Questa pagina è stata tradotta dall'API Cloud Translation.

Soluzione già pronta: lakehouse di analisi

Last reviewed 2023-11-20 UTC

Questa guida ti aiuta a comprendere, eseguire il deployment e utilizzare la soluzione lakehouse di Analytics per iniziare. Questa soluzione dimostra come unificare data lake e data warehouse creando una lakehouse di analisi per archiviare, elaborare, analizzare e attivare i dati utilizzando uno stack di dati unificato.

Ecco alcuni casi d'uso comuni per la creazione di una lakehouse di analisi:

Analisi su larga scala dei dati di telemetria combinati con i dati dei report.
Unificazione dell'analisi dei dati strutturati e non strutturati.
Fornire funzionalità di analisi in tempo reale per un data warehouse.

Questo documento è rivolto agli sviluppatori che hanno una certa familiarità con l'analisi dei dati e che hanno utilizzato un database o un data lake per eseguire un'analisi. Si presuppone che tu abbia familiarità con i concetti di base del cloud, anche se non necessariamente Google Cloud. L'esperienza con Terraform è utile.

Obiettivi

Scopri come configurare una lakehouse di analisi.
Proteggi una lakehouse di analisi utilizzando un livello di governance comune.
Crea dashboard dai dati per eseguire l'analisi dei dati.
Crea un modello di machine learning per prevedere i valori dei dati nel tempo.

Prodotti utilizzati

La soluzione utilizza i seguenti prodotti Google Cloud:

BigQuery: un data warehouse completamente gestito e a elevata scalabilità con funzionalità di machine learning integrate.
Dataproc: un servizio completamente gestito per la modernizzazione dei data lake, l'ETL e data science sicura su larga scala.
Looker Studio: piattaforma di business intelligence self-service che ti aiuta a creare e condividere insight sui dati.
Dataplex: scopri, gestisci, monitora e governa a livello centralizzato i dati su larga scala.
Cloud Storage: un servizio di livello enterprise che offre archiviazione di oggetti a basso costo e senza limiti per diversi tipi di dati. I dati sono accessibili sia dall'interno che dall'esterno di Google Cloud e vengono replicati con ridondanza geografica.
BigLake: BigLake è un motore di archiviazione che unifica data warehouse e data lake consentendo a BigQuery e ai framework open source come Spark di accedere ai dati con controllo dell'accesso dell'accesso granulare.

I seguenti prodotti Google Cloud vengono utilizzati per inserire in un'area intermedia i dati nella soluzione per il primo utilizzo:

Flussi di lavoro: una piattaforma di orchestrazione completamente gestita che esegue i servizi in un ordine specificato come flusso di lavoro. Workflows possono combinare servizi, inclusi servizi personalizzati ospitati su Cloud Run o Cloud Functions, servizi Google Cloud come BigQuery e qualsiasi API basata su HTTP.

Architettura

L'architettura di lakehouse di esempio di cui questa soluzione esegue il deployment analizza un set di dati di e-commerce per comprendere le prestazioni di un rivenditore nel tempo. Il seguente diagramma mostra l'architettura delle risorse Google Cloud di cui la soluzione esegue il deployment.

Architettura dell'infrastruttura per la soluzione di data warehouse.

Flusso della soluzione

L'architettura rappresenta un flusso di dati comune per compilare e trasformare i dati in un'architettura di lakehouse di analisi:

I dati vengono inseriti nei bucket Cloud Storage.
Viene creato un data lake in Dataplex. I dati nei bucket sono organizzati in entità o tabelle nel data lake.
Le tabelle nel data lake sono immediatamente disponibili in BigQuery come BigLake: tabelle.
Trasformazioni di dati con l'uso di Dataproc o BigQuery e uso di formati di file aperti, tra cui Apache Iceberg.
I dati possono essere protetti tramite tag di criteri e criteri di accesso alle righe.
Alle tabelle è possibile applicare il machine learning.
Le dashboard vengono create dai dati per eseguire più analisi utilizzando Looker Studio.

Costo

Per una stima del costo delle risorse Google Cloud utilizzate dalla soluzione lakehouse di analisi, vedi la stima precalcolata nel Calcolatore prezzi di Google Cloud.

Utilizza questa stima come punto di partenza per calcolare il costo del deployment. Puoi modificare la stima in modo che rifletta eventuali modifiche alla configurazione che prevedi di apportare per le risorse utilizzate nella soluzione.

La stima precalcolata si basa su ipotesi per determinati fattori, tra cui:

Le località Google Cloud in cui viene eseguito il deployment delle risorse.
La quantità di tempo di utilizzo delle risorse.

Prima di iniziare

Per eseguire il deployment di questa soluzione, devi prima disporre di un progetto Google Cloud e di alcune autorizzazioni IAM.

Crea o scegli un progetto Google Cloud

Quando esegui il deployment della soluzione, scegli il progetto Google Cloud in cui viene eseguito il deployment delle risorse. Puoi creare un nuovo progetto o utilizzarne uno esistente per il deployment.

Se vuoi creare un nuovo progetto, fallo prima di iniziare il deployment. L'utilizzo di un nuovo progetto consente di evitare conflitti con le risorse di cui è stato eseguito il provisioning in precedenza, ad esempio quelle utilizzate per i carichi di lavoro di produzione.

Per creare un progetto, completa i seguenti passaggi:

In the Google Cloud console, go to the project selector page.

Go to project selector
Click Create project.
Name your project. Make a note of your generated project ID.
Edit the other fields as needed.
Click Create.

Ottieni le autorizzazioni IAM richieste

Per avviare il processo di deployment, devi disporre delle autorizzazioni di Identity and Access Management (IAM) elencate nella tabella seguente.

Se hai creato un nuovo progetto per questa soluzione, hai il roles/owner ruolo di base nel progetto e disponi di tutte le autorizzazioni necessarie. Se non hai il ruolo roles/owner, chiedi all'amministratore di concederti queste autorizzazioni (o i ruoli che le includono).

Autorizzazione IAM richiesta	Ruolo predefinito che include le autorizzazioni richieste
`serviceusage.services.enable`	Amministratore Service Usage (`roles/serviceusage.serviceUsageAdmin`)
`iam.serviceAccounts.create`	Amministratore account di servizio (`roles/iam.serviceAccountAdmin`)
`resourcemanager.projects.setIamPolicy`	Amministratore IAM progetto (`roles/resourcemanager.projectIamAdmin`)
`config.deployments.create` `config.deployments.list`	Amministratore Cloud Infrastructure Manager (`roles/config.admin`)

Informazioni sulle autorizzazioni temporanee degli account di servizio

Se avvii il processo di deployment tramite la console, Google crea un account di servizio per eseguire il deployment della soluzione per tuo conto (ed eliminare il deployment in un secondo momento, se vuoi). A questo account di servizio vengono assegnate determinate autorizzazioni IAM temporaneamente. Ciò significa che le autorizzazioni vengono revocate automaticamente al termine delle operazioni di deployment ed eliminazione della soluzione. Dopo aver eliminato il deployment, Google consiglia di eliminare l'account di servizio, come descritto più avanti in questa guida.

Visualizzare i ruoli assegnati all'account di servizio

Questi ruoli sono elencati qui nel caso in cui un amministratore del tuo progetto o della tua organizzazione Google Cloud abbia bisogno di queste informazioni.

roles/biglake.admin
roles/bigquery.admin
roles/compute.admin
roles/datalineage.viewer
roles/dataplex.admin
roles/dataproc.admin
roles/iam.serviceAccountAdmin
roles/iam.serviceAccountUser
roles/resourcemanager.projectIamAdmin
roles/servicenetworking.serviceAgent
roles/serviceusage.serviceUsageViewer
roles/vpcaccess.admin
roles/storage.admin
roles/workflows.admin

Esegui il deployment della soluzione

Questa sezione ti guida nella procedura di deployment della soluzione.

Per aiutarti a eseguire il deployment di questa soluzione con il minimo sforzo, in GitHub è fornita una configurazione Terraform. La configurazione Terraform definisce tutte le risorse Google Cloud necessarie per la soluzione.

Puoi eseguire il deployment della soluzione utilizzando uno dei seguenti metodi:

Tramite la console: utilizza questo metodo se vuoi provare la soluzione con la configurazione predefinita e vedere come funziona. Cloud Build esegue il deployment di tutte le risorse necessarie per la soluzione. Quando la soluzione di cui hai eseguito il deployment non è più necessaria, puoi eliminarla tramite la console. Le risorse create dopo il deployment della soluzione potrebbero dover essere eliminate separatamente.

Per utilizzare questo metodo di deployment, segui le istruzioni in Eseguire il deployment tramite la console.
Con l'interfaccia a riga di comando di Terraform: utilizza questo metodo se vuoi personalizzare la soluzione o se vuoi automatizzare il provisioning e la gestione delle risorse con l'approccio Infrastructure as Code (IaC). Scarica la configurazione Terraform da GitHub, personalizza il codice come necessario ed esegui il deployment della soluzione utilizzando l'interfaccia a riga di comando Terraform. Dopo aver eseguito il deployment della soluzione, puoi continuare a utilizzare Terraform per gestire la soluzione.

Per utilizzare questo metodo di deployment, segui le istruzioni in Eseguire il deployment con l'interfaccia a riga di comando di Terraform.

Esegui il deployment tramite la console

Completa i seguenti passaggi per eseguire il deployment della soluzione preconfigurata.

Nel catalogo delle soluzioni di avvio rapido di Google Cloud, vai alla soluzione Lakehouse di analisi.

Vai alla soluzione lakehouse di Analytics
Esamina le informazioni fornite nella pagina, come il costo stimato della soluzione e il tempo di deployment stimato.
Quando è tutto pronto per iniziare il deployment della soluzione, fai clic su Esegui il deployment.

Viene visualizzato un riquadro di configurazione passo passo.
Completa i passaggi nel riquadro di configurazione.

Prendi nota del nome che inserisci per il deployment. Questo nome sarà obbligatorio in seguito, quando elimini il deployment.

Quando fai clic su Esegui il deployment, viene visualizzata la pagina Deployment della soluzione. Il campo Stato in questa pagina mostra Deployment in corso.
Attendi che venga eseguito il deployment della soluzione.

Se il deployment non va a buon fine, il campo Stato mostra Non riuscito. Puoi utilizzare il log di Cloud Build per diagnosticare gli errori. Per ulteriori informazioni, consulta Errori durante il deployment tramite la console.

Al termine del deployment, il campo Stato diventa Deployment eseguito.
Per visualizzare e utilizzare la soluzione, torna alla pagina Deployment della soluzione nella console.
1. Fai clic sul menu Azioni .
2. Seleziona Visualizza la dashboard di Looker Studio per aprire una dashboard basata sui dati di esempio che vengono trasformati utilizzando la soluzione.
3. Seleziona Apri editor BigQuery per eseguire query e creare modelli di machine learning (ML) utilizzando i dati di esempio nella soluzione.
4. Seleziona Visualizza Colab per eseguire query in un ambiente blocco note.

Quando la soluzione non è più necessaria, puoi eliminare il deployment per evitare che la fatturazione delle risorse Google Cloud continui. Per maggiori informazioni, consulta Eliminare il deployment.

Esegui il deployment utilizzando l'interfaccia a riga di comando di Terraform

Questa sezione descrive come puoi personalizzare la soluzione o automatizzare il provisioning e la gestione della soluzione utilizzando l'interfaccia a riga di comando di Terraform. Le soluzioni di cui esegui il deployment utilizzando l'interfaccia a riga di comando di Terraform non vengono visualizzate nella pagina Deployment delle soluzioni della console Google Cloud.

configura il client Terraform

Puoi eseguire Terraform in Cloud Shell o sul tuo host locale. Questa guida descrive come eseguire Terraform in Cloud Shell, su cui Terraform è preinstallato e configurato per l'autenticazione con Google Cloud.

Il codice Terraform per questa soluzione è disponibile in un repository GitHub.

Clona il repository GitHub in Cloud Shell.

Viene visualizzato un prompt per confermare il download del repository GitHub in Cloud Shell.
Fai clic su Conferma.

Cloud Shell viene avviato in una scheda del browser separata e il codice Terraform viene scaricato nella directory $HOME/cloudshell_open dell'ambiente Cloud Shell.
In Cloud Shell, controlla se la directory di lavoro attuale è $HOME/cloudshell_open/terraform-google-analytics-lakehouse/. Questa è la directory che contiene i file di configurazione Terraform per la soluzione. Se devi passare a questa directory, esegui questo comando:
```
cd $HOME/cloudshell_open/terraform-google-analytics-lakehouse/
```
Inizializza Terraform eseguendo questo comando:
```
terraform init
```
Attendi finché non viene visualizzato il seguente messaggio:
```
Terraform has been successfully initialized!
```

Configura le variabili Terraform

Il codice Terraform che hai scaricato include variabili che puoi utilizzare per personalizzare il deployment in base ai tuoi requisiti. Ad esempio, puoi specificare il progetto Google Cloud e la regione in cui vuoi eseguire il deployment della soluzione.

Assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse/. In caso contrario, vai alla directory.
Nella stessa directory, crea un file di testo denominato terraform.tfvars.
Nel file terraform.tfvars, copia il seguente snippet di codice e imposta i valori per le variabili richieste.
- Segui le istruzioni fornite come commenti nello snippet di codice.
- Questo snippet di codice include solo le variabili per le quali devi impostare i valori. La configurazione di Terraform include altre variabili che hanno valori predefiniti. Per esaminare tutte le variabili e i valori predefiniti, consulta il file variables.tf disponibile nella directory $HOME/cloudshell_open/terraform-google-analytics-lakehouse/.
- Assicurati che ogni valore impostato nel file terraform.tfvars corrisponda alla variabile type dichiarata nel file variables.tf. Ad esempio, se il tipo definito per una variabile nel file variables.tf è bool, devi specificare true o false come valore di quella variabile nel file terraform.tfvars.
```
# This is an example of the terraform.tfvars file.
# The values in this file must match the variable types declared in variables.tf.
# The values in this file override any defaults in variables.tf.

# ID of the project in which you want to deploy the solution
project_id = "PROJECT_ID"

# Google Cloud region where you want to deploy the solution
# Example: us-central1
region = "REGION"

# Whether or not to enable underlying apis in this solution.
# Example: true
enable_apis = true

# Whether or not to protect Cloud Storage and BigQuery resources from deletion when solution is modified or changed.
# Example: false
force_destroy = false
```

Convalida e rivedi la configurazione di Terraform

Assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse/. In caso contrario, vai alla directory.
Verifica che la configurazione Terraform non contenga errori:
```
terraform validate
```
Se il comando restituisce degli errori, apporta le correzioni necessarie nella configurazione ed esegui di nuovo il comando terraform validate. Ripeti questo passaggio finché il comando non restituisce il seguente messaggio:
```
Success! The configuration is valid.
```
Esamina le risorse definite nella configurazione:
```
terraform plan
```
Se non hai creato il file terraform.tfvars come descritto in precedenza, Terraform ti chiede di inserire valori per le variabili che non hanno valori predefiniti. Inserisci i valori richiesti.

L'output del comando terraform plan è un elenco delle risorse di cui Terraform esegue il provisioning quando applichi la configurazione.

Se vuoi apportare modifiche, modifica la configurazione ed esegui di nuovo i comandi terraform validate e terraform plan.

Esegui il provisioning delle risorse

Quando non sono necessarie ulteriori modifiche alla configurazione Terraform, esegui il deployment delle risorse.

Assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse/. In caso contrario, vai alla directory.
Applica la configurazione Terraform:
```
terraform apply
```
Se non hai creato il file terraform.tfvars come descritto in precedenza, Terraform ti chiede di inserire valori per le variabili che non hanno valori predefiniti. Inserisci i valori richiesti.

Terraform mostra un elenco delle risorse che verranno create.
Quando ti viene chiesto di eseguire le azioni, inserisci yes.

Terraform visualizza dei messaggi che mostrano l'avanzamento del deployment.

Se il deployment non può essere completato, Terraform visualizza gli errori che hanno causato l'errore. Esamina i messaggi e aggiorna la configurazione per correggerli. Quindi esegui di nuovo il comando terraform apply. Per assistenza sulla risoluzione degli errori di Terraform, consulta Errori durante il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform.

Dopo aver creato tutte le risorse, Terraform visualizza il seguente messaggio:
```
Apply complete!
```
L'output di Terraform elenca anche le seguenti informazioni aggiuntive necessarie:
- L'URL di Looker Studio della dashboard di cui è stato eseguito il deployment.
- Il link per aprire l'editor BigQuery per alcune query di esempio.
- Il link per aprire il tutorial di Colab.
L'esempio seguente mostra l'aspetto dell'output:
```
lookerstudio_report_url = "https://lookerstudio.google.com/reporting/create?c.reportId=79675b4f-9ed8-4ee4-bb35-709b8fd5306a&ds.ds0.datasourceName=vw_ecommerce&ds.ds0.projectId=${var.project_id}&ds.ds0.type=TABLE&ds.ds0.datasetId=gcp_lakehouse_ds&ds.ds0.tableId=view_ecommerce"
bigquery_editor_url = "https://console.cloud.google.com/bigquery?project=my-cloud-project&ws=!1m5!1m4!6m3!1smy-cloud-project!2sds_edw!3ssp_sample_queries"
lakehouse_colab_url = "https://colab.research.google.com/github/GoogleCloudPlatform/terraform-google-analytics-lakehouse/blob/main/assets/ipynb/exploratory-analysis.ipynb"
```
Per visualizzare e utilizzare la dashboard ed eseguire query in BigQuery, copia gli URL di output dal passaggio precedente e aprili in nuove schede del browser.

La dashboard, il blocco note e gli editor di BigQuery vengono visualizzati nelle nuove schede.

Personalizza la soluzione

Questa sezione fornisce informazioni che gli sviluppatori Terraform possono utilizzare per modificare la soluzione lakehouse di analisi al fine di soddisfare i propri requisiti tecnici e aziendali. Le indicazioni in questa sezione sono pertinenti solo se esegui il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform.

Dopo aver visto come funziona la soluzione con i dati di esempio, potresti voler utilizzare i tuoi dati. Per utilizzare i tuoi dati, devi inserirli nel bucket Cloud Storage denominato edw-raw-hash. L'hash è un set casuale di 8 caratteri generato durante il deployment. Puoi modificare il codice Terraform nei seguenti modi:

ID set di dati: Modifica il codice Terraform in modo che, al momento della creazione del set di dati BigQuery, utilizzi l'ID del set di dati che vuoi utilizzare per i dati.
Schema. Modifica il codice Terraform in modo che crei l'ID tabella BigQuery da utilizzare per archiviare i dati. Ciò include lo schema della tabella esterna in modo che BigQuery possa leggere i dati da Cloud Storage.
Zona. Crea le zone lake adatte alle tue esigenze aziendali (di solito una suddivisione in zone a due o tre livelli in base alla qualità e all'utilizzo dei dati).
Dashboard di Looker. Modifica il codice Terraform che crea una dashboard Looker in modo che rifletta i dati che stai utilizzando.
Offerte di lavoro PySpark. Modificare il codice Terraform per eseguire job PySpark utilizzando Dataproc.

Di seguito sono riportati oggetti lakehouse di analisi comuni, che mostrano il codice di esempio Terraform in main.tf.

Set di dati BigQuery: lo schema in cui gli oggetti del database vengono raggruppati e archiviati.

resource "google_bigquery_dataset" "ds_edw" {
      project = module.project-services.project_id
      dataset_id = "DATASET_PHYSICAL_ID"
      friendly_name = "DATASET_LOGICAL_NAME"
      description = "DATASET_DESCRIPTION"
      location = "REGION"
      labels = var.labels
      delete_contents_on_destroy = var.force_destroy
  }

Tabella BigQuery: un oggetto di database che rappresenta i dati archiviati in BigQuery o che rappresenta uno schema di dati archiviato in Cloud Storage.

resource "google_bigquery_table" "tbl_edw_taxi" {
      dataset_id = google_bigquery_dataset.ds_edw.dataset_id
      table_id = "TABLE_NAME"
      project = module.project-services.project_id
      deletion_protection = var.deletion_protection
      ...
  }

Stored procedure di BigQuery: un oggetto di database che rappresenta una o più istruzioni SQL da eseguire quando vengono chiamate. ad esempio per trasformare i dati da una tabella all'altra o per caricare i dati da una tabella esterna a una tabella standard.

resource "google_bigquery_routine" "sp_sample_translation_queries" {
      project = module.project-services.project_id
      dataset_id = google_bigquery_dataset.ds_edw.dataset_id
      routine_id = "sp_sample_translation_queries"
      routine_type = "PROCEDURE"
      language = "SQL"
      definition_body = templatefile("${path.module}/assets/sql/sp_sample_translation_queries.sql", { project_id = module.project-services.project_id })
    }

Flusso di lavoro di Cloud Workflows: un flusso di lavoro di Workflows rappresenta una combinazione di passaggi da eseguire in un ordine specifico. Può essere utilizzato per configurare i dati o eseguire trasformazioni dei dati insieme ad altri passaggi di esecuzione.

resource "google_workflows_workflow" "copy_data" {
    name            = "copy_data"
    project         = module.project-services.project_id
    region          = var.region
    description     = "Copies data and performs project setup"
    service_account = google_service_account.workflows_sa.email
    source_contents = templatefile("${path.module}/src/yaml/copy-data.yaml", {
        public_data_bucket    = var.public_data_bucket,
        textocr_images_bucket = google_storage_bucket.textocr_images_bucket.name,
        ga4_images_bucket     = google_storage_bucket.ga4_images_bucket.name,
        tables_bucket         = google_storage_bucket.tables_bucket.name,
        dataplex_bucket       = google_storage_bucket.dataplex_bucket.name,
        images_zone_name      = google_dataplex_zone.gcp_primary_raw.name,
        tables_zone_name      = google_dataplex_zone.gcp_primary_staging.name,
        lake_name             = google_dataplex_lake.gcp_primary.name
    })
    }

Per personalizzare la soluzione, completa i seguenti passaggi in Cloud Shell:

Verifica che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse. In caso contrario, apri la directory:
```
cd $HOME/cloudshell_open/terraform-google-analytics-lakehouse
```
Apri main.tf e apporta le modifiche desiderate.

Per ulteriori informazioni sugli effetti di questa personalizzazione su affidabilità, sicurezza, prestazioni, costi e operazioni, consulta i suggerimenti di progettazione.
Convalida e rivedi la configurazione di Terraform.
Esegui il provisioning delle risorse.

Suggerimenti di progettazione

Questa sezione fornisce suggerimenti per l'utilizzo della soluzione lakehouse di analisi al fine di sviluppare un'architettura che soddisfi i requisiti di sicurezza, affidabilità, costi e prestazioni.

Quando inizi a scalare la tua soluzione lakehouse, hai a disposizione diversi modi per migliorare le prestazioni delle query e ridurre la spesa totale. Questi metodi includono la modifica del modo in cui i dati sono archiviati fisicamente, la modifica delle query SQL e la modifica del modo in cui le query vengono eseguite utilizzando tecnologie diverse. Per ulteriori informazioni sui metodi per ottimizzare i carichi di lavoro Spark, consulta le best practice di Dataproc per la produzione.

Tieni presente quanto segue:

Prima di apportare modifiche alla progettazione, valuta l'impatto sui costi e considera potenziali compromessi con altre funzionalità. Puoi valutare l'impatto sui costi delle modifiche alla progettazione utilizzando il Calcolatore prezzi di Google Cloud.
Per implementare modifiche al design della soluzione, hai bisogno di esperienza nella programmazione Terraform e di una conoscenza avanzata dei servizi Google Cloud utilizzati nella soluzione.
Se modifichi la configurazione di Terraform fornita da Google e riscontri errori, crea problemi in GitHub. I problemi di GitHub vengono esaminati secondo il criterio del "best effort" e non sono destinati a domande sull'utilizzo generico.
Per saperne di più sulla progettazione e configurazione di ambienti di produzione in Google Cloud, consulta Progettazione delle zone di destinazione in Google Cloud ed Elenco di controllo per la configurazione di Google Cloud.

Elimina il deployment della soluzione

Quando non hai più bisogno del deployment della soluzione, elimina il deployment per evitare la fatturazione continuativa delle risorse che hai creato.

Elimina il deployment tramite la console

Utilizza questa procedura se hai eseguito il deployment della soluzione tramite la console.

Nella console Google Cloud, vai alla pagina Deployment della soluzione.

Vai a Deployment di soluzioni
Seleziona il progetto che contiene il deployment da eliminare.
Individua il deployment da eliminare.
Fai clic su Azioni e seleziona Elimina.
Inserisci il nome del deployment e fai clic su Conferma.

Il campo Stato mostra la dicitura Eliminazione.

Se l'eliminazione non va a buon fine, consulta le indicazioni per la risoluzione dei problemi in Errore durante l'eliminazione di un deployment.

Quando non hai più bisogno del progetto Google Cloud che hai utilizzato per la soluzione, puoi eliminarlo. Per maggiori informazioni, consulta Facoltativo: eliminare il progetto.

Elimina il deployment utilizzando l'interfaccia a riga di comando di Terraform

Utilizza questa procedura se hai eseguito il deployment della soluzione mediante l'interfaccia a riga di comando di Terraform.

In Cloud Shell, assicurati che la directory di lavoro attuale sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse/. In caso contrario, vai alla directory.
Rimuovi le risorse di cui Terraform ha eseguito il provisioning:
```
terraform destroy
```
Terraform visualizza un elenco delle risorse che verranno eliminate.
Quando ti viene chiesto di eseguire le azioni, inserisci yes.

In Terraform vengono visualizzati dei messaggi che mostrano l'avanzamento. Dopo aver eliminato tutte le risorse, Terraform visualizza il seguente messaggio:
```
Destroy complete!
```
Se l'eliminazione non va a buon fine, consulta le indicazioni per la risoluzione dei problemi in Errore durante l'eliminazione di un deployment.

Quando non hai più bisogno del progetto Google Cloud che hai utilizzato per la soluzione, puoi eliminarlo. Per maggiori informazioni, consulta Facoltativo: eliminare il progetto.

(Facoltativo) Elimina il progetto

Se hai eseguito il deployment della soluzione in un nuovo progetto Google Cloud e se il progetto non ti serve più, eliminalo completando i seguenti passaggi:

Nella console Google Cloud, vai alla pagina Gestisci risorse.
Vai a Gestisci risorse
Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
Al prompt, digita l'ID progetto, quindi fai clic su Chiudi.

Se decidi di conservare il progetto, elimina l'account di servizio creato per questa soluzione, come descritto nella sezione successiva.

(Facoltativo) Elimina l'account di servizio

Se hai eliminato il progetto che hai utilizzato per la soluzione, salta questa sezione.

Come indicato in precedenza in questa guida, quando hai eseguito il deployment della soluzione, è stato creato un account di servizio per tuo conto. All'account di servizio sono state assegnate temporaneamente determinate autorizzazioni IAM, ovvero le autorizzazioni sono state revocate automaticamente dopo il completamento delle operazioni di deployment ed eliminazione della soluzione, ma l'account di servizio non viene eliminato. Google consiglia di eliminare questo account di servizio.

Se hai eseguito il deployment della soluzione tramite la console Google Cloud, vai alla pagina Deployment della soluzione. Se ti trovi già in questa pagina, aggiorna la pagina del browser. Viene attivato un processo in background per eliminare l'account di servizio. Non sono necessarie ulteriori azioni.
Se hai eseguito il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform, completa questi passaggi:
1. Nella console Google Cloud, vai alla pagina Account di servizio.
  
  Vai ad Account di servizio
2. Seleziona il progetto che hai utilizzato per la soluzione.
3. Seleziona l'account di servizio che vuoi eliminare.
  
  L'ID email dell'account di servizio creato per la soluzione è nel seguente formato:
```
goog-sc-DEPLOYMENT_NAME-NNN@PROJECT_ID.iam.gserviceaccount.com
```
  L'ID email contiene i seguenti valori:
  - DEPLOYMENT_NAME: il nome del deployment.
  - NNN: un numero casuale di 3 cifre.
  - PROJECT_ID: l'ID del progetto in cui hai eseguito il deployment della soluzione.
4. Fai clic su Elimina.

Risolvere gli errori

Le azioni che puoi intraprendere per diagnosticare e risolvere gli errori dipendono dal metodo di deployment e dalla complessità dell'errore.

Errori durante il deployment della soluzione tramite la console

Se il deployment non riesce quando utilizzi la console, segui questi passaggi:

Vai alla pagina Deployment di soluzioni.

Se il deployment non è riuscito, il campo Stato mostra Non riuscito.
Visualizza i dettagli degli errori che hanno causato l'errore:
1. Fai clic su Azioni.
2. Seleziona Visualizza i log di Cloud Build.
Esamina il log di Cloud Build e intraprendi le azioni appropriate per risolvere il problema che ha causato l'errore.

Errori durante il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform

Se il deployment non riesce quando utilizzi Terraform, l'output del comando terraform apply include messaggi di errore che puoi esaminare per diagnosticare il problema.

Gli esempi nelle sezioni seguenti mostrano errori di deployment che potresti riscontrare quando utilizzi Terraform.

Errore API non abilitata

Se crei un progetto e poi provi immediatamente a eseguire il deployment della soluzione nel nuovo progetto, il deployment potrebbe non riuscire e restituire un errore come il seguente:

Error: Error creating Network: googleapi: Error 403: Compute Engine API has not
been used in project PROJECT_ID before or it is disabled. Enable it by visiting
https://console.developers.google.com/apis/api/compute.googleapis.com/overview?project=PROJECT_ID
then retry. If you enabled this API recently, wait a few minutes for the action
to propagate to our systems and retry.

Se si verifica questo errore, attendi qualche minuto ed esegui di nuovo il comando terraform apply.

Errore di assegnazione dell'indirizzo richiesto non riuscito

Quando esegui il comando terraform apply, potrebbe verificarsi un errore cannot assign requested address, con un messaggio simile al seguente:

Error: Error creating service account:
 Post "https://iam.googleapis.com/v1/projects/PROJECT_ID/serviceAccounts:
 dial tcp [2001:db8:ffff:ffff::5f]:443:
 connect: cannot assign requested address

Se si verifica questo errore, esegui di nuovo il comando terraform apply.

Errori di accesso ai dati in BigQuery o Looker Studio

C'è un passaggio di provisioning che viene eseguito dopo i passaggi di provisioning di Terraform, che caricano i dati nell'ambiente. Se ricevi un messaggio di errore quando i dati vengono caricati nella dashboard di Looker Studio o se non sono presenti oggetti quando inizi a esplorare BigQuery, attendi alcuni minuti e riprova.

Errore durante l'eliminazione di un deployment

In alcuni casi, i tentativi di eliminazione di un deployment potrebbero non riuscire:

Dopo aver eseguito il deployment di una soluzione tramite la console, se modifichi una risorsa di cui la soluzione ha eseguito il provisioning e poi provi a eliminare il deployment, l'eliminazione potrebbe non riuscire. Il campo Stato nella pagina Deployment della soluzione mostra Non riuscito e il log di Cloud Build mostra la causa dell'errore.
Dopo aver eseguito il deployment di una soluzione con l'interfaccia a riga di comando di Terraform, se modifichi una risorsa utilizzando un'interfaccia non Terraform (ad esempio, la console) e se poi provi a eliminare il deployment, l'eliminazione potrebbe non riuscire. I messaggi nell'output del comando terraform destroy mostrano la causa dell'errore.

Esamina i log e i messaggi degli errori, identifica ed elimina le risorse che hanno causato l'errore, quindi prova a eliminare nuovamente il deployment.

Se un deployment basato su console non viene eliminato e se non puoi diagnosticare l'errore utilizzando il log di Cloud Build, puoi eliminare il deployment utilizzando l'interfaccia a riga di comando Terraform, come descritto nella sezione successiva.

Elimina un deployment basato su console utilizzando l'interfaccia a riga di comando di Terraform

Questa sezione descrive come eliminare un deployment basato su console se si verificano errori quando provi a eliminarlo tramite la console. Con questo approccio, devi scaricare la configurazione Terraform per il deployment che vuoi eliminare, quindi utilizzare l'interfaccia a riga di comando Terraform per eliminare il deployment.

Identificare la regione in cui sono archiviati il codice, i log e altri dati Terraform del deployment. che potrebbe essere diversa da quella selezionata durante il deployment della soluzione.
1. Nella console Google Cloud, vai alla pagina Deployment della soluzione.
  
  Vai a Deployment di soluzioni
2. Seleziona il progetto che contiene il deployment da eliminare.
3. Nell'elenco dei deployment, identifica la riga del deployment che vuoi eliminare.
4. Fai clic su Visualizza tutti i contenuti della riga.
5. Nella colonna Località, prendi nota della seconda posizione, come evidenziata nell'esempio seguente:
Nella console Google Cloud, attiva Cloud Shell.

Attiva Cloud Shell

Nella parte inferiore della console Google Cloud viene avviata una sessione di Cloud Shell che mostra un prompt della riga di comando. Cloud Shell è un ambiente shell con Google Cloud CLI già installato e con valori già impostati per il progetto attuale. L'inizializzazione della sessione può richiedere alcuni secondi.
Crea le variabili di ambiente per l'ID progetto, la regione e il nome del deployment che vuoi eliminare:
```
export REGION="REGION"
export PROJECT_ID="PROJECT_ID"
export DEPLOYMENT_NAME="DEPLOYMENT_NAME"
```
In questi comandi, sostituisci quanto segue:
- REGION: la località che hai annotato in precedenza in questa procedura.
- PROJECT_ID: l'ID del progetto in cui hai eseguito il deployment della soluzione.
- DEPLOYMENT_NAME: il nome del deployment che vuoi eliminare.

Recupera l'ID dell'ultima revisione del deployment che vuoi eliminare:

export REVISION_ID=$(curl \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}" \
    | jq .latestRevision -r)
    echo $REVISION_ID

L'output è simile al seguente:

projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME/revisions/r-0

Ottieni il percorso Cloud Storage della configurazione Terraform per il deployment:

export CONTENT_PATH=$(curl \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    "https://config.googleapis.com/v1alpha2/${REVISION_ID}" \
    | jq .applyResults.content -r)
    echo $CONTENT_PATH

Di seguito è riportato un esempio dell'output di questo comando:

gs://PROJECT_ID-REGION-blueprint-config/DEPLOYMENT_NAME/r-0/apply_results/content

Scarica la configurazione Terraform da Cloud Storage in Cloud Shell:
```
gsutil cp -r $CONTENT_PATH $HOME
cd $HOME/content/
```
Attendi finché non viene visualizzato il messaggio Operation completed, come mostrato nell'esempio seguente:
```
Operation completed over 45 objects/268.5 KiB
```
Inizializza Terraform:
```
terraform init
```
Attendi finché non viene visualizzato il seguente messaggio:
```
Terraform has been successfully initialized!
```
Rimuovi le risorse di cui è stato eseguito il deployment:
```
terraform destroy
```
Terraform visualizza un elenco delle risorse che verranno eliminate.

Se vengono visualizzati avvisi sulle variabili non dichiarate, ignorali.
Quando ti viene chiesto di eseguire le azioni, inserisci yes.

In Terraform vengono visualizzati dei messaggi che mostrano l'avanzamento. Dopo aver eliminato tutte le risorse, Terraform visualizza il seguente messaggio:
```
Destroy complete!
```

Elimina l'artefatto di deployment:

curl -X DELETE \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}?force=true&delete_policy=abandon"

Attendi alcuni secondi, quindi verifica che l'artefatto di deployment sia stato eliminato:

curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    "https://config.googleapis.com/v1alpha2/projects/${PROJECT_ID}/locations/${REGION}/deployments/${DEPLOYMENT_NAME}" \
    | jq .error.message

Se l'output mostra null, attendi qualche secondo ed esegui di nuovo il comando.

Dopo l'eliminazione dell'artefatto di deployment, viene visualizzato un messaggio come mostrato nell'esempio seguente:

Resource 'projects/PROJECT_ID/locations/REGION/deployments/DEPLOYMENT_NAME' was not found

Invia feedback

Le soluzioni già pronte sono solo a scopo informativo e non sono prodotti supportati ufficialmente. Google potrebbe modificare o rimuovere le soluzioni senza preavviso.

Per risolvere gli errori, esamina i log di Cloud Build e l'output di Terraform.

Per inviare un feedback:

Per la documentazione, i tutorial nella console o la soluzione, utilizza il pulsante Invia feedback nella pagina.

Per il codice Terraform non modificato, crea problemi nel repository GitHub. I problemi di GitHub vengono esaminati secondo il criterio del "best effort" e non sono destinati a domande sull'utilizzo generico.

In caso di problemi con i prodotti utilizzati nella soluzione, contatta l'assistenza clienti Google Cloud.