Trasferimenti dello spazio di archiviazione BLOB

BigQuery Data Transfer Service per l'archiviazione BLOB di Azure consente di pianificare e gestire automaticamente i job di caricamento ricorrenti dall'archiviazione BLOB in BigQuery.

Prima di iniziare

Prima di creare un trasferimento di Archiviazione BLOB, segui questi passaggi:

Autorizzazioni obbligatorie

Per creare un trasferimento di Archiviazione BLOB, devi disporre dell'autorizzazione Identity and Access Management (IAM) di bigquery.transfers.update. Devi disporre anche delle autorizzazioni bigquery.datasets.get e bigquery.datasets.update per il set di dati di destinazione.

Il ruolo IAM predefinito bigquery.admin include le autorizzazioni necessarie per creare un trasferimento di Archiviazione BLOB.

Per ulteriori informazioni su IAM di BigQuery, consulta Controllo dell'accesso con IAM.

Per verificare di disporre delle autorizzazioni corrette in Archiviazione BLOB per abilitare il trasferimento, consulta Firma di accesso condiviso (SAS).

Se intendi configurare le notifiche di esecuzione del trasferimento per Pub/Sub, devi disporre dell'autorizzazione pubsub.topics.setIamPolicy. Le autorizzazioni Pub/Sub non sono necessarie solo per le notifiche via email. Per ulteriori informazioni, consulta Notifiche di esecuzione di BigQuery Data Transfer Service.

Limitazioni

I trasferimenti di Archiviazione BLOB sono soggetti alle seguenti limitazioni:

Configura un trasferimento di dati da archiviazione BLOB

Seleziona una delle seguenti opzioni:

Console

  1. Nella console Google Cloud, vai alla pagina BigQuery.

    Vai a BigQuery

  2. Nel menu di navigazione di BigQuery, fai clic su Trasferimenti di dati.

  3. Fai clic su Crea trasferimento.

  4. Nella pagina Crea trasferimento, segui questi passaggi:

    • Nella sezione Tipo di origine, per Origine, scegli Archiviazione BLOB di Azure.

      Tipo di origine di trasferimento

    • Nella sezione Nome configurazione di trasferimento, in Nome visualizzato, inserisci un nome per il trasferimento.

    • Nella sezione Opzioni di pianificazione:

      • Seleziona Frequenza di ripetizione. Se selezioni Ore, Giorni, Settimane o Mesi, devi specificare anche una frequenza. Puoi anche selezionare Personalizzata per specificare una frequenza di ripetizione personalizzata. Se selezioni On demand, questo trasferimento verrà eseguito quando attivi manualmente il trasferimento.

      • Se applicabile, seleziona Inizia ora o Inizia all'ora impostata e fornisci una data di inizio e un'ora di esecuzione.

    • Nella sezione Impostazioni destinazione, per Set di dati, scegli il set di dati creato per archiviare i dati.

    • Nella sezione Dettagli origine dati:

      • In Tabella di destinazione, inserisci il nome della tabella che hai creato per archiviare i dati in BigQuery. I nomi delle tabelle di destinazione supportano i parametri.
      • In Nome account di archiviazione Azure, inserisci il nome dell'account di archiviazione BLOB.
      • In Nome container, inserisci il nome del container di archiviazione BLOB.
      • In Percorso dati, inserisci il percorso per filtrare i file da trasferire. Vedi gli esempi.
      • In Token SAS, inserisci il token di Azure SAS.
      • In Formato file, scegli il formato dei dati di origine.
      • Per Disposizione di scrittura, seleziona WRITE_APPEND per aggiungere in modo incrementale nuovi dati alla tabella di destinazione oppure WRITE_TRUNCATE per sovrascrivere i dati nella tabella di destinazione durante ogni esecuzione di trasferimento. WRITE_APPEND è il valore predefinito per Scrivi.

      Per maggiori informazioni su come BigQuery Data Transfer Service importa i dati utilizzando WRITE_APPEND o WRITE_TRUNCATE, consulta Importazione dei dati per i trasferimenti di BLOB di Azure. Per maggiori informazioni sul campo writeDisposition, consulta JobConfigurationLoad.

      Dettagli origine dati

    • Nella sezione Opzioni di trasferimento, procedi nel seguente modo:

      • In Numero di errori consentiti, inserisci un valore intero per il numero massimo di record non validi che possono essere ignorati. Il valore predefinito è 0.
      • (Facoltativo) Per i tipi di destinazione decimali, inserisci un elenco separato da virgole di possibili tipi di dati SQL in cui vengono convertiti i valori decimali nei dati di origine. Il tipo di dati SQL selezionato per la conversione dipende dalle seguenti condizioni:
        • Nell'ordine di NUMERIC, BIGNUMERIC e STRING, viene selezionato un tipo se è presente nell'elenco specificato e se supporta la precisione e la scala.
        • Se nessuno dei tipi di dati elencati supporta la precisione e la scalabilità, viene selezionato il tipo di dati che supporta l'intervallo più ampio nell'elenco specificato. Se un valore supera l'intervallo supportato durante la lettura dei dati di origine, viene generato un errore.
        • Il tipo di dati STRING supporta tutti i valori di precisione e scala.
        • Se questo campo viene lasciato vuoto, per impostazione predefinita il tipo di dati è NUMERIC,STRING per ORC e NUMERIC per gli altri formati file.
        • Questo campo non può contenere tipi di dati duplicati.
        • L'ordine dei tipi di dati elencati viene ignorato.

    • Se hai scelto CSV o JSON come formato file, nella sezione JSON, CSV seleziona Ignora valori sconosciuti per accettare le righe contenenti valori che non corrispondono allo schema.

    • Se hai scelto CSV come formato file, nella sezione CSV inserisci eventuali opzioni CSV aggiuntive per il caricamento dei dati.

      Opzioni CSV

    • Nella sezione Opzioni di notifica, puoi scegliere di abilitare le notifiche email e le notifiche Pub/Sub.

      • Quando abiliti le notifiche via email, l'amministratore dei trasferimenti riceve una notifica via email quando un trasferimento non va a buon fine.
      • Quando abiliti le notifiche Pub/Sub, scegli il nome di un argomento in cui pubblicare o fai clic su Crea un argomento per crearne uno.

    • Se utilizzi CMEK, nella sezione Opzioni avanzate, seleziona Chiave gestita dal cliente. Viene visualizzato un elenco delle CMEK disponibili tra cui puoi scegliere. Per informazioni su come funzionano le CMEK con BigQuery Data Transfer Service, consulta Specificare la chiave di crittografia con i trasferimenti.

  5. Fai clic su Salva.

bq

Utilizza il comando bq mk --transfer_config per creare un trasferimento di Archiviazione BLOB:

bq mk \
  --transfer_config \
  --project_id=PROJECT_ID \
  --data_source=DATA_SOURCE \
  --display_name=DISPLAY_NAME \
  --target_dataset=DATASET \
  --destination_kms_key=DESTINATION_KEY \
  --params=PARAMETERS

Sostituisci quanto segue:

  • PROJECT_ID: (facoltativo) l'ID progetto contenente il set di dati di destinazione. Se non specificato, viene utilizzato il progetto predefinito.
  • DATA_SOURCE: azure_blob_storage.
  • DISPLAY_NAME: il nome visualizzato della configurazione di trasferimento. Il nome del trasferimento può essere qualsiasi valore che consenta di identificare facilmente il trasferimento qualora fosse necessario modificarlo in un secondo momento.
  • DATASET: il set di dati di destinazione per la configurazione di trasferimento.
  • DESTINATION_KEY: (facoltativo) l'ID risorsa della chiave Cloud KMS, ad esempio projects/project_name/locations/us/keyRings/key_ring_name/cryptoKeys/key_name.
  • PARAMETERS: i parametri per la configurazione di trasferimento, elencati in formato JSON. Ad esempio, --params={"param1":"value1", "param2":"value2"}. Di seguito sono riportati i parametri per un trasferimento di archiviazione BLOB:
    • destination_table_name_template: campo obbligatorio. Il nome della tabella di destinazione.
    • storage_account: campo obbligatorio. Il nome dell'account Archiviazione BLOB.
    • container: campo obbligatorio. Il nome del container di archiviazione BLOB.
    • data_path: facoltativo. Il percorso per filtrare i file da trasferire. Guarda gli esempi.
    • sas_token: campo obbligatorio. Il token Azure SAS.
    • file_format: facoltativo. Il tipo di file che vuoi trasferire: CSV, JSON, AVRO, PARQUET o ORC. Il valore predefinito è CSV.
    • write_disposition: facoltativo. Seleziona WRITE_APPEND per aggiungere dati alla tabella di destinazione oppure WRITE_TRUNCATE per sovrascrivere i dati nella tabella di destinazione. Il valore predefinito è WRITE_APPEND.
    • max_bad_records: facoltativo. Il numero di record non validi consentiti. Il valore predefinito è 0.
    • decimal_target_types: facoltativo. Un elenco separato da virgole di possibili tipi di dati SQL in cui vengono convertiti i valori decimali nei dati di origine. Se questo campo non viene fornito, per impostazione predefinita il tipo di dati è NUMERIC,STRING per ORC e NUMERIC per gli altri formati file.
    • ignore_unknown_values: facoltativo e ignorato se file_format non è JSON o CSV. Imposta su true per accettare righe che contengono valori che non corrispondono allo schema.
    • field_delimiter: facoltativo e si applica solo quando file_format è CSV. Il carattere che separa i campi. Il valore predefinito è ,.
    • skip_leading_rows: facoltativo e si applica solo quando file_format è CSV. Indica il numero di righe di intestazione che non desideri importare. Il valore predefinito è 0.
    • allow_quoted_newlines: facoltativo e si applica solo quando file_format è CSV. Indica se consentire gli a capo all'interno dei campi tra virgolette.
    • allow_jagged_rows: facoltativo e si applica solo quando file_format è CSV. Indica se accettare righe a cui mancano le colonne facoltative finali. I valori mancanti sono stati compilati con NULL.

Ad esempio, quanto segue crea un trasferimento di archiviazione BLOB denominato mytransfer:

bq mk \
  --transfer_config \
  --data_source=azure_blob_storage \
  --display_name=mytransfer \
  --target_dataset=mydataset \
  --destination_kms_key=projects/myproject/locations/us/keyRings/mykeyring/cryptoKeys/key1
  --params={"destination_table_name_template":"mytable",
      "storage_account":"myaccount",
      "container":"mycontainer",
      "data_path":"myfolder/*.csv",
      "sas_token":"my_sas_token_value",
      "file_format":"CSV",
      "max_bad_records":"1",
      "ignore_unknown_values":"true",
      "field_delimiter":"|",
      "skip_leading_rows":"1",
      "allow_quoted_newlines":"true",
      "allow_jagged_rows":"false"}

Java

Prima di provare questo esempio, segui le istruzioni per la configurazione di Java nella guida rapida di BigQuery sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Java di BigQuery.

Per eseguire l'autenticazione su BigQuery, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per le librerie client. 


import com.google.api.gax.rpc.ApiException;
import com.google.cloud.bigquery.datatransfer.v1.CreateTransferConfigRequest;
import com.google.cloud.bigquery.datatransfer.v1.DataTransferServiceClient;
import com.google.cloud.bigquery.datatransfer.v1.ProjectName;
import com.google.cloud.bigquery.datatransfer.v1.TransferConfig;
import com.google.protobuf.Struct;
import com.google.protobuf.Value;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

// Sample to create azure blob storage transfer config.
public class CreateAzureBlobStorageTransfer {

  public static void main(String[] args) throws IOException {
    // TODO(developer): Replace these variables before running the sample.
    final String projectId = "MY_PROJECT_ID";
    final String displayName = "MY_TRANSFER_DISPLAY_NAME";
    final String datasetId = "MY_DATASET_ID";
    String tableId = "MY_TABLE_ID";
    String storageAccount = "MY_AZURE_STORAGE_ACCOUNT_NAME";
    String containerName = "MY_AZURE_CONTAINER_NAME";
    String dataPath = "MY_AZURE_FILE_NAME_OR_PREFIX";
    String sasToken = "MY_AZURE_SAS_TOKEN";
    String fileFormat = "CSV";
    String fieldDelimiter = ",";
    String skipLeadingRows = "1";
    Map<String, Value> params = new HashMap<>();
    params.put(
        "destination_table_name_template", Value.newBuilder().setStringValue(tableId).build());
    params.put("storage_account", Value.newBuilder().setStringValue(storageAccount).build());
    params.put("container", Value.newBuilder().setStringValue(containerName).build());
    params.put("data_path", Value.newBuilder().setStringValue(dataPath).build());
    params.put("sas_token", Value.newBuilder().setStringValue(sasToken).build());
    params.put("file_format", Value.newBuilder().setStringValue(fileFormat).build());
    params.put("field_delimiter", Value.newBuilder().setStringValue(fieldDelimiter).build());
    params.put("skip_leading_rows", Value.newBuilder().setStringValue(skipLeadingRows).build());
    createAzureBlobStorageTransfer(projectId, displayName, datasetId, params);
  }

  public static void createAzureBlobStorageTransfer(
      String projectId, String displayName, String datasetId, Map<String, Value> params)
      throws IOException {
    TransferConfig transferConfig =
        TransferConfig.newBuilder()
            .setDestinationDatasetId(datasetId)
            .setDisplayName(displayName)
            .setDataSourceId("azure_blob_storage")
            .setParams(Struct.newBuilder().putAllFields(params).build())
            .setSchedule("every 24 hours")
            .build();
    // Initialize client that will be used to send requests. This client only needs to be created
    // once, and can be reused for multiple requests.
    try (DataTransferServiceClient client = DataTransferServiceClient.create()) {
      ProjectName parent = ProjectName.of(projectId);
      CreateTransferConfigRequest request =
          CreateTransferConfigRequest.newBuilder()
              .setParent(parent.toString())
              .setTransferConfig(transferConfig)
              .build();
      TransferConfig config = client.createTransferConfig(request);
      System.out.println("Azure Blob Storage transfer created successfully: " + config.getName());
    } catch (ApiException ex) {
      System.out.print("Azure Blob Storage transfer was not created." + ex.toString());
    }
  }
}

Specifica la chiave di crittografia con trasferimenti

Puoi specificare le chiavi di crittografia gestite dal cliente (CMEK) per criptare i dati per un'esecuzione di trasferimento. Puoi utilizzare una CMEK per supportare i trasferimenti dall'archiviazione BLOB di Azure.

Quando specifichi una CMEK con un trasferimento, BigQuery Data Transfer Service applica la chiave CMEK a qualsiasi cache intermedia su disco dei dati importati, in modo che l'intero flusso di lavoro di trasferimento di dati sia conforme a CMEK.

Non puoi aggiornare un trasferimento esistente per aggiungere una CMEK se il trasferimento non è stato creato in origine con una CMEK. Ad esempio, non puoi cambiare una tabella di destinazione precedentemente criptata per impostazione predefinita in modo che sia ora crittografata con CMEK. Inoltre, non puoi cambiare una tabella di destinazione criptata con CMEK in modo da avere un tipo diverso di crittografia.

Puoi aggiornare una CMEK per il trasferimento se la configurazione di trasferimento è stata originariamente creata con una crittografia CMEK. Quando aggiorni una CMEK per una configurazione di trasferimento, BigQuery Data Transfer Service propaga la CMEK alle tabelle di destinazione alla successiva esecuzione del trasferimento, dove BigQuery Data Transfer Service sostituisce qualsiasi CMEK obsoleta con la nuova CMEK durante l'esecuzione del trasferimento. Per ulteriori informazioni, vedi Aggiornare un trasferimento.

Puoi anche usare le chiavi predefinite di progetto. Quando specifichi una chiave predefinita del progetto con un trasferimento, BigQuery Data Transfer Service utilizza la chiave predefinita del progetto come chiave predefinita per qualsiasi nuova configurazione di trasferimento.

Risolvere i problemi di configurazione del trasferimento

Se riscontri problemi durante la configurazione del trasferimento, consulta l'articolo Problemi di trasferimento dello spazio di archiviazione BLOB.

Passaggi successivi