Criar e executar um fluxo de trabalho SQL no Dataform
Neste guia de início rápido, explicamos o seguinte processo no Dataform para criar um fluxo de trabalho SQL e executá-lo no BigQuery:
Antes de começar
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Enable the BigQuery and Dataform APIs.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Enable the BigQuery and Dataform APIs.
Funções exigidas
Para ter as permissões necessárias para executar todas as tarefas neste tutorial, peça ao administrador para conceder a você os seguintes papéis do IAM no projeto:
-
Administrador do Dataform (
roles/dataform.admin
): repositórios -
Editor do Dataform (
roles/dataform.editor
): espaços de trabalho e invocações de fluxo de trabalho
Para mais informações sobre como conceder papéis, consulte Gerenciar acesso.
Também é possível conseguir as permissões necessárias com papéis personalizados ou outros papéis predefinidos.
Criar um repositório do Dataform
No Console do Google Cloud, acesse a página Dataform.
Clique em
Criar repositório.Na página Criar repositório, faça o seguinte:
No campo Código do repositório, insira
quickstart-repository
.Na lista Região, selecione
europe-west4
.Clique em Criar.
Criar e inicializar um espaço de trabalho de desenvolvimento do Dataform
No Console do Google Cloud, acesse a página Dataform.
Clique em
quickstart-repository
.Clique em
Criar desenvolvimento. Workspace.Na janela Criar espaço de trabalho de desenvolvimento, faça o seguinte:
No campo Código do espaço de trabalho, digite
quickstart-workspace
.Clique em Criar.
A página do espaço de trabalho de desenvolvimento é exibida.
Clique em Inicializar espaço de trabalho.
Criar uma visualização
Nas seções a seguir, você vai definir uma visualização que será usada posteriormente como um repositório fonte para uma tabela.
Criar um arquivo SQLX para definir uma visualização
No painel Arquivos, ao lado de
definitions/
, clique no Menu Mais.Clique em Criar arquivo.
No painel Criar novo arquivo, faça o seguinte:
No campo Adicionar um caminho de arquivo, insira
definitions/quickstart-source.sqlx
.Clique em Criar arquivo.
Definir uma visualização
No painel Arquivos, expanda a pasta de definições.
Clique em
definitions/quickstart-source.sqlx
.No arquivo, digite o seguinte snippet de código:
config { type: "view" } SELECT "apples" AS fruit, 2 AS count UNION ALL SELECT "oranges" AS fruit, 5 AS count UNION ALL SELECT "pears" AS fruit, 1 AS count UNION ALL SELECT "bananas" AS fruit, 0 AS count
Clique em Formatar.
Criar uma tabela
Nas seções a seguir, você vai definir o tipo de tabela em um arquivo SQLX e depois
Escreva uma instrução SELECT
para definir a estrutura da tabela no mesmo arquivo.
Criar um arquivo SQLX para definição de tabela
No painel Arquivos, ao lado de
definitions/
, clique no no menu Mais e selecione Criar arquivo.No campo Adicionar um caminho de arquivo, insira
definitions/quickstart-table.sqlx
.Clique em Criar arquivo.
Definir o tipo, a estrutura e as dependências da tabela
No painel Arquivos, expanda o diretório
definitions/
.Selecione
quickstart-table.sqlx
, insira o seguinte tipo de tabela e InstruçãoSELECT
:config { type: "table" } SELECT fruit, SUM(count) as count FROM ${ref("quickstart-source")} GROUP BY 1
Clique em Formatar.
Depois de definir o tipo de tabela, o Dataform gera um erro de validação de consulta
porque quickstart-source
ainda não existe no BigQuery. Isso
é resolvido quando você executa o fluxo de trabalho SQL posteriormente neste tutorial.
Conceder acesso ao Dataform ao BigQuery
Para executar fluxos de trabalho no BigQuery, o Dataform a conta de serviço precisa ter os seguintes papéis obrigatórios:
- Editor de dados do BigQuery em projetos em que o Dataform precisa de acesso de leitura e gravação. Eles geralmente incluem o projeto que hospeda o repositório do Dataform.
- Leitor de dados do BigQuery em projetos a que o Dataform precisa de acesso somente leitura.
- Usuário de jobs do BigQuery no projeto que hospeda o repositório do Dataform.
Para conceder esses papéis, siga estas etapas:
No console do Google Cloud, abra a página IAM.
Clique em Adicionar.
No campo Novos principais, insira seu serviço do Dataform ID da conta de serviço.
Na lista suspensa Selecionar papel, selecione o papel Usuário de jobs do BigQuery.
Clique em Adicionar outro papel e, em seguida, no menu suspenso Selecionar um papel selecione o papel Editor de dados do BigQuery.
Clique em Adicionar outro papel e, em seguida, no menu suspenso Selecionar um papel selecione o papel Leitor de dados do BigQuery.
Clique em Salvar.
Executar o fluxo de trabalho
No Console do Google Cloud, acesse a página Dataform.
Na página
quickstart-workspace
, clique em Iniciar execução.Clique em Todas as ações.
No painel Executar, clique em Iniciar execução.
O Dataform usa as configurações padrão do repositório para criar conteúdo do fluxo de trabalho em um conjunto de dados do BigQuery chamado
dataform
:
Acessar registros de execução no Dataform
Na página
quickstart-repository
, clique em Registros de execução de fluxo de trabalho.Para acessar os detalhes da execução, clique na última execução.
Limpar
Para evitar cobranças na conta do Google Cloud pelos recursos usados nesta página, siga estas etapas.
Excluir o conjunto de dados criado no BigQuery
Para evitar cobranças de recursos do BigQuery, exclua a
conjunto de dados chamado dataform
.
No Console do Google Cloud, acesse a página BigQuery.
No painel Explorer, expanda o projeto e selecione
dataform
.Clique no menu
Ações e selecione Excluir.Na caixa de diálogo Excluir conjunto de dados, insira
delete
no campo e depois Clique em Excluir.
Excluir o espaço de trabalho de desenvolvimento do Dataform
A criação do espaço de trabalho de desenvolvimento do Dataform não gera custos, apenas excluir espaço de trabalho de desenvolvimento, siga estas etapas:
No Console do Google Cloud, acesse a página Dataform.
Clique em
quickstart-repository
.Na guia Espaços de trabalho de desenvolvimento, clique em
Menu Mais porquickstart-workspace
e selecione Excluir.Para confirmar, clique em Excluir.
Excluir o repositório do Dataform
A criação do repositório do Dataform não tem custos, mas é preciso excluir o repositório, siga estas etapas:
No Console do Google Cloud, acesse a página Dataform.
Até
quickstart-repository
, clique no menu Mais do . e selecione Excluir.Na janela Excluir repositório, insira o nome do repositório para confirmar a exclusão.
Para confirmar, clique em Excluir.
A seguir
Para saber mais sobre o Dataform, consulte este link geral do Google.
Para saber mais sobre os recursos do Dataform, consulte Visão geral do Recursos do Dataform.
Para saber mais sobre o Dataform Core, consulte Visão geral do Núcleo do Dataform.
Para saber como modificar as configurações padrão do Dataform do seu repositório, consulte Configurar o Dataform padrão.
Para saber mais sobre como gerenciar conjuntos de dados no BigQuery, consulte Como gerenciar conjuntos de dados.
Para saber mais sobre gerenciamento de tabelas no BigQuery, consulte Gerenciar tabelas.