
de redes y firewall del proyecto del cliente.
Cloud Data Fusion: Console
La consola de Cloud Data Fusion, también conocida como panel de control, es un conjunto de operaciones de API y una interfaz web que se ocupa de la instancia de Cloud Data Fusion, como crearla, borrarla, reiniciarla y actualizarla.
Cloud Data Fusion: Studio
Cloud Data Fusion Studio, también conocido como el plano de datos, es un conjunto de
API de REST y la interfaz web
operaciones que se ocupan de la creación, ejecución y administración de canalizaciones y
artefactos relacionados.
Conceptos
En esta sección, se presentan algunos de los conceptos principales de Cloud Data Fusion.
Una instancia de Cloud Data Fusion es una implementación única de
Cloud Data Fusion. Para comenzar a usar Cloud Data Fusion,
crear una instancia de Cloud Data Fusion mediante
Consola de Google Cloud
Puedes crear varias instancias en una sola consola de Google Cloud
proyecto y puede especificar la región de Google Cloud para crear tu
instancias de Cloud Data Fusion.
Cada instancia de Cloud Data Fusion contiene un conjunto de
implementación de Cloud Data Fusion que contiene un conjunto de servicios,
que controlan la administración del ciclo de vida de la canalización, la organización,
y la administración de metadatos. Estos servicios se ejecutan con
de larga duración
proyecto de usuario.
Un espacio de nombres es una agrupación lógica de aplicaciones, datos y los
metadatos asociados en una instancia de Cloud Data Fusion. Puedes pensar en los espacios de nombres como una partición de la instancia. En una sola instancia, un espacio de nombres almacena los datos y los metadatos de una entidad de forma independiente de otro espacio de nombres.
Una canalización es una forma de diseñar visualmente los datos y controlarlos.
de Terraform para extraer, transformar, combinar, agregar y cargar datos
varias fuentes de datos locales y en la nube.
Compilar canalizaciones te permite crear modelos de procesamiento de datos complejos
que te ayudan a resolver problemas de transferencia, integración y
problemas de migración. Puedes usar Cloud Data Fusion para crear
por lotes y en tiempo real, según tus necesidades.
Las canalizaciones te permiten expresar tus flujos de trabajo de procesamiento de datos mediante
el flujo lógico de datos, mientras que Cloud Data Fusion se encarga
funcionalidad necesaria para ejecutarse físicamente en una ejecución
en un entorno de nube.
En la página de Studio de la interfaz web de Cloud Data Fusion,
se representan como una serie de nodos organizados en un entorno
grafo acíclico (DAG), que forma un flujo unidireccional.
Los nodos representan las diversas acciones que puedes realizar con tus canalizaciones, como leer de fuentes, realizar transformaciones de datos y escribir resultados en receptores. Puedes desarrollar datos
canalizaciones en la interfaz web de Cloud Data Fusion
entre fuentes, transformaciones, receptores y otros nodos.
Un complemento es un módulo personalizable que se puede usar para extender las capacidades de Cloud Data Fusion.
Cloud Data Fusion proporciona complementos para fuentes, transformaciones,
agregados, receptores, recopiladores de errores, publicadores de alertas, acciones y
acciones posteriores a la ejecución.
Un complemento a veces se denomina nodo, generalmente en el
contextual de la interfaz web de Cloud Data Fusion.
Para descubrir los complementos populares de Cloud Data Fusion y acceder a ellos, sigue estos pasos:
consulta
Complementos de Cloud Data Fusion.
En la interfaz web de Cloud Data Fusion, para explorar complementos, muestra
las canalizaciones y otras integraciones, haz clic en Hub. Cuando se lanza una versión nueva de un complemento, se puede ver en el Hub en cualquier instancia compatible. Esto se aplica incluso si la instancia se creó antes
se lanzó el complemento.
Cloud Data Fusion crea entornos de ejecución efímeros para
para ejecutar canalizaciones.
Cloud Data Fusion admite Dataproc como
entorno de ejecución
Cloud Data Fusion aprovisiona una red
clúster de Dataproc en tu proyecto de cliente en la
inicio de la ejecución de una canalización, ejecuta la canalización con Spark en
clúster y lo borra después de que se ejecuta la canalización
que se completó.
De manera alternativa, si administras tus clústeres de Dataproc
en entornos controlados, a través de tecnologías como Terraform,
y configurar Cloud Data Fusion para no aprovisionar clústeres. En
en esos entornos, puedes ejecutar canalizaciones en
clústeres de Dataproc.
Un perfil de procesamiento especifica cómo y dónde se crea una canalización.
ejecutado. Un perfil encapsula la información necesaria para configurar y
borrar el entorno de ejecución físico de una canalización.
Por ejemplo, un perfil de procesamiento incluye lo siguiente:
Aprovisionador de ejecución
Recursos (memoria y CPU)
Cantidad mínima y máxima de nodos
Otros valores
Un perfil se identifica por nombre y se le debe asignar un aprovisionador
y su configuración relacionada. Un perfil puede existir a nivel de la instancia de Cloud Data Fusion o a nivel del espacio de nombres.
El perfil de procesamiento predeterminado de Cloud Data Fusion es
Ajuste de escala automático
Las canalizaciones de datos reutilizables en Cloud Data Fusion permiten crear
una sola canalización que puede aplicar un patrón de integración de datos a una
variedad de casos de uso y conjuntos de datos.
Las canalizaciones reutilizables ofrecen una mejor administración
la configuración de una canalización al momento de la ejecución, en lugar de
codificarlos de forma rígida en el momento del diseño.
Cloud Data Fusion admite la creación de un activador en un
llamada canalización descendente, para que se ejecute en
la finalización de una o más canalizaciones diferentes (llamada upstream
canalizaciones de rendimiento). Tú eliges cuándo se ejecuta la canalización descendente, por
ejemplo, si se logra, falla, se detiene
o cualquier combinación de estos,
de la ejecución de la canalización ascendente.
Los activadores son útiles en los siguientes casos:
Limpiar los datos una vez y ponerlos a disposición de
varias canalizaciones downstream para el consumo.
Compartir información, como argumentos de tiempo de ejecución y complementos
parámetros de configuración entre las canalizaciones. Esto se llama carga útil
actual.
Tener un conjunto de canalizaciones dinámicas que pueden ejecutarse con los datos de
la hora, el día, la semana o el mes, en lugar de usar una canalización
que debe actualizarse en cada ejecución.
Recursos de Cloud Data Fusion
Explorar los recursos de Cloud Data Fusion:
Las notas de la versión proporcionan registros de cambios de funciones, cambios y bajas.