Soluzione Jump Start: lakehouse di analisi

Last reviewed 2025-01-13 UTC

Questa guida ti aiuta a comprendere, implementare e utilizzare la soluzione già pronta di Lakehouse di analisi. Questa soluzione mostra come unificare i data lake e i data warehouse creando una lakehouse di analisi per archiviare, elaborare, analizzare e attivare i dati utilizzando uno stack di dati unificato.

Di seguito sono riportati 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.
  • Fornisce funzionalità di analisi in tempo reale per un data warehouse.

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

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 Google Cloud prodotti:

  • 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 la data science sicura su larga scala.
  • Looker Studio: piattaforma di business intelligence self-service che consente di creare e condividere insight sui dati.
  • Dataplex: scopri, gestisci, monitora e governa i dati su larga scala in modo centralizzato.
  • Cloud Storage: un servizio di livello enterprise che fornisce archiviazione di oggetti a basso costo e senza limiti per diversi tipi di dati. I dati sono accessibili dall'interno e 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 framework open source come Spark di accedere ai dati con un controllo dell'accesso dell'accesso granulare.

I seguenti Google Cloud prodotti vengono utilizzati per eseguire il staging dei dati nella soluzione per il primo utilizzo:

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

Architettura

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

Architettura dell'infrastruttura per la soluzione di data warehouse.

Flusso di soluzione

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

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

Costo

Per una stima del costo delle Google Cloud risorse utilizzate dalla soluzione lakehouse per l'analisi, consulta la stima precalcolata nel Google Cloud Calcolatore prezzi.

Utilizza la stima come punto di partenza per calcolare il costo del deployment. Puoi modificare la stima in base alle modifiche di configurazione che prevedi di apportare alle risorse utilizzate nella soluzione.

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

  • Le Google Cloud località in cui vengono implementate le risorse.
  • La durata dell'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 vengono implementate le risorse. Puoi creare un nuovo progetto o utilizzare un progetto esistente per il deployment.

Se vuoi creare un nuovo progetto, fallo prima di iniziare il deployment. L'utilizzo di un nuovo progetto può contribuire a 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:

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

    Go to project selector

  2. Click Create project.

  3. Name your project. Make a note of your generated project ID.

  4. Edit the other fields as needed.

  5. Click Create.

Ottieni le autorizzazioni IAM richieste

Per avviare la procedura 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, disponi del roles/owner ruolo di base in quel progetto e di tutte le autorizzazioni necessarie. Se non disponi del 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 utilizzo servizio
(roles/serviceusage.serviceUsageAdmin)

iam.serviceAccounts.create

Amministratore account di servizio
(roles/iam.serviceAccountAdmin)

resourcemanager.projects.setIamPolicy

Amministratore IAM del progetto
(roles/resourcemanager.projectIamAdmin)
config.deployments.create
config.deployments.list
Amministratore di Cloud Infrastructure Manager
(roles/config.admin)
iam.serviceAccount.actAs Utente account di servizio
(roles/iam.serviceAccountUser)

Informazioni sulle autorizzazioni temporanee degli account di servizio

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

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 descrive la procedura di implementazione della soluzione.

Per aiutarti a eseguire il deployment di questa soluzione con il minimo sforzo, su GitHub è disponibile una configurazione Terraform. La configurazione Terraform definisce tutte le Google Cloud risorse 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 non hai più bisogno della soluzione di cui è stato eseguito il deployment, puoi eliminarla tramite la console. Le risorse create dopo l'implementazione della soluzione potrebbero dover essere eliminate separatamente.

    Per utilizzare questo metodo di deployment, segui le istruzioni riportate in Eseguire il deployment tramite la console.

  • Utilizzo della CLI Terraform: utilizza questo metodo se vuoi personalizzare la soluzione o se vuoi automatizzare il provisioning e la gestione delle risorse utilizzando l'approccio Infrastructure as Code (IaC). Scarica la configurazione Terraform da GitHub, personalizza facoltativamente il codice in base alle necessità, quindi esegui il deployment della soluzione utilizzando Terraform CLI. Dopo aver eseguito il deployment della soluzione, puoi continuare a utilizzare Terraform per gestirla.

    Per utilizzare questo metodo di deployment, segui le istruzioni riportate in Eseguire il deployment utilizzando 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.

  1. Nel Google Cloud catalogo delle soluzioni di avvio rapido, vai alla soluzione Analytics lakehouse.

    Vai alla soluzione Lakehouse di Analytics

  2. Esamina le informazioni fornite nella pagina, ad esempio il costo stimato della soluzione e il tempo di deployment stimato.

  3. Quando è tutto pronto per iniziare a eseguire il deployment della soluzione, fai clic su Esegui il deployment.

    Viene visualizzato un riquadro di configurazione passo passo.

  4. Completa i passaggi nel riquadro di configurazione.

    Prendi nota del nome inserito per il deployment. Questo nome è obbligatorio più tardi quando elimini il deployment.

    Quando fai clic su Esegui il deployment, viene visualizzata la pagina Deployment di soluzioni. Il campo Stato in questa pagina mostra Deployment in corso.

  5. Attendi il deployment della soluzione.

    Se il deployment non riesce, 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.

  6. Per visualizzare e utilizzare la soluzione, torna alla pagina Deployment di soluzioni nella console.

    1. Fai clic sul menu Azioni.
    2. Seleziona Visualizza dashboard di Looker Studio per aprire una dashboard basata sui dati di esempio trasformati utilizzando la soluzione.
    3. Seleziona Apri BigQuery Editor 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 di notebook.

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

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

Questa sezione descrive come personalizzare la soluzione o automatizzare il provisioning e la gestione della soluzione utilizzando l'interfaccia a riga di comando Terraform. Le soluzioni di cui esegui il deployment utilizzando Terraform CLI 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, che ha Terraform preinstallato e configurato per l'autenticazione con Google Cloud.

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

  1. Clona il repository GitHub in Cloud Shell.

    Apri in Cloud Shell

    Viene visualizzato un messaggio per confermare il download del repository GitHub in Cloud Shell.

  2. 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 del tuo ambiente Cloud Shell.

  3. 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 il seguente comando:

    cd $HOME/cloudshell_open/terraform-google-analytics-lakehouse/
    
  4. Inizializza Terraform eseguendo il seguente comando:

    terraform init
    

    Attendi finché non viene visualizzato il seguente messaggio:

    Terraform has been successfully initialized!
    

Configura le variabili Terraform

Il codice Terraform 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.

  1. Assicurati che la directory di lavoro corrente sia$HOME/cloudshell_open/terraform-google-analytics-lakehouse/. Se non è così, vai a quella directory.

  2. Nella stessa directory, crea un file di testo denominato terraform.tfvars.

  3. 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 con 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 sia corrispondente al tipo di variabile dichiarato 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 della 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

  1. Assicurati che la directory di lavoro corrente sia$HOME/cloudshell_open/terraform-google-analytics-lakehouse/. Se non è così, vai a quella directory.

  2. Verifica che la configurazione di Terraform non presenti errori:

    terraform validate
    

    Se il comando restituisce 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.
    
  3. Esamina le risorse definite nella configurazione:

    terraform plan
    
  4. Se non hai creato il file terraform.tfvars come описано sopra, Terraform ti chiede di inserire i 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 di Terraform, esegui il deployment delle risorse.

  1. Assicurati che la directory di lavoro corrente sia$HOME/cloudshell_open/terraform-google-analytics-lakehouse/. Se non è così, vai a quella directory.

  2. Applica la configurazione Terraform:

    terraform apply
    
  3. Se non hai creato il file terraform.tfvars come описано sopra, Terraform ti chiede di inserire i valori per le variabili che non hanno valori predefiniti. Inserisci i valori richiesti.

    Terraform mostra un elenco delle risorse che verranno create.

  4. Quando ti viene chiesto di eseguire le azioni, inserisci yes.

    Terraform mostra messaggi che indicano l'avanzamento del deployment.

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

    Dopo aver creato tutte le risorse, Terraform visualizza il seguente messaggio:

    Apply complete!
    

    L'output di Terraform elenca anche le seguenti informazioni aggiuntive di cui hai bisogno:

    • 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'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"
    
  5. Per visualizzare e utilizzare la dashboard ed eseguire query in BigQuery, copia gli URL di output dal passaggio precedente e apri gli URL in nuove schede del browser.

    Le dashboard, i notebook e gli editor BigQuery vengono visualizzati nelle nuove schede.

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

Personalizzare la soluzione

Questa sezione fornisce informazioni che gli sviluppatori di Terraform possono utilizzare per modificare la soluzione lakehouse di analisi al fine di soddisfare i propri requisiti tecnici e aziendali. Le indicazioni riportate 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 lavorare con i tuoi dati. Per utilizzare i tuoi dati, devi inserirli nel bucket Cloud Storage denominato edw-raw-hash. L'hash è un insieme casuale di 8 caratteri generato durante il deployment. Puoi modificare il codice Terraform nei seguenti modi:

  1. ID set di dati. Modifica il codice Terraform in modo che, quando crea il set di dati BigQuery, utilizzi l'ID set di dati che vuoi utilizzare per i tuoi dati.
  2. Schema. Modifica il codice Terraform in modo che crei l'ID tabella BigQuery che vuoi utilizzare per archiviare i dati. Questo include lo schema della tabella esterna in modo che BigQuery possa leggere i dati da Cloud Storage.
  3. Zona. Crea le zone del lake in base alle esigenze della tua attività (di solito una suddivisione in due o tre livelli in base alla qualità e all'utilizzo dei dati).
  4. Dashboard di Looker. Modifica il codice Terraform che crea una dashboard di Looker in modo che rifletta i dati che stai utilizzando.
  5. Job PySpark. Modifica il codice Terraform per eseguire i job PySpark utilizzando Dataproc.

Di seguito sono riportati gli oggetti comuni della lakehouse di analisi, con il codice di esempio di 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 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 BigQuery: Oggetto database che rappresenta uno o più comandi SQL da eseguire quando viene chiamato. Ad esempio, per trasformare i dati da una tabella all'altra o caricare i dati da una tabella esterna in 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. Questo 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:

  1. Verifica che la directory di lavoro corrente sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse. In caso contrario, vai a quella directory:

    cd $HOME/cloudshell_open/terraform-google-analytics-lakehouse
    
  2. Apri main.tf e apporta le modifiche che preferisci.

    Per ulteriori informazioni sugli effetti di questa personalizzazione su affidabilità, sicurezza, prestazioni, costi e operazioni, consulta i suggerimenti per la progettazione.

  3. Convalida e rivedi la configurazione di Terraform.

  4. Esegui il provisioning delle risorse.

Suggerimenti di progettazione

Questa sezione fornisce suggerimenti per l'utilizzo della soluzione lakehouse per l'analisi per sviluppare un'architettura che soddisfi i tuoi 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 della modalità di archiviazione fisica dei dati, la modifica delle query SQL e la modifica della modalità di esecuzione delle query utilizzando tecnologie diverse. Per scoprire di più 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 al design, valuta l'impatto sui costi e prendi in considerazione i potenziali compromessi con altre funzionalità. Puoi valutare l'impatto sui costi delle modifiche al design utilizzando il Google Cloud Calcolatore prezzi.
  • Per implementare modifiche al design nella soluzione, devi avere esperienza nella programmazione di Terraform e conoscenze avanzate dei Google Cloud servizi utilizzati nella soluzione.
  • Se modifichi la configurazione Terraform fornita da Google e poi riscontri errori, crea dei problemi su GitHub. I problemi di GitHub vengono esaminati secondo il criterio del "best effort" e non sono destinati a domande sull'utilizzo generale.
  • Per saperne di più sulla progettazione e sulla configurazione di ambienti di produzione in Google Cloud, consulta Progettazione delle zone di destinazione in Google Cloud e Elenco di controllo per la configurazione diGoogle Cloud .

Elimina il deployment della soluzione

Quando non hai più bisogno del deployment della soluzione, eliminalo per evitare la fatturazione continua delle risorse che hai creato.

Eliminare il deployment tramite la console

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

  1. Nella console Google Cloud, vai alla pagina Deployment delle soluzioni.

    Vai a Deployment di soluzioni

  2. Seleziona il progetto che contiene il deployment da eliminare.

  3. Individua il deployment che vuoi eliminare.

  4. Nella riga relativa al deployment, fai clic su Azioni e poi seleziona Elimina.

    Potrebbe essere necessario scorrere per visualizzare Azioni nella riga.

  5. Inserisci il nome del deployment e fai clic su Conferma.

    Il campo Stato mostra Eliminazione.

    Se l'eliminazione non riesce, 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 utilizzato per la soluzione, puoi eliminarlo. Per ulteriori informazioni, consulta la sezione Facoltativo: elimina il progetto.

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

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

  1. In Cloud Shell, assicurati che la directory di lavoro corrente sia $HOME/cloudshell_open/terraform-google-analytics-lakehouse/. Se non è così, vai a quella directory.

  2. Rimuovi le risorse di cui è stato eseguito il provisioning da Terraform:

    terraform destroy
    

    Terraform mostra un elenco delle risorse che verranno eliminate.

  3. Quando ti viene chiesto di eseguire le azioni, inserisci yes.

    Terraform mostra messaggi che indicano l'avanzamento. Dopo che tutte le risorse sono state eliminate, Terraform mostra il seguente messaggio:

    Destroy complete!
    

    Se l'eliminazione non riesce, 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 utilizzato per la soluzione, puoi eliminarlo. Per ulteriori informazioni, consulta la sezione Facoltativo: elimina il progetto.

(Facoltativo) Elimina il progetto

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

  1. Nella console Google Cloud, vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
  3. Al prompt, digita l'ID progetto e 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 utilizzato per la soluzione, salta questa sezione.

Come accennato 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 determinate autorizzazioni IAM temporaneamente, ovvero le autorizzazioni sono state revocate automaticamente al termine delle operazioni di deployment ed eliminazione della soluzione, ma l'account di servizio non è stato 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 di soluzioni. Se sei già su questa pagina, aggiorna il browser. Viene attivato un processo in background per eliminare l'account di servizio. Non sono necessari ulteriori interventi.

  • Se hai eseguito il deployment della soluzione utilizzando l'interfaccia a riga di comando di Terraform, completa i seguenti passaggi:

    1. Nella console Google Cloud, vai alla pagina Account di servizio.

      Vai ad Account di servizio

    2. Seleziona il progetto utilizzato per la soluzione.

    3. Seleziona l'account di servizio che vuoi eliminare.

      L'ID indirizzo 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 di 3 cifre casuale.
      • 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 implementazione e dalla complessità dell'errore.

Errori durante il deployment della soluzione tramite la console

Se il deployment non va a buon fine quando utilizzi la console, segui questi passaggi:

  1. Vai alla pagina Deployment di soluzioni.

    Se il deployment non è riuscito, il campo Stato mostra Non riuscito.

  2. Visualizza i dettagli degli errori che hanno causato l'errore:

    1. Nella riga del deployment, fai clic su Azioni.

      Potrebbe essere necessario scorrere per visualizzare Azioni nella riga.

    2. Seleziona Visualizza i log di Cloud Build.

  3. Esamina il log di Cloud Build e intervieni di conseguenza per risolvere il problema che ha causato l'errore.

Errori durante il deployment della soluzione utilizzando l'interfaccia a riga di comando 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 gli errori di deployment che potresti riscontrare quando utilizzi Terraform.

Errore relativo all'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 con un errore simile al 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.

Impossibile assegnare l'indirizzo richiesto

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

Esiste un passaggio di provisioning che viene eseguito dopo i passaggi di provisioning di Terraform e carica i dati nell'ambiente. Se ricevi un errore durante il caricamento dei dati nella dashboard di Looker Studio o se non sono presenti oggetti quando inizi a esplorare BigQuery, attendi qualche minuto e riprova.

Errore durante l'eliminazione di un deployment

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

  • Dopo aver eseguito il deployment di una soluzione tramite la console, se modifichi una risorsa di cui è stato eseguito il provisioning dalla soluzione e poi provi a eliminare il deployment, l'eliminazione potrebbe non riuscire. Il campo Stato nella pagina Deployment di soluzioni mostra Non riuscito e il log di Cloud Build mostra la causa dell'errore.
  • Dopo aver eseguito il deployment di una soluzione utilizzando Terraform CLI, se modifichi una risorsa utilizzando un'interfaccia non Terraform (ad esempio la console) e 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 di errore, identifica ed elimina le risorse che hanno causato l'errore, quindi riprova a eliminare il deployment.

Se un deployment basato sulla console non viene eliminato e non riesci a diagnosticare l'errore utilizzando il log di Cloud Build, puoi eliminare il deployment utilizzando Terraform CLI, come descritto nella sezione successiva.

Eliminare un deployment basato sulla console utilizzando la CLI Terraform

Questa sezione descrive come eliminare un deployment basato sulla console se si verificano errori quando provi a eliminarlo tramite la console. Con questo approccio, scarichi la configurazione di Terraform per il deployment che vuoi eliminare e poi utilizzi Terraform CLI per eliminare il deployment.

  1. Identifica la regione in cui sono archiviati il codice Terraform, i log e altri dati del deployment. Questa regione potrebbe essere diversa da quella selezionata durante il deployment della soluzione.

    1. Nella console Google Cloud, vai alla pagina Deployment delle soluzioni.

      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 evidenziato nel seguente esempio:

      Posizione del codice di deployment, dei log e di altri elementi.

  2. In the Google Cloud console, activate Cloud Shell.

    Activate Cloud Shell

    At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.

  3. Crea 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 posizione 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.
  4. 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
    
  5. Ottieni la posizione di 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
    
  6. Scarica la configurazione Terraform da Cloud Storage in Cloud Shell:

    gcloud storage cp $CONTENT_PATH $HOME --recursive
    cd $HOME/content/
    

    Attendi che venga visualizzato il messaggio Operation completed, come mostrato nell'esempio seguente:

    Operation completed over 45 objects/268.5 KiB
    
  7. Inizializza Terraform:

    terraform init
    

    Attendi finché non viene visualizzato il seguente messaggio:

    Terraform has been successfully initialized!
    
  8. Rimuovi le risorse di cui hai eseguito il deployment:

    terraform destroy
    

    Terraform mostra un elenco delle risorse che verranno eliminate.

    Se vengono visualizzati avvisi relativi a variabili non dichiarate, ignorali.

  9. Quando ti viene chiesto di eseguire le azioni, inserisci yes.

    Terraform mostra messaggi che indicano l'avanzamento. Dopo che tutte le risorse sono state eliminate, Terraform mostra il seguente messaggio:

    Destroy complete!
    
  10. Elimina l'elemento del 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"
    
  11. Attendi qualche secondo e verifica che l'elemento 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'elemento 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 Jump Start sono solo informative e non sono prodotti supportati ufficialmente. Google può modificare o rimuovere le soluzioni senza preavviso.

Per risolvere i problemi relativi agli 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 i problemi nel repository GitHub. I problemi di GitHub vengono esaminati secondo il criterio del "best effort" e non sono destinati a domande sull'utilizzo generale.

Passaggi successivi