Template BigQuery to Clickhouse adalah pipeline batch yang menyalin data dari tabel BigQuery ke tabel Clickhouse yang ada. Template dapat membaca seluruh tabel atau membaca data tertentu menggunakan kueri yang diberikan.
Persyaratan pipeline
- Tabel BigQuery sumber harus ada.
- Tabel Clickhouse harus ada.
Parameter template
Parameter yang diperlukan
- jdbcUrl: URL JDBC ClickHouse target dalam format
jdbc:clickhouse://host:port/schema
. Opsi JDBC apa pun dapat ditambahkan di akhir URL JDBC. Misalnya,jdbc:clickhouse://localhost:8123/default
. - clickHouseUsername: Nama pengguna ClickHouse untuk autentikasi.
- clickHouseTable: Nama tabel ClickHouse target untuk menyisipkan data.
Parameter opsional
- inputTableSpec: Tabel BigQuery yang akan dibaca. Jika Anda menentukan
inputTableSpec
, template akan membaca data langsung dari penyimpanan BigQuery menggunakan BigQuery Storage Read API (https://cloud.google.com/bigquery/docs/reference/storage). Untuk mengetahui informasi tentang batasan di Storage Read API, lihat https://cloud.google.com/bigquery/docs/reference/storage#limitations. Anda harus menentukaninputTableSpec
atauquery
. Jika Anda menetapkan kedua parameter, template akan menggunakan parameterquery
. Misalnya,<BIGQUERY_PROJECT>:<DATASET_NAME>.<INPUT_TABLE>
. - outputDeadletterTable: Tabel BigQuery untuk pesan yang gagal mencapai tabel output. Jika tidak ada, tabel akan dibuat selama eksekusi pipeline. Jika tidak ditentukan,
<outputTableSpec>_error_records
akan digunakan. Misalnya,<PROJECT_ID>:<DATASET_NAME>.<DEADLETTER_TABLE>
. - kueri: Kueri SQL yang akan digunakan untuk membaca data dari BigQuery. Jika set data BigQuery berada di project yang berbeda dengan tugas Dataflow, tentukan nama set data lengkap dalam kueri SQL, misalnya: <PROJECT_ID>.<DATASET_NAME>.<TABLE_NAME>. Secara default, parameter
query
menggunakan GoogleSQL (https://cloud.google.com/bigquery/docs/introduction-sql), kecuali jikauseLegacySql
adalahtrue
. Anda harus menentukaninputTableSpec
atauquery
. Jika Anda menetapkan kedua parameter, template akan menggunakan parameterquery
. Misalnya,select * from sampledb.sample_table
. - useLegacySql: Setel ke
true
untuk menggunakan legacy SQL. Parameter ini hanya berlaku saat menggunakan parameterquery
. Setelan defaultnya adalahfalse
. - queryLocation: Diperlukan saat membaca dari tampilan yang diizinkan tanpa izin tabel pokok. Contoh,
US
. - queryTempDataset: Dengan opsi ini, Anda dapat menetapkan set data yang ada untuk membuat tabel sementara guna menyimpan hasil kueri. Contoh,
temp_dataset
. - KMSEncryptionKey: Jika membaca dari BigQuery menggunakan sumber kueri, gunakan kunci Cloud KMS ini untuk mengenkripsi tabel sementara yang dibuat. Contoh,
projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key
. - clickHousePassword: Sandi ClickHouse untuk mengautentikasi.
- maxInsertBlockSize: Ukuran blok maksimum untuk penyisipan, jika kita mengontrol pembuatan blok untuk penyisipan (opsi ClickHouseIO).
- insertDistributedSync: Jika setelan diaktifkan, masukkan kueri ke dalam antrean terdistribusi hingga data akan dikirim ke semua node dalam cluster. (Opsi ClickHouseIO).
- insertQuorum: Untuk kueri INSERT dalam tabel yang direplikasi, tunggu penulisan untuk jumlah replika yang ditentukan dan linearisasi penambahan data. 0 - dinonaktifkan. Setelan ini dinonaktifkan di setelan server default (opsi ClickHouseIO).
- insertDeduplicate: Untuk kueri INSERT di tabel yang direplikasi, menentukan bahwa deduplikasi blok penyisipan harus dilakukan.
- maxRetries: Jumlah maksimum percobaan ulang per penyisipan.
Menjalankan template
Konsol
- Buka halaman Dataflow Create job from template. Buka Membuat tugas dari template
- Di kolom Nama tugas, masukkan nama tugas yang unik.
- Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region
default-nya adalah
us-central1
.Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.
- Dari menu drop-down Template Dataflow, pilih the BigQuery to Clickhouse template.
- Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
- Klik Run job.
gcloud
Di shell atau terminal Anda, jalankan template:
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
Ganti kode berikut:
PROJECT_ID
: ID Google Cloud project tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaREGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan versi template terbaru, yang tersedia di folder induk tanpa tanggal di bucket— gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat di folder induk yang diberi tanggal di bucket— gs://dataflow-templates-REGION_NAME/
JDBC_URL
: URL JDBC Anda.CLICKHOUSE_USERNAME
: nama pengguna Clickhouse Anda.CLICKHOUSE_TABLE
: tabel Clickhouse Anda.
API
Untuk menjalankan template menggunakan REST API, kirim permintaan HTTP POST. Untuk mengetahui informasi selengkapnya tentang
API dan cakupan otorisasinya, lihat
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", } }
Ganti kode berikut:
PROJECT_ID
: ID Google Cloud project tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaLOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan versi template terbaru, yang tersedia di folder induk tanpa tanggal di bucket— gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat di folder induk yang diberi tanggal di bucket— gs://dataflow-templates-REGION_NAME/
JDBC_URL
: URL JDBC Anda.CLICKHOUSE_USERNAME
: nama pengguna Clickhouse Anda.CLICKHOUSE_TABLE
: tabel Clickhouse Anda.
Langkah berikutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.