Template MongoDB ke BigQuery (Streaming)

Template ini membuat pipeline streaming yang berfungsi dengan MongoDB change streams. Untuk menggunakan template ini, publikasikan data aliran perubahan ke Pub/Sub. Pipeline membaca rekaman JSON dari Pub/Sub dan menuliskannya ke BigQuery. Data yang ditulis ke BigQuery memiliki format yang sama dengan template batch MongoDB ke BigQuery.

Persyaratan pipeline

  • Set data BigQuery target harus ada.
  • Instance MongoDB sumber harus dapat diakses dari mesin pekerja Dataflow.
  • Anda harus membuat topik Pub/Sub untuk membaca aliran perubahan. Saat pipeline berjalan, dengarkan peristiwa pengambilan data perubahan (CDC) di aliran perubahan MongoDB dan publikasikan ke Pub/Sub sebagai rekaman JSON. Untuk mengetahui informasi selengkapnya tentang cara memublikasikan pesan ke Pub/Sub, lihat Memublikasikan pesan ke topik.
  • Template ini menggunakan aliran perubahan MongoDB. Tidak mendukung change data capture BigQuery.

Parameter template

Parameter yang diperlukan

  • mongoDbUri: URI koneksi MongoDB dalam format mongodb+srv://:@..
  • database: Database di MongoDB untuk membaca koleksi. Contoh, my-db.
  • collection: Nama koleksi di dalam database MongoDB. Contoh, my-collection.
  • userOption: FLATTEN, JSON, atau NONE. FLATTEN meratakan dokumen ke satu tingkat. JSON menyimpan dokumen dalam format JSON BigQuery. NONE menyimpan seluruh dokumen sebagai STRING berformat JSON. Default: NONE.
  • inputTopic: Topik input Pub/Sub yang akan dibaca, dalam format projects/<PROJECT_ID>/topics/<TOPIC_NAME>.
  • outputTableSpec: Tabel BigQuery yang akan ditulis. Contoh, bigquery-project:dataset.output_table.

Parameter opsional

  • useStorageWriteApiAtLeastOnce: Saat menggunakan Storage Write API, menentukan semantik penulisan. Untuk menggunakan semantik minimal satu kali (https://beam.apache.org/documentation/io/built-in/google-bigquery/#at-least-once-semantics), tetapkan parameter ini ke true. Untuk menggunakan semantik tepat satu kali, tetapkan parameter ke false. Parameter ini hanya berlaku jika useStorageWriteApi adalah true. Nilai defaultnya adalah false.
  • KMSEncryptionKey: Kunci Enkripsi Cloud KMS untuk mendekripsi string koneksi URI MongoDB. Jika kunci Cloud KMS diteruskan, string koneksi URI mongodb harus diteruskan dalam bentuk terenkripsi. Contoh, projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key.
  • filter: Filter Bson dalam format json. Contoh, { "val": { $gt: 0, $lt: 9 }}.
  • useStorageWriteApi: Jika benar (true), pipeline akan menggunakan BigQuery Storage Write API (https://cloud.google.com/bigquery/docs/write-api). Nilai defaultnya adalah false. Untuk mengetahui informasi selengkapnya, lihat Menggunakan Storage Write API (https://beam.apache.org/documentation/io/built-in/google-bigquery/#storage-write-api).
  • numStorageWriteApiStreams: Saat menggunakan Storage Write API, tentukan jumlah aliran penulisan. Jika useStorageWriteApi adalah true dan useStorageWriteApiAtLeastOnce adalah false, Anda harus menetapkan parameter ini. Nilai default: 0.
  • storageWriteApiTriggeringFrequencySec: Saat menggunakan Storage Write API, menentukan frekuensi pemicuan, dalam detik. Jika useStorageWriteApi adalah true dan useStorageWriteApiAtLeastOnce adalah false, Anda harus menetapkan parameter ini.
  • bigQuerySchemaPath: Jalur Cloud Storage untuk skema JSON BigQuery. Contoh, gs://your-bucket/your-schema.json.
  • javascriptDocumentTransformGcsPath: URI Cloud Storage dari file .js yang menentukan fungsi yang ditentukan pengguna (UDF) JavaScript yang akan digunakan. Misalnya, gs://your-bucket/your-transforms/*.js.
  • javascriptDocumentTransformFunctionName: Nama fungsi yang ditentukan pengguna (UDF) JavaScript yang akan digunakan. Misalnya, jika kode fungsi JavaScript Anda adalah myTransform(inJson) { /*...do stuff...*/ }, maka nama fungsinya adalah myTransform. Untuk contoh UDF JavaScript, lihat Contoh UDF (https://github.com/GoogleCloudPlatform/DataflowTemplates#udf-examples). Contohnya, transform

Fungsi yang ditentukan pengguna

Secara opsional, Anda dapat memperluas template ini dengan menulis fungsi yang ditentukan pengguna (UDF) di JavaScript. Template memanggil UDF untuk setiap elemen input. Payload elemen diserialisasi sebagai string JSON.

Untuk menggunakan UDF, upload file JavaScript ke Cloud Storage dan tetapkan parameter template berikut:

ParameterDeskripsi
javascriptDocumentTransformGcsPath Lokasi file JavaScript di Cloud Storage.
javascriptDocumentTransformFunctionName Nama fungsi JavaScript.

Untuk mengetahui informasi selengkapnya, lihat Membuat fungsi yang ditentukan pengguna untuk template Dataflow.

Spesifikasi fungsi

UDF memiliki spesifikasi berikut:

  • Input: dokumen MongoDB.
  • Output: objek yang diserialisasi sebagai string JSON.
  • Menjalankan template

    Konsol

    1. Buka halaman Dataflow Create job from template.
    2. Buka Membuat tugas dari template
    3. Di kolom Nama tugas, masukkan nama tugas yang unik.
    4. 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.

    5. Dari menu drop-down Template Dataflow, pilih the MongoDB (CDC) to BigQuery template.
    6. Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
    7. 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/MongoDB_to_BigQuery_CDC \
        --parameters \
    outputTableSpec=OUTPUT_TABLE_SPEC,\
    mongoDbUri=MONGO_DB_URI,\
    database=DATABASE,\
    collection=COLLECTION,\
    userOption=USER_OPTION,\
    inputTopic=INPUT_TOPIC

    Ganti kode berikut:

    • PROJECT_ID: ID Google Cloud project tempat Anda ingin menjalankan tugas Dataflow
    • JOB_NAME: nama tugas unik pilihan Anda
    • REGION_NAME: region tempat Anda ingin men-deploy tugas Dataflow—misalnya, us-central1
    • VERSION: versi template yang ingin Anda gunakan

      Anda dapat menggunakan nilai berikut:

    • OUTPUT_TABLE_SPEC: nama tabel BigQuery target Anda.
    • MONGO_DB_URI: URI MongoDB Anda.
    • DATABASE: database MongoDB Anda.
    • COLLECTION: koleksi MongoDB Anda.
    • USER_OPTION: FLATTEN, JSON, atau NONE.
    • INPUT_TOPIC: topik input Pub/Sub 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": {
              "inputTableSpec": "INPUT_TABLE_SPEC",
              "mongoDbUri": "MONGO_DB_URI",
              "database": "DATABASE",
              "collection": "COLLECTION",
              "userOption": "USER_OPTION",
              "inputTopic": "INPUT_TOPIC"
          },
          "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/MongoDB_to_BigQuery_CDC",
       }
    }

    Ganti kode berikut:

    • PROJECT_ID: ID Google Cloud project tempat Anda ingin menjalankan tugas Dataflow
    • JOB_NAME: nama tugas unik pilihan Anda
    • LOCATION: region tempat Anda ingin men-deploy tugas Dataflow—misalnya, us-central1
    • VERSION: versi template yang ingin Anda gunakan

      Anda dapat menggunakan nilai berikut:

    • OUTPUT_TABLE_SPEC: nama tabel BigQuery target Anda.
    • MONGO_DB_URI: URI MongoDB Anda.
    • DATABASE: database MongoDB Anda.
    • COLLECTION: koleksi MongoDB Anda.
    • USER_OPTION: FLATTEN, JSON, atau NONE.
    • INPUT_TOPIC: topik input Pub/Sub Anda.

    Langkah berikutnya