Template SQL Server to BigQuery adalah pipeline batch yang menyalin data dari tabel SQL Server ke tabel BigQuery yang ada. Pipeline ini menggunakan JDBC untuk terhubung ke SQL Server. Untuk lapisan perlindungan tambahan, Anda juga dapat meneruskan kunci Cloud KMS bersama dengan parameter nama pengguna, sandi, dan string koneksi yang dienkripsi dengan Base64 yang dienkripsi dengan kunci Cloud KMS. Untuk mengetahui informasi selengkapnya tentang cara mengenkripsi parameter nama pengguna, sandi, dan string koneksi Anda, lihat endpoint enkripsi Cloud KMS API.
Persyaratan pipeline
- Tabel BigQuery harus ada sebelum eksekusi pipeline.
- Tabel BigQuery harus memiliki skema yang kompatibel.
- Database relasional harus dapat diakses dari subnet tempat Dataflow berjalan.
Parameter template
Parameter yang diperlukan
- driverJars: Daftar file JAR driver yang dipisahkan koma. Contoh,
gs://your-bucket/driver_jar1.jar,gs://your-bucket/driver_jar2.jar
. - driverClassName: Nama class driver JDBC. Contoh,
com.mysql.jdbc.Driver
. - connectionURL: String URL koneksi JDBC. Contoh,
jdbc:mysql://some-host:3306/sampledb
. Anda dapat meneruskan nilai ini sebagai string yang dienkripsi dengan kunci Cloud KMS, lalu dienkode dengan Base64. Hapus karakter spasi dari string berenkode Base64. Perhatikan perbedaan antara string koneksi database non-RAC Oracle (jdbc:oracle:thin:@some-host:<port>:<sid>
) dan string koneksi database RAC Oracle (jdbc:oracle:thin:@//some-host[:<port>]/<service_name>
). Misalnya,jdbc:mysql://some-host:3306/sampledb
. - outputTable: Lokasi tabel output BigQuery. Contoh,
<PROJECT_ID>:<DATASET_NAME>.<TABLE_NAME>
. - bigQueryLoadingTemporaryDirectory: Direktori sementara untuk proses pemuatan BigQuery. Contoh,
gs://your-bucket/your-files/temp_dir
.
Parameter opsional
- connectionProperties: String properti yang akan digunakan untuk koneksi JDBC. Format string harus
[propertyName=property;]*
.Untuk mengetahui informasi selengkapnya, lihat Properti Konfigurasi (https://dev.mysql.com/doc/connector-j/en/connector-j-reference-configuration-properties.html) dalam dokumentasi MySQL. Contohnya,unicode=true;characterEncoding=UTF-8
- username: Nama pengguna yang akan digunakan untuk koneksi JDBC. Dapat diteruskan sebagai string yang dienkripsi dengan kunci Cloud KMS, atau dapat berupa rahasia Secret Manager dalam bentuk projects/{project}/secrets/{secret}/versions/{secret_version}.
- sandi: Sandi yang akan digunakan untuk koneksi JDBC. Dapat diteruskan sebagai string yang dienkripsi dengan kunci Cloud KMS, atau dapat berupa rahasia Secret Manager dalam bentuk projects/{project}/secrets/{secret}/versions/{secret_version}.
- kueri: Kueri yang akan dijalankan pada sumber untuk mengekstrak data. Perhatikan bahwa beberapa jenis SQL JDBC dan BigQuery, meskipun memiliki nama yang sama, memiliki beberapa perbedaan. Beberapa pemetaan jenis SQL -> BigQuery penting yang perlu diingat adalah
DATETIME --> TIMESTAMP
. Transmisi jenis mungkin diperlukan jika skema Anda tidak cocok. Misalnya,select * from sampledb.sample_table
. - KMSEncryptionKey: Kunci enkripsi Cloud KMS yang akan digunakan untuk mendekripsi nama pengguna, sandi, dan string koneksi. Jika Anda meneruskan kunci Cloud KMS, Anda juga harus mengenkripsi nama pengguna, sandi, dan string koneksi. Contoh,
projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key
. - useColumnAlias: Jika disetel ke
true
, pipeline akan menggunakan alias kolom (AS
) dan bukan nama kolom untuk memetakan baris ke BigQuery. Setelan defaultnya adalahfalse
. - isTruncate: Jika disetel ke
true
, pipeline akan memangkas sebelum memuat data ke BigQuery. Defaultnya adalahfalse
, yang menyebabkan pipeline menambahkan data. - partitionColumn: Jika
partitionColumn
ditentukan bersama dengantable
, JdbcIO akan membaca tabel secara paralel dengan menjalankan beberapa instance kueri pada tabel yang sama (subkueri) menggunakan rentang. Saat ini, mendukung kolom partisiLong
danDateTime
. Teruskan jenis kolom melaluipartitionColumnType
. - partitionColumnType: Jenis
partitionColumn
, menerimalong
ataudatetime
. Default-nya adalah: panjang. - table: Tabel yang akan dibaca saat menggunakan partisi. Parameter ini juga menerima subkueri dalam tanda kurung. Contoh,
(select id, name from Person) as subq
. - numPartitions: Jumlah partisi. Dengan batas bawah dan atas, nilai ini membentuk langkah partisi untuk ekspresi klausa
WHERE
yang dihasilkan dan digunakan untuk membagi kolom partisi secara merata. Jika input kurang dari1
, angka akan ditetapkan ke1
. - lowerBound: Batas bawah yang akan digunakan dalam skema partisi. Jika tidak diberikan, nilai ini akan otomatis disimpulkan oleh Apache Beam untuk jenis yang didukung.
datetime
partitionColumnType menerima batas bawah dalam formatyyyy-MM-dd HH:mm:ss.SSSZ
. Contohnya,2024-02-20 07:55:45.000+03:30
- upperBound: Batas atas yang akan digunakan dalam skema partisi. Jika tidak diberikan, nilai ini akan otomatis disimpulkan oleh Apache Beam untuk jenis yang didukung.
datetime
partitionColumnType menerima batas atas dalam formatyyyy-MM-dd HH:mm:ss.SSSZ
. Contohnya,2024-02-20 07:55:45.000+03:30
- fetchSize: Jumlah baris yang akan diambil dari database dalam satu waktu. Tidak digunakan untuk pembacaan yang dipartisi. Nilai defaultnya adalah: 50000.
- createDisposition: CreateDisposition BigQuery yang akan digunakan. Misalnya
CREATE_IF_NEEDED
atauCREATE_NEVER
. Default-nya adalah: CREATE_NEVER. - bigQuerySchemaPath: Jalur Cloud Storage untuk skema JSON BigQuery. Jika
createDisposition
disetel keCREATE_IF_NEEDED
, parameter ini harus ditentukan. Contohnya,gs://your-bucket/your-schema.json
- outputDeadletterTable: Tabel BigQuery yang akan digunakan untuk pesan yang gagal mencapai tabel output, diformat sebagai
"PROJECT_ID:DATASET_NAME.TABLE_NAME"
. Jika tidak ada, tabel akan dibuat saat pipeline berjalan. Jika parameter ini tidak ditentukan, pipeline akan gagal karena error penulisan.Parameter ini hanya dapat ditentukan jikauseStorageWriteApi
atauuseStorageWriteApiAtLeastOnce
disetel ke benar (true). - disabledAlgorithms: Algoritma yang dipisahkan koma untuk dinonaktifkan. Jika nilai ini disetel ke
none
, tidak ada algoritma yang dinonaktifkan. Gunakan parameter ini dengan hati-hati, karena algoritma yang dinonaktifkan secara default mungkin memiliki kerentanan atau masalah performa. Misalnya,SSLv3, RC4
. - extraFilesToStage: Jalur Cloud Storage atau secret Secret Manager yang dipisahkan koma untuk file yang akan di-stage di pekerja. File ini disimpan di direktori /extra_files di setiap pekerja. Contoh,
gs://<BUCKET_NAME>/file.txt,projects/<PROJECT_ID>/secrets/<SECRET_ID>/versions/<VERSION_ID>
. - useStorageWriteApi: Jika
true
, pipeline menggunakan BigQuery Storage Write API (https://cloud.google.com/bigquery/docs/write-api). Nilai defaultnya adalahfalse
. Untuk mengetahui informasi selengkapnya, lihat Menggunakan Storage Write API (https://beam.apache.org/documentation/io/built-in/google-bigquery/#storage-write-api). - 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
.
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 SQL Server 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/SQLServer_to_BigQuery \ --parameters \ connectionURL=JDBC_CONNECTION_URL,\ query=SOURCE_SQL_QUERY,\ outputTable=PROJECT_ID:DATASET.TABLE_NAME, bigQueryLoadingTemporaryDirectory=PATH_TO_TEMP_DIR_ON_GCS,\ connectionProperties=CONNECTION_PROPERTIES,\ username=CONNECTION_USERNAME,\ password=CONNECTION_PASSWORD,\ KMSEncryptionKey=KMS_ENCRYPTION_KEY
Ganti kode berikut:
JOB_NAME
: nama tugas unik pilihan AndaVERSION
: 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/
REGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
JDBC_CONNECTION_URL
: URL koneksi JDBCSOURCE_SQL_QUERY
: kueri SQL yang akan dijalankan di database sumberDATASET
: set data BigQuery AndaTABLE_NAME
: nama tabel BigQuery AndaPATH_TO_TEMP_DIR_ON_GCS
: jalur Cloud Storage Anda ke direktori sementaraCONNECTION_PROPERTIES
: properti koneksi JDBC, jika diperlukanCONNECTION_USERNAME
: nama pengguna koneksi JDBCCONNECTION_PASSWORD
: sandi koneksi JDBCKMS_ENCRYPTION_KEY
: kunci enkripsi Cloud KMS
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 { "launchParameter": { "jobName": "JOB_NAME", "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/SQLServer_to_BigQuery", "parameters": { "connectionURL": "JDBC_CONNECTION_URL", "query": "SOURCE_SQL_QUERY", "outputTable": "PROJECT_ID:DATASET.TABLE_NAME", "bigQueryLoadingTemporaryDirectory": "PATH_TO_TEMP_DIR_ON_GCS", "connectionProperties": "CONNECTION_PROPERTIES", "username": "CONNECTION_USERNAME", "password": "CONNECTION_PASSWORD", "KMSEncryptionKey":"KMS_ENCRYPTION_KEY" }, "environment": { "zone": "us-central1-f" } } }
Ganti kode berikut:
PROJECT_ID
: ID Google Cloud project tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaVERSION
: 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/
LOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
JDBC_CONNECTION_URL
: URL koneksi JDBCSOURCE_SQL_QUERY
: kueri SQL yang akan dijalankan di database sumberDATASET
: set data BigQuery AndaTABLE_NAME
: nama tabel BigQuery AndaPATH_TO_TEMP_DIR_ON_GCS
: jalur Cloud Storage Anda ke direktori sementaraCONNECTION_PROPERTIES
: properti koneksi JDBC, jika diperlukanCONNECTION_USERNAME
: nama pengguna koneksi JDBCCONNECTION_PASSWORD
: sandi koneksi JDBCKMS_ENCRYPTION_KEY
: kunci enkripsi Cloud KMS
Langkah berikutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.