Vorlage „BigQuery für Clickhouse“

Die Vorlage „BigQuery für Clickhouse“ ist eine Batchpipeline, die Daten aus einer BigQuery-Tabelle in eine vorhandene Clickhouse-Tabelle kopiert. Die Vorlage kann entweder die gesamte Tabelle oder bestimmte Datensätze mithilfe einer angegebenen Abfrage lesen.

Pipelineanforderungen

  • Die BigQuery-Quelltabelle
  • Die Clickhouse-Tabelle muss vorhanden sein.

Vorlagenparameter

Erforderliche Parameter

  • jdbcUrl: Die Ziel-JDBC-URL für ClickHouse im Format jdbc:clickhouse://host:port/schema. Jede JDBC-Option kann am Ende der JDBC-URL hinzugefügt werden. Beispiel: jdbc:clickhouse://localhost:8123/default
  • clickHouseUsername: Der ClickHouse-Nutzername, mit dem Sie sich authentifizieren möchten.
  • clickHouseTable: Der Name der ClickHouse-Zieltabelle, in die die Daten eingefügt werden sollen.

Optionale Parameter

  • 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 entweder inputTableSpec oder query angeben. Wenn Sie beide Parameter festlegen, verwendet die Vorlage den Parameter query. 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, sofern useLegacySql nicht true ist. Sie müssen entweder inputTableSpec oder query angeben. Wenn Sie beide Parameter festlegen, verwendet die Vorlage den Parameter query. Beispiel: select * from sampledb.sample_table.
  • useLegacySql: Legen Sie true fest, um Legacy-SQL zu verwenden. Dieser Parameter gilt nur, wenn der Parameter query verwendet wird. Die Standardeinstellung ist false.
  • 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.
  • clickHousePassword: Das ClickHouse-Passwort, mit dem Sie sich authentifizieren.
  • maxInsertBlockSize: Die maximale Blockgröße für das Einfügen, wenn wir die Erstellung von Blöcken für das Einfügen steuern (ClickHouseIO-Option).
  • insertDistributedSync: Wenn die Einstellung aktiviert ist, wird die Einfügeabfrage in verteilten Wartevorgängen ausgeführt, bis die Daten an alle Knoten im Cluster gesendet werden. (ClickHouseIO-Option).
  • insertQuorum: Bei INSERT-Abfragen in der replizierten Tabelle wird mit dem Schreiben gewartet, bis die angegebene Anzahl von Replikaten erreicht ist, und das Hinzufügen der Daten wird linearisiert. 0 – deaktiviert. Diese Einstellung ist in den Standardservereinstellungen (ClickHouseIO-Option) deaktiviert.
  • insertDeduplicate: Gibt für INSERT-Abfragen in der replizierten Tabelle an, dass die Deduplizierung von Einfügeblöcken durchgeführt werden soll.
  • maxRetries: Maximale Anzahl der Wiederholungsversuche pro Einfügung.

Führen Sie die Vorlage aus.

Console

  1. Rufen Sie die Dataflow-Seite Job aus Vorlage erstellen auf.
  2. Zur Seite "Job aus Vorlage erstellen“
  3. Geben Sie im Feld Jobname einen eindeutigen Jobnamen ein.
  4. 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.

  5. Wählen Sie im Drop-down-Menü Dataflow-Vorlage die Option the BigQuery to Clickhouse templateaus.
  6. Geben Sie Ihre Parameterwerte in die Parameterfelder ein.
  7. 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_Clickhouse \
    --parameters \
jdbcUrl=JDBC_URL,\
clickHouseUsername=CLICKHOUSE_USERNAME,\
clickHouseTable=CLICKHOUSE_TABLE

Ersetzen Sie Folgendes:

  • PROJECT_ID: die Google Cloud Projekt-ID, in der Sie den Dataflow-Job ausführen möchten
  • JOB_NAME: ein eindeutiger Jobname Ihrer Wahl
  • REGION_NAME: die Region, in der Sie Ihren Dataflow-Job bereitstellen möchten, z. B. us-central1
  • VERSION: Die Version der Vorlage, die Sie verwenden möchten

    Sie 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/.
  • JDBC_URL: Ihre JDBC-URL.
  • CLICKHOUSE_USERNAME: Ihr Clickhouse-Nutzername.
  • CLICKHOUSE_TABLE: Ihre Clickhouse-Tabelle.

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": {
          "jdbcUrl": "JDBC_URL",
          "clickHouseUsername": "CLICKHOUSE_USERNAME",
          "clickHouseTable": "CLICKHOUSE_TABLE"
      },
      "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/BigQuery_to_Clickhouse",
   }
}

Ersetzen Sie Folgendes:

  • PROJECT_ID: die Google Cloud Projekt-ID, in der Sie den Dataflow-Job ausführen möchten
  • JOB_NAME: ein eindeutiger Jobname Ihrer Wahl
  • LOCATION: die Region, in der Sie Ihren Dataflow-Job bereitstellen möchten, z. B. us-central1
  • VERSION: Die Version der Vorlage, die Sie verwenden möchten

    Sie 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/.
  • JDBC_URL: Ihre JDBC-URL.
  • CLICKHOUSE_USERNAME: Ihr Clickhouse-Nutzername.
  • CLICKHOUSE_TABLE: Ihre Clickhouse-Tabelle.

Nächste Schritte