Caricamento dei dati dalle esportazioni di Datastore

BigQuery supporta il caricamento dei dati dalle esportazioni di Datastore create utilizzando il servizio gestito di importazione ed esportazione di Datastore. Puoi utilizzare il servizio gestito di importazione ed esportazione per esportare le entità del datastore in un bucket Cloud Storage. Puoi quindi caricare l'esportazione in BigQuery sotto forma di tabella.

Per scoprire come creare un file di esportazione di Datastore, consulta Esportazione e importazione delle entità nella documentazione di Datastore. Per informazioni sulla pianificazione delle esportazioni, consulta Pianificazione di un'esportazione.

Puoi controllare quali proprietà BigQuery deve caricare impostando la proprietà projectionFields nell'API o utilizzando il flag --projection_fields nello strumento a riga di comando bq.

Se preferisci saltare il processo di caricamento, puoi eseguire direttamente una query sull'esportazione configurandola come origine dati esterna. Per saperne di più, consulta Origini dati esterne.

Quando carichi dati da Cloud Storage in una tabella BigQuery, il set di dati che contiene la tabella deve trovarsi nella stessa regione o in più regioni del bucket Cloud Storage.

Limitazioni

Quando carichi i dati in BigQuery da un'esportazione di Datastore, tieni presente le seguenti restrizioni:

  • Non puoi utilizzare un carattere jolly nell'URI Cloud Storage quando specifichi un file di esportazione di Datastore.
  • Puoi specificare un solo URI Cloud Storage durante il caricamento dei dati dalle esportazioni del datastore.
  • Non puoi aggiungere dati di esportazione Datastore a una tabella esistente con uno schema definito.
  • Affinché un'esportazione Datastore venga caricata correttamente, le entità nei dati dell'esportazione devono condividere uno schema coerente con meno di 10.000 nomi di proprietà univoci.
  • I dati esportati senza specificare un filtro di entità non possono essere caricati in BigQuery. La richiesta di esportazione deve includere uno o più nomi di tipo nel filtro delle entità.
  • La dimensione massima del campo per le esportazioni di Datastore è 64 kB. Quando carichi un'esportazione di Datastore, tutti i campi di dimensioni superiori a 64 kB vengono troncati.

Prima di iniziare

Concedi i ruoli IAM (Identity and Access Management) che concedono agli utenti le autorizzazioni necessarie per eseguire ogni attività nel documento.

Autorizzazioni obbligatorie

Per caricare dati in BigQuery, devi disporre delle autorizzazioni IAM per eseguire un job di caricamento e caricare i dati in tabelle e partizioni BigQuery. Se stai caricando i dati da Cloud Storage, devi avere anche le autorizzazioni IAM per accedere al bucket che contiene i tuoi dati.

Autorizzazioni per caricare i dati in BigQuery

Per caricare i dati in una nuova tabella o partizione BigQuery oppure per aggiungere o sovrascrivere una tabella o una partizione esistente, devi disporre delle seguenti autorizzazioni IAM:

  • bigquery.tables.create
  • bigquery.tables.updateData
  • bigquery.tables.update
  • bigquery.jobs.create

Ciascuno dei seguenti ruoli IAM predefiniti include le autorizzazioni necessarie per caricare i dati in una tabella o partizione BigQuery:

  • roles/bigquery.dataEditor
  • roles/bigquery.dataOwner
  • roles/bigquery.admin (include l'autorizzazione bigquery.jobs.create)
  • bigquery.user (include l'autorizzazione bigquery.jobs.create)
  • bigquery.jobUser (include l'autorizzazione bigquery.jobs.create)

Inoltre, se disponi dell'autorizzazione bigquery.datasets.create, puoi creare e aggiornare le tabelle utilizzando un job di caricamento nei set di dati che crei.

Per ulteriori informazioni su ruoli e autorizzazioni IAM in BigQuery, consulta Autorizzazioni e ruoli predefiniti.

Autorizzazioni per caricare i dati da Cloud Storage

Per ottenere le autorizzazioni necessarie per caricare i dati da un bucket Cloud Storage, chiedi all'amministratore di concederti il ruolo IAM Amministratore Storage (roles/storage.admin) per il bucket. Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso.

Questo ruolo predefinito contiene le autorizzazioni necessarie per caricare i dati da un bucket Cloud Storage. Per visualizzare le autorizzazioni esatte necessarie, espandi la sezione Autorizzazioni richieste:

Autorizzazioni obbligatorie

Per caricare i dati da un bucket Cloud Storage sono necessarie le seguenti autorizzazioni:

  • storage.buckets.get
  • storage.objects.get
  • storage.objects.list (required if you are using a URI wildcard)

Potresti anche essere in grado di ottenere queste autorizzazioni con i ruoli personalizzati o altri ruoli predefiniti.

Caricamento dei dati del servizio di esportazione di Datastore

Per caricare i dati da un file di metadati di esportazione Datastore:

Console

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

    Vai a BigQuery

  2. Nel riquadro Explorer, espandi il progetto, quindi seleziona un set di dati.
  3. Nella sezione Informazioni sul set di dati, fai clic su Crea tabella.
  4. Nel riquadro Crea tabella, specifica i seguenti dettagli:
    1. Nella sezione Origine, seleziona Google Cloud Storage nell'elenco Crea tabella da. Poi esegui le seguenti operazioni:
      1. Seleziona un file dal bucket Cloud Storage o inserisci l'URI Cloud Storage. Non puoi includere più URI nella console Google Cloud, ma sono supportati i caratteri jolly. Il bucket Cloud Storage deve trovarsi nella stessa località del set di dati contenente la tabella da creare, aggiungere o sovrascrivere.
        L'URI del file di esportazione Datastore deve terminare con KIND_NAME.export_metadata o export[NUM].export_metadata. Ad esempio, in default_namespace_kind_Book.export_metadata, Book è il nome del tipo e default_namespace_kind_Book è il nome file generato da Datastore. seleziona il file di origine per creare una tabella BigQuery
      2. In Formato file, seleziona Backup di Cloud Datastore.
    2. Nella sezione Destinazione, specifica i seguenti dettagli:
      1. In Set di dati, seleziona il set di dati in cui vuoi creare la tabella.
      2. Nel campo Tabella, inserisci il nome della tabella che vuoi creare.
      3. Verifica che il campo Tipo di tabella sia impostato su Tabella nativa.
    3. Nella sezione Schema non è necessaria alcuna azione. Lo schema viene dedotto per un'esportazione di Datastore.
    4. (Facoltativo) Specifica le impostazioni di partizione e cluster. Per saperne di più, consulta Creazione di tabelle partizionate e Creazione e utilizzo delle tabelle in cluster.
    5. Fai clic su Opzioni avanzate ed esegui le seguenti operazioni:
      • In Preferenza di scrittura, lascia selezionata l'opzione Scrivi se vuoto. Questa opzione consente di creare una nuova tabella in cui caricare i dati.
      • Se in una riga vuoi ignorare i valori che non sono presenti nello schema della tabella, seleziona Valori sconosciuti.
      • In Crittografia, fai clic su Chiave gestita dal cliente per utilizzare una chiave Cloud Key Management Service. Se lasci l'impostazione Chiave gestita da Google, BigQuery cripta i dati at-rest.
      • Per informazioni sulle opzioni disponibili, consulta Opzioni di Datastore.
    6. Fai clic su Crea tabella.

bq

Utilizza il comando bq load con source_format impostato su DATASTORE_BACKUP. Fornisci il flag --location e imposta il valore sulla tua località.

bq --location=LOCATION load \
--source_format=FORMAT \
DATASET.TABLE \
PATH_TO_SOURCE

Sostituisci quanto segue:

  • LOCATION: la tua posizione. Il flag --location è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, puoi impostare il valore del flag su asia-northeast1. Puoi impostare un valore predefinito per la località utilizzando il file.bigqueryrc.
  • FORMAT: DATASTORE_BACKUP.
  • DATASET: il set di dati contenente la tabella in cui stai caricando i dati.
  • TABLE: la tabella in cui stai caricando i dati. Se la tabella non esiste, viene creata.
  • PATH_TO_SOURCE: l'URI Cloud Storage.

Ad esempio, il comando seguente carica il gs://mybucket/20180228T1256/default_namespace/kind_Book/default_namespace_kind_Book.export_metadata file di esportazione del datastore in una tabella denominata book_data. mybucket e mydataset sono stati creati nella località a più regioni US.

bq --location=US load \
--source_format=DATASTORE_BACKUP \
mydataset.book_data \
gs://mybucket/20180228T1256/default_namespace/kind_Book/default_namespace_kind_Book.export_metadata

API

Imposta le seguenti proprietà per caricare i dati di esportazione Datastore utilizzando l'API.

  1. Crea un job di caricamento che punta ai dati di origine in Cloud Storage.

  2. Specifica la tua località nella proprietà location nella sezione jobReference della risorsa offerta di lavoro.

  3. Gli URI di origine devono essere completi nel formato gs://[BUCKET]/[OBJECT]. Il nome del file (oggetto) deve terminare con [KIND_NAME].export_metadata. È consentito un solo URI per le esportazioni di Datastore e non è possibile utilizzare un carattere jolly.

  4. Specifica il formato dei dati impostando la proprietà JobConfigurationLoad.sourceFormat su DATASTORE_BACKUP.

Aggiunta o sovrascrittura di una tabella con dati Datastore

Quando carichi i dati di esportazione Datastore in BigQuery, puoi creare una nuova tabella per archiviare i dati o sovrascrivere una tabella esistente. Non puoi aggiungere dati di esportazione Datastore a una tabella esistente.

Se tenti di aggiungere i dati di esportazione Datastore a una tabella esistente, si verifica il seguente errore: Cannot append a datastore backup to a table that already has a schema. Try using the WRITE_TRUNCATE write disposition to replace the existing table.

Per sovrascrivere una tabella esistente con i dati di esportazione di Datastore:

Console

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

    Vai a BigQuery

  2. Nel riquadro Explorer, espandi il progetto, quindi seleziona un set di dati.
  3. Nella sezione Informazioni sul set di dati, fai clic su Crea tabella.
  4. Nel riquadro Crea tabella, specifica i seguenti dettagli:
    1. Nella sezione Origine, seleziona Google Cloud Storage nell'elenco Crea tabella da. Poi esegui le seguenti operazioni:
      1. Seleziona un file dal bucket Cloud Storage o inserisci l'URI Cloud Storage. Non puoi includere più URI nella console Google Cloud, ma sono supportati i caratteri jolly. Il bucket Cloud Storage deve trovarsi nella stessa località del set di dati contenente la tabella da creare, aggiungere o sovrascrivere.
        L'URI del file di esportazione Datastore deve terminare con KIND_NAME.export_metadata o export[NUM].export_metadata. Ad esempio, in default_namespace_kind_Book.export_metadata, Book è il nome del tipo e default_namespace_kind_Book è il nome file generato da Datastore. seleziona il file di origine per creare una tabella BigQuery
      2. In Formato file, seleziona Backup di Cloud Datastore.
    2. Nella sezione Destinazione, specifica i seguenti dettagli:
      1. In Set di dati, seleziona il set di dati in cui vuoi creare la tabella.
      2. Nel campo Tabella, inserisci il nome della tabella che vuoi creare.
      3. Verifica che il campo Tipo di tabella sia impostato su Tabella nativa.
    3. Nella sezione Schema non è necessaria alcuna azione. Lo schema viene dedotto per un'esportazione di Datastore.
    4. (Facoltativo) Specifica le impostazioni di partizione e cluster. Per saperne di più, consulta Creazione di tabelle partizionate e Creazione e utilizzo delle tabelle in cluster. Non puoi convertire una tabella in una tabella partizionata o in cluster aggiungendola o sovrascrivendola. La console Google Cloud non supporta l'aggiunta o la sovrascrittura di tabelle partizionate o in cluster in un job di caricamento.
    5. Fai clic su Opzioni avanzate ed esegui le seguenti operazioni:
      • In Preferenza di scrittura, scegli Aggiungi alla tabella o Sovrascrivi tabella.
      • Se in una riga vuoi ignorare i valori che non sono presenti nello schema della tabella, seleziona Valori sconosciuti.
      • In Crittografia, fai clic su Chiave gestita dal cliente per utilizzare una chiave Cloud Key Management Service. Se lasci l'impostazione Chiave gestita da Google, BigQuery cripta i dati at-rest.
      • Per informazioni sulle opzioni disponibili, consulta Opzioni di Datastore.
    6. Fai clic su Crea tabella.

bq

Utilizza il comando bq load con il flag --replace e con source_format impostato su DATASTORE_BACKUP. Fornisci il flag --location e imposta il valore sulla tua località.

bq --location=LOCATION load \
--source_format=FORMAT \
--replace \
DATASET.TABLE \
PATH_TO_SOURCE

Sostituisci quanto segue:

  • LOCATION: la tua posizione. Il flag --location è facoltativo. Ad esempio, se utilizzi BigQuery nella regione di Tokyo, puoi impostare il valore del flag su asia-northeast1. Puoi impostare un valore predefinito per la località utilizzando il file.bigqueryrc.
  • FORMAT: DATASTORE_BACKUP.
  • DATASET: il set di dati contenente la tabella in cui stai caricando i dati.
  • TABLE: la tabella che stai sovrascrivendo.
  • PATH_TO_SOURCE: l'URI Cloud Storage.

Ad esempio, il seguente comando carica il gs://mybucket/20180228T1256/default_namespace/kind_Book/default_namespace_kind_Book.export_metadata file di esportazione del datastore e sovrascrive una tabella denominata book_data:

bq load --source_format=DATASTORE_BACKUP \
--replace \
mydataset.book_data \
gs://mybucket/20180228T1256/default_namespace/kind_Book/default_namespace_kind_Book.export_metadata

API

Imposta le seguenti proprietà per caricare i dati dall'API.

  1. Crea un job di caricamento che punta ai dati di origine in Cloud Storage.

  2. Specifica la tua località nella proprietà location nella sezione jobReference della risorsa offerta di lavoro.

  3. Gli URI di origine devono essere completi nel formato gs://[BUCKET]/[OBJECT]. Il nome del file (oggetto) deve terminare con [KIND_NAME].export_metadata. È consentito un solo URI per le esportazioni di Datastore e non è possibile utilizzare un carattere jolly.

  4. Specifica il formato dei dati impostando la proprietà JobConfigurationLoad.sourceFormat su DATASTORE_BACKUP.

  5. Specifica la disposizione di scrittura impostando la proprietà JobConfigurationLoad.writeDisposition su WRITE_TRUNCATE.

Opzioni Datastore

Per modificare il modo in cui BigQuery analizza i dati delle esportazioni di Datastore, specifica la seguente opzione:

Opzione della console flag dello strumento bq Proprietà API BigQuery Descrizione
Non disponibile --projection_fields projectionFields Un elenco separato da virgole che indica le proprietà delle entità da caricare in BigQuery da un'esportazione di Datastore. I nomi delle proprietà sono sensibili alle maiuscole e devono essere di primo livello. Se non vengono specificate proprietà, BigQuery carica tutte le proprietà. Se nessuna proprietà denominata viene trovata nell'esportazione Datastore, viene restituito un errore non valido nel risultato del job. Il valore predefinito è ''.

Conversione del tipo di dati

BigQuery converte i dati di ogni entità nei file di esportazione di Datastore in tipi di dati BigQuery. La tabella seguente descrive la conversione tra tipi di dati.

Tipo di dati Datastore Tipo di dati BigQuery
Array ARRAY
Blob BYTES
Booleano BOOLEAN
Data e ora TIMESTAMP
Entità incorporata RECORD
Numero con virgola mobile FLOAT
Punto geografico

RECORD

[{"lat","DOUBLE"},
 {"long","DOUBLE"}]
        
Numero intero INTEGER
Chiave RECORD
Null STRING
Stringa di testo STRING (tronco a 64 kB)

Proprietà della chiave Datastore

Ogni entità in Datastore ha una chiave univoca contenente informazioni come lo spazio dei nomi e il percorso. BigQuery crea un tipo di dati RECORD per la chiave, con campi nidificati per ogni informazione, come descritto nella seguente tabella.

Proprietà della chiave Descrizione Tipo di dati BigQuery
__key__.app Il nome dell'app Datastore. STRING
__key__.id L'ID dell'entità o null se __key__.name è impostato. INTEGER
__key__.kind È il tipo di entità. STRING
__key__.name Il nome dell'entità o null se __key__.id è impostato. STRING
__key__.namespace Se l'app Datastore utilizza uno spazio dei nomi personalizzato, lo spazio dei nomi dell'entità. In caso contrario, lo spazio dei nomi predefinito è rappresentato da una stringa vuota. STRING
__key__.path Il percorso ancestrale suddiviso dell'entità, composto dalla sequenza di coppie di tipo-identificatore dall'entità base all'entità stessa. Ad esempio: "Country", "USA", "PostalCode", 10011, "Route", 1234. STRING