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
, atauNONE
.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 kefalse
. Parameter ini hanya berlaku jikauseStorageWriteApi
adalahtrue
. Nilai defaultnya adalahfalse
. - 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
adalahtrue
danuseStorageWriteApiAtLeastOnce
adalahfalse
, Anda harus menetapkan parameter ini. Nilai default: 0. - storageWriteApiTriggeringFrequencySec: Saat menggunakan Storage Write API, menentukan frekuensi pemicuan, dalam detik. Jika
useStorageWriteApi
adalahtrue
danuseStorageWriteApiAtLeastOnce
adalahfalse
, 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:
Parameter | Deskripsi |
---|---|
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:
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 MongoDB (CDC) to BigQuery 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/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 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/
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 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/
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
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.