Die Vorlage "BigQuery für Bigtable" ist eine Batchpipeline, die Daten aus einer BigQuery-Tabelle in eine vorhandene Bigtable-Tabelle kopiert. Die Vorlage kann entweder die gesamte Tabelle oder bestimmte Datensätze mithilfe einer angegebenen Abfrage lesen.
Pipelineanforderungen
- Die BigQuery-Quelltabelle
- Die Bigtable-Tabelle muss vorhanden sein.
- Das Worker-Dienstkonto benötigt die Berechtigung
roles/bigquery.datasets.create
. Weitere Informationen finden Sie unter Einführung in IAM.
Vorlagenparameter
Erforderliche Parameter
- readIdColumn: Der Name der BigQuery-Spalte, in der die eindeutige Kennung der Zeile gespeichert ist.
- bigtableWriteInstanceId: Die ID der Bigtable-Instanz, die die Tabelle enthält.
- bigtableWriteTableId: Die ID der Bigtable-Tabelle, in die Daten geschrieben werden sollen.
- bigtableWriteColumnFamily: Der Name der Spaltenfamilie der Bigtable-Tabelle, in die Daten geschrieben werden sollen.
Optionale Parameter
- timestampColumn: Der Name der BigQuery-Spalte, die als Zeitstempel für die Zelle der Spalte in Bigtable verwendet werden soll. Der Wert muss eine Genauigkeit im Millisekundenbereich haben, z.B. INT64 / Long. Wenn eine Zeile das Feld nicht enthält, wird der Standard-Schreibzeitstempel verwendet. Die angegebene Spalte wird nicht als separate Spalte in die Zeile in Bigtable aufgenommen.
- skipNullValues: Flag, das angibt, ob Nullwerte als leerer Wert weitergegeben oder Spalten vollständig übersprungen werden dürfen, um das Bigtable-Format für dünn besetzte Tabellen einzuhalten. Wenn dies zu einer leeren Zeile führt, z.B. einem gültigen Rowkey, aber keinen Spalten, kann die Zeile nicht in Bigtable geschrieben werden und wird übersprungen. Die Standardeinstellung ist "false".
- inputTableSpec: Die BigQuery-Tabelle, aus der gelesen werden soll. Wenn Sie
inputTableSpec
angeben, liest die Vorlage die Daten mithilfe der BigQuery Storage Read API direkt aus dem BigQuery-Speicher (https://cloud.google.com/bigquery/docs/reference/storage). Informationen zu Einschränkungen in der Storage Read API finden Sie unter https://cloud.google.com/bigquery/docs/reference/storage#limitations. Sie müssen entwederinputTableSpec
oderquery
angeben. Wenn Sie beide Parameter festlegen, verwendet die Vorlage den Parameterquery
. Beispiel:<BIGQUERY_PROJECT>:<DATASET_NAME>.<INPUT_TABLE>
. - outputDeadletterTable: Die BigQuery-Tabelle für Nachrichten, die die Ausgabetabelle nicht erreicht haben. Wenn eine Tabelle nicht vorhanden ist, wird sie während der Pipelineausführung erstellt. Falls nichts angegeben wird, wird
<outputTableSpec>_error_records
verwendet. Beispiel:<PROJECT_ID>:<DATASET_NAME>.<DEADLETTER_TABLE>
- query: Die SQL-Abfrage zum Lesen von Daten aus BigQuery. Wenn sich das BigQuery-Dataset in einem anderen Projekt als der Dataflow-Job befindet, geben Sie den vollständigen Dataset-Namen in der SQL-Abfrage an, z. B. <PROJECT_ID>.<DATASET_NAME>.<TABLE_NAME>. Standardmäßig wird für den Parameter
query
GoogleSQL (https://cloud.google.com/bigquery/docs/introduction-sql) verwendet, sofernuseLegacySql
nichttrue
ist. Sie müssen entwederinputTableSpec
oderquery
angeben. Wenn Sie beide Parameter festlegen, verwendet die Vorlage den Parameterquery
. Beispiel:select * from sampledb.sample_table
. - useLegacySql: Legen Sie
true
fest, um Legacy-SQL zu verwenden. Dieser Parameter gilt nur, wenn der Parameterquery
verwendet wird. Die Standardeinstellung istfalse
. - queryLocation: Erforderlich, wenn Daten aus einer autorisierten Ansicht ohne die Berechtigung der zugrunde liegenden Tabelle gelesen werden. Beispiel:
US
. - queryTempDataset: Mit dieser Option können Sie ein vorhandenes Dataset festlegen, in dem die temporäre Tabelle zum Speichern der Abfrageergebnisse erstellt werden soll. Beispiel:
temp_dataset
. - KMSEncryptionKey: Wenn Daten aus BigQuery mit einer Abfragequelle gelesen werden, wird dieser Cloud KMS-Schlüssel zum Verschlüsseln aller erstellten temporären Tabellen verwendet. Beispiel:
projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key
. - bigtableRpcAttemptTimeoutMs: Das Zeitlimit für jeden Bigtable-RPC-Versuch in Millisekunden.
- bigtableRpcTimeoutMs: Das Gesamtzeitlimit für einen Bigtable-RPC-Vorgang in Millisekunden.
- bigtableAdditionalRetryCodes: Die zusätzlichen Wiederholungscodes. Beispiel:
RESOURCE_EXHAUSTED,DEADLINE_EXCEEDED
. - bigtableWriteAppProfile: Die ID des Bigtable-Anwendungsprofils, das für den Export verwendet werden soll. Wenn Sie kein Anwendungsprofil angeben, verwendet Bigtable das standardmäßige Anwendungsprofil (https://cloud.google.com/bigtable/docs/app-profiles#default-app-profile) der Instanz.
- bigtableWriteProjectId: Die ID des Google Cloud-Projekts, das die Bigtable-Instanz enthält, in die Daten geschrieben werden sollen.
- bigtableBulkWriteLatencyTargetMs: Das Latenzziel von Bigtable in Millisekunden für die latenzbasierte Drosselung.
- bigtableBulkWriteMaxRowKeyCount: Die maximale Anzahl von Zeilenschlüsseln in einem Batch-Schreibvorgang in Bigtable.
- bigtableBulkWriteMaxRequestSizeBytes: Die maximale Anzahl von Byte, die pro Batchschreibvorgang in Bigtable einbezogen werden sollen.
Führen Sie die Vorlage aus.
Console
- Rufen Sie die Dataflow-Seite Job aus Vorlage erstellen auf. Zur Seite "Job aus Vorlage erstellen“
- Geben Sie im Feld Jobname einen eindeutigen Jobnamen ein.
- Optional: Wählen Sie für Regionaler Endpunkt einen Wert aus dem Drop-down-Menü aus. Die Standardregion ist
us-central1
.Eine Liste der Regionen, in denen Sie einen Dataflow-Job ausführen können, finden Sie unter Dataflow-Standorte.
- Wählen Sie im Drop-down-Menü Dataflow-Vorlage die Option the BigQuery to Bigtable templateaus.
- Geben Sie Ihre Parameterwerte in die Parameterfelder ein.
- Klicken Sie auf Job ausführen.
gcloud
Führen Sie die Vorlage in der Shell oder im Terminal aus:
gcloud dataflow flex-template run JOB_NAME \ --project=PROJECT_ID \ --region=REGION_NAME \ --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/BigQuery_to_Bigtable \ --parameters \ readIdColumn=READ_COLUMN_ID,\ inputTableSpec=INPUT_TABLE_SPEC,\ bigtableWriteInstanceId=BIGTABLE_INSTANCE_ID,\ bigtableWriteTableId=BIGTABLE_TABLE_ID,\ bigtableWriteColumnFamily=BIGTABLE_COLUMN_FAMILY
Ersetzen Sie Folgendes:
PROJECT_ID
: die Google Cloud Projekt-ID, in der Sie den Dataflow-Job ausführen möchtenJOB_NAME
: ein eindeutiger Jobname Ihrer WahlREGION_NAME
: die Region, in der Sie Ihren Dataflow-Job bereitstellen möchten, z. B.us-central1
VERSION
: Die Version der Vorlage, die Sie verwenden möchtenSie können die folgenden Werte verwenden:
latest
zur Verwendung der neuesten Version der Vorlage, die im nicht datierten übergeordneten Ordner im Bucket verfügbar ist: gs://dataflow-templates-REGION_NAME/latest/- Den Versionsnamen wie
2023-09-12-00_RC00
, um eine bestimmte Version der Vorlage zu verwenden. Diese ist verschachtelt im jeweiligen datierten übergeordneten Ordner im Bucket enthalten: gs://dataflow-templates-REGION_NAME/.
READ_COLUMN_ID
: Ihre eindeutige BigQuery-ID-Spalte.INPUT_TABLE_SPEC
: ist der BigQuery-TabellennameBIGTABLE_INSTANCE_ID
: Ihre Bigtable-Instanz-ID.BIGTABLE_TABLE_ID
: Ihre Bigtable-Tabellen-ID.BIGTABLE_COLUMN_FAMILY
: die Bigtable-Tabellenspaltenfamilie.
API
Senden Sie eine HTTP-POST-Anfrage, um die Vorlage mithilfe der REST API auszuführen. Weitere Informationen zur API und ihren Autorisierungsbereichen finden Sie unter projects.templates.launch
.
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/flexTemplates:launch { "launch_parameter": { "jobName": "JOB_NAME", "parameters": { "readIdColumn": "READ_COLUMN_ID", "inputTableSpec": "INPUT_TABLE_SPEC", "bigtableWriteInstanceId": "BIGTABLE_INSTANCE_ID", "bigtableWriteTableId": "BIGTABLE_TABLE_ID", "bigtableWriteColumnFamily": "BIGTABLE_COLUMN_FAMILY" }, "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/BigQuery_to_Bigtable", } }
Ersetzen Sie Folgendes:
PROJECT_ID
: die Google Cloud Projekt-ID, in der Sie den Dataflow-Job ausführen möchtenJOB_NAME
: ein eindeutiger Jobname Ihrer WahlLOCATION
: die Region, in der Sie Ihren Dataflow-Job bereitstellen möchten, z. B.us-central1
VERSION
: Die Version der Vorlage, die Sie verwenden möchtenSie können die folgenden Werte verwenden:
latest
zur Verwendung der neuesten Version der Vorlage, die im nicht datierten übergeordneten Ordner im Bucket verfügbar ist: gs://dataflow-templates-REGION_NAME/latest/- Den Versionsnamen wie
2023-09-12-00_RC00
, um eine bestimmte Version der Vorlage zu verwenden. Diese ist verschachtelt im jeweiligen datierten übergeordneten Ordner im Bucket enthalten: gs://dataflow-templates-REGION_NAME/.
READ_COLUMN_ID
: Ihre eindeutige BigQuery-ID-Spalte.INPUT_TABLE_SPEC
: ist der BigQuery-TabellennameBIGTABLE_INSTANCE_ID
: Ihre Bigtable-Instanz-ID.BIGTABLE_TABLE_ID
: Ihre Bigtable-Tabellen-ID.BIGTABLE_COLUMN_FAMILY
: die Bigtable-Tabellenspaltenfamilie.
Nächste Schritte
- Dataflow-Vorlagen
- Sehen Sie sich die Liste der von Google bereitgestellten Vorlagen an.