创建 Dataplex Universal Catalog 数据湖

本文档介绍如何创建 Dataplex Universal Catalog 数据湖。您可以在支持 Dataplex Universal Catalog 的任何区域中创建数据湖。

准备工作

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.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the Dataplex Universal Catalog, Dataproc, Dataproc Metastore, BigQuery, and Cloud Storage APIs.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Go to project selector

Make sure that billing is enabled for your Google Cloud project.

Enable the Dataplex Universal Catalog, Dataproc, Dataproc Metastore, BigQuery, and Cloud Storage APIs.

Enable the APIs

访问权限控制

1. 如需创建和管理数据湖，请确保您已获得预定义角色 roles/dataplex.admin 或 roles/dataplex.editor。如需了解详情，请参阅授予单个角色。

2. 如需将其他项目中的 Cloud Storage 存储桶附加到数据湖，请通过运行以下命令，向以下 Dataplex Universal Catalog 服务账号授予该存储桶的管理员角色：

   gcloud alpha dataplex lakes authorize \
   --project PROJECT_ID_OF_LAKE \
   --storage-bucket-resource BUCKET_NAME
   

创建 metastore

您可以通过将 Dataproc Metastore 服务实例与 Dataplex Universal Catalog 数据湖关联，在 Spark 查询中使用 Hive Metastore 访问 Dataplex Universal Catalog 元数据。您需要有一个与 Dataplex Universal Catalog 数据湖关联的启用了 gRPC 的 Dataproc Metastore（3.1.2 版或更高版本）。

1. 创建 Dataproc Metastore 服务。

2. 将 Dataproc Metastore 服务实例配置为公开 gRPC 端点（而不是默认的 Thrift Metastore 端点）：

   curl -X PATCH \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   "https://metastore.googleapis.com/v1beta/projects/PROJECT_ID/locations/LOCATION/services/SERVICE_ID?updateMask=hiveMetastoreConfig.endpointProtocol" \
   -d '{"hiveMetastoreConfig": {"endpointProtocol": "GRPC"}}'
   

3. 查看 gRPC 端点：

   gcloud metastore services describe SERVICE_ID \
     --project PROJECT_ID \
     --location LOCATION \
     --format "value(endpointUri)"
   

创建数据湖

控制台

1. 在 Google Cloud 控制台中，前往 Dataplex Universal Catalog。

   进入 Dataplex

2. 导航到管理视图。

3. 点击 add创建。

4. 输入显示名称。

5. 系统会自动为您生成数据湖 ID。如果您需要，可以提供自己的 ID。请参阅资源命名惯例。

6. （可选）输入说明。

7. 指定要在其中创建数据湖的区域。

   对于在给定区域（例如 us-central1）中创建的数据湖，可以附加单区域 (us-central1) 数据和多区域 (us multi-region) 数据，具体取决于区域设置。

8. 可选：为数据湖添加标签。

9. 可选：在 Metastore 部分中，点击 Metastore 服务菜单，然后选择您在准备工作部分中创建的服务。

10. 点击创建。

gcloud

如需创建数据湖，请使用 gcloud alpha dataplex lakes create 命令：

gcloud alpha dataplex lakes create LAKE \
 --location=LOCATION \
 --labels=k1=v1,k2=v2,k3=v3 \
 --metastore-service=METASTORE_SERVICE

替换以下内容：

• LAKE：新数据湖的名称
• LOCATION：指代 Google Cloud 区域
• k1=v1,k2=v2,k3=v3：使用的标签（如果有）
• METASTORE_SERVICE：Dataproc Metastore 服务（如果已创建）

REST

如需创建数据湖，请使用 lakes.create 方法。

后续步骤

• 了解如何将区域添加到数据湖。
• 了解如何将资产附加到区域。
• 了解如何确保数据湖安全无虞。
• 了解如何管理数据湖。