승인된 뷰 및 구체화된 뷰

이 문서에서는 BigQuery에서 승인된 뷰 및 구체화된 뷰를 만드는 방법을 설명합니다.

승인된 뷰 및 승인되어 구체화된 뷰를 사용하면 기본 소스 데이터에 대한 액세스 권한을 부여하지 않고도 특정 사용자 및 그룹과 쿼리 결과를 공유할 수 있습니다. 뷰 또는 구체화된 뷰에는 사용자가 아닌 데이터에 대한 액세스 권한이 부여됩니다. 또한 뷰 또는 구체화된 뷰를 만드는 SQL 쿼리를 사용하여 사용자가 쿼리할 수 있는 열과 필드를 제한할 수도 있습니다.

승인된 뷰의 대안: 동일한 데이터 세트 안에서 테이블 수준에서 설정된 액세스 제어를 사용하여 테이블과 뷰에 대한 액세스를 제어할 수 있습니다. 자세한 내용은 승인된 뷰, 행 수준 보안, 별도 테이블 비교를 참조하세요.

다른 데이터 세트에서 승인된 뷰 또는 구체화된 뷰를 만들 때 소스 데이터 세트와 승인된 뷰 데이터 세트는 모두 같은 리전 위치에 있어야 합니다.

개별 뷰를 승인하는 대신 데이터 세트의 모든 뷰를 승인하는 방법에 대한 자세한 내용은 승인된 데이터 세트를 참조하세요.

참고: 승인된 뷰를 삭제하는 경우 뷰 목록에서 승인된 뷰를 삭제하는 데 최대 24시간이 걸릴 수 있습니다. 이 시간 동안에는 승인된 뷰에 액세스할 수 없지만 삭제된 승인된 뷰는 뷰 목록에 나타날 수 있으며 승인된 뷰 한도에 포함됩니다. 이 한도로 인해 새 승인된 뷰가 해당 한도를 초과할 경우 승인된 뷰가 추가로 만들어지지 않을 수 있습니다.

시작하기 전에

사용자에게 이 문서의 각 작업을 수행하는 데 필요한 권한을 부여하는 Identity and Access Management(IAM) 역할을 부여합니다.

필수 권한

승인된 뷰를 만들거나 업데이트하려면 뷰가 포함 된 데이터 세트와 뷰에 대한 액세스를 제공하는 데이터 세트에 대한 권한이 필요합니다.

뷰가 포함된 데이터 세트에 대한 권한

뷰는 BigQuery에서 테이블 리소스로 취급되므로 뷰를 만들려면 테이블을 만들 때와 동일한 권한이 필요합니다. 뷰의 SQL 쿼리에서 참조하는 모든 테이블을 쿼리할 권한도 필요합니다.

뷰를 만들려면 bigquery.tables.create IAM 권한이 필요합니다. 사전 정의된 IAM 역할 roles/bigquery.dataEditor에는 뷰를 만드는 데 필요한 권한이 포함됩니다.

또한 bigquery.datasets.create 권한이 있으면 사용자가 만든 데이터 세트에 뷰를 만들 수 있습니다. 소유하지 않은 데이터의 뷰를 만들려면 해당 테이블에 대한 bigquery.tables.getData 권한이 있어야 합니다.

참고: 승인된 뷰 또는 승인된 데이터 세트의 뷰를 만들거나 업데이트하려면 추가 권한이 필요합니다. 자세한 내용은 승인된 뷰에 필요한 권한 및 승인된 데이터 세트의 뷰에 필요한 권한을 참조하세요.

BigQuery의 IAM 역할과 권한에 대한 자세한 내용은 사전 정의된 역할 및 권한을 참조하세요.

뷰에 대한 액세스 권한을 제공하는 데이터 세트에 대한 권한

데이터 세트 속성을 업데이트하려면 다음 IAM 권한이 필요합니다.

• bigquery.datasets.update
• bigquery.datasets.setIamPolicy(Google Cloud 콘솔에서 데이터 세트 액세스 제어를 업데이트할 때만 필요)

사전 정의된 roles/bigquery.dataOwner IAM 역할에는 데이터 세트 속성을 업데이트하는 데 필요한 권한이 포함됩니다.

또한 bigquery.datasets.create 권한이 있으면 만드는 데이터 세트의 속성을 업데이트할 수 있습니다.

BigQuery의 IAM 역할과 권한에 대한 자세한 내용은 사전 정의된 역할 및 권한을 참조하세요.

뷰 승인

데이터 세트에 뷰 액세스 권한을 부여하려면 다음 단계를 수행합니다.

콘솔

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 탐색기 창에서 프로젝트를 확장하고 데이터 세트를 선택합니다.

3. 작업 보기를 클릭한 후 열기를 클릭합니다.

4. 데이터 세트 정보 창에서 공유를 클릭한 후 뷰 승인을 선택합니다.

5. 뷰 승인에 승인할 뷰의 이름을 입력합니다.

6. 승인 추가를 클릭합니다.

7. 닫기를 클릭합니다.

bq

1. bq show 명령어를 사용하여 JSON 파일에 기존 데이터 세트 정보(액세스 제어 포함)를 씁니다. 데이터 세트가 기본 프로젝트가 아닌 다른 프로젝트에 있다면 프로젝트 ID를 project_id:dataset 형식으로 데이터 세트 이름에 추가합니다.

   bq show \
   --format=prettyjson \
   project_id:dataset > path_to_file

   각 항목의 의미는 다음과 같습니다.

   • project_id는 프로젝트 ID입니다.
   • dataset는 데이터 세트 이름입니다.
   • path_to_file은 로컬 머신의 JSON 파일 경로입니다.

   예시:

   다음 명령어를 입력하여 mydataset에 대한 액세스 제어를 JSON 파일에 씁니다. 여기서 mydataset는 사용자의 기본 프로젝트에 있습니다.

   bq show --format=prettyjson mydataset > /tmp/mydataset.json
   

   다음 명령어를 입력하여 mydataset에 대한 액세스 제어를 JSON 파일에 씁니다. mydataset는 myotherproject에 있습니다.

   bq show --format=prettyjson \
   myotherproject:mydataset > /tmp/mydataset.json
   

2. JSON 파일의 'access' 섹션에 승인된 뷰를 추가합니다.

   예를 들어 데이터 세트 JSON 파일의 액세스 섹션은 다음과 비슷합니다.

   {
    "access": [
     {
      "role": "READER",
      "specialGroup": "projectReaders"
     },
     {
      "role": "WRITER",
      "specialGroup": "projectWriters"
     },
     {
      "role": "OWNER",
      "specialGroup": "projectOwners"
     }
     {
      "role": "READER",
      "specialGroup": "allAuthenticatedUsers"
     }
     {
      "role": "READER",
      "domain": "[DOMAIN_NAME]"
     }
     {
      "role": "WRITER",
      "userByEmail": "[USER_EMAIL]"
     }
     {
      "role": "READER",
      "groupByEmail": "[GROUP_EMAIL]"
     },
     {
      "view":{
      "datasetId": "[DATASET_NAME]",
      "projectId": "[PROJECT_NAME]",
      "tableId": "[VIEW_NAME]"
      }
     }
    ],
   }

3. 수정이 완료되면 bq update 명령어를 사용하고 --source 플래그로 JSON 파일을 포함합니다. 데이터 세트가 기본 프로젝트가 아닌 다른 프로젝트에 있다면 프로젝트 ID를 project_id:dataset 형식으로 데이터 세트 이름에 추가합니다.

   주의: 액세스 제어가 포함된 JSON 파일을 적용하면 기존 액세스 제어를 덮어쓰게 됩니다.

   bq update \
   --source path_to_file \
   project_id:dataset

   각 항목의 의미는 다음과 같습니다.

   • path_to_file은 로컬 머신의 JSON 파일 경로입니다.
   • project_id는 프로젝트 ID입니다.
   • dataset는 데이터 세트 이름입니다.

   예를 들면 다음과 같습니다.

   다음 명령어를 입력하여 mydataset에 대한 액세스 제어를 업데이트합니다. mydataset는 기본 프로젝트에 있습니다.

    bq update --source /tmp/mydataset.json mydataset
   

   다음 명령어를 입력하여 mydataset에 대한 액세스 제어를 업데이트합니다. mydataset는 myotherproject에 있습니다.

    bq update --source /tmp/mydataset.json myotherproject:mydataset
   

4. 액세스 제어 변경사항을 확인하려면 파일에 정보를 쓰지 않고 show 명령어를 다시 입력합니다.

   bq show --format=prettyjson [DATASET]
   

   또는

   bq show --format=prettyjson [PROJECT_ID]:[DATASET]
   

API

datasets.patch를 호출하고 access 속성을 사용하여 액세스 제어를 업데이트합니다. 자세한 내용은 데이터 세트를 참조하세요.

datasets.update 메서드는 전체 데이터 세트 리소스를 바꾸기 때문에 datasets.patch 메서드를 사용하여 액세스 제어를 업데이트하는 것이 좋습니다.

Go

이 샘플을 사용해 보기 전에 BigQuery 빠른 시작: 클라이언트 라이브러리 사용의 Go 설정 안내를 따르세요. 자세한 내용은 BigQuery Go API 참고 문서를 확인하세요.

BigQuery에 인증하려면 애플리케이션 기본 사용자 인증 정보를 설정합니다. 자세한 내용은 클라이언트 라이브러리의 인증 설정을 참조하세요.

import (
	"context"
	"fmt"

	"cloud.google.com/go/bigquery"
)

// updateViewDelegated demonstrates the setup of an authorized view, which allows access to a view's results
// without the caller having direct access to the underlying source data.
func updateViewDelegated(projectID, srcDatasetID, viewDatasetID, viewID string) error {
	// projectID := "my-project-id"
	// srcDatasetID := "sourcedata"
	// viewDatasetID := "views"
	// viewID := "myview"
	ctx := context.Background()
	client, err := bigquery.NewClient(ctx, projectID)
	if err != nil {
		return fmt.Errorf("bigquery.NewClient: %v", err)
	}
	defer client.Close()

	srcDataset := client.Dataset(srcDatasetID)
	viewDataset := client.Dataset(viewDatasetID)
	view := viewDataset.Table(viewID)

	// First, we'll add a group to the ACL for the dataset containing the view.  This will allow users within
	// that group to query the view, but they must have direct access to any tables referenced by the view.
	vMeta, err := viewDataset.Metadata(ctx)
	if err != nil {
		return err
	}
	vUpdateMeta := bigquery.DatasetMetadataToUpdate{
		Access: append(vMeta.Access, &bigquery.AccessEntry{
			Role:       bigquery.ReaderRole,
			EntityType: bigquery.GroupEmailEntity,
			Entity:     "[e-mail]",
		}),
	}
	if _, err := viewDataset.Update(ctx, vUpdateMeta, vMeta.ETag); err != nil {
		return err
	}

	// Now, we'll authorize a specific view against a source dataset, delegating access enforcement.
	// Once this has been completed, members of the group previously added to the view dataset's ACL
	// no longer require access to the source dataset to successfully query the view.
	srcMeta, err := srcDataset.Metadata(ctx)
	if err != nil {
		return err
	}
	srcUpdateMeta := bigquery.DatasetMetadataToUpdate{
		Access: append(srcMeta.Access, &bigquery.AccessEntry{
			EntityType: bigquery.ViewEntity,
			View:       view,
		}),
	}
	if _, err := srcDataset.Update(ctx, srcUpdateMeta, srcMeta.ETag); err != nil {
		return err
	}
	return nil
}

자바

이 샘플을 사용해 보기 전에 BigQuery 빠른 시작: 클라이언트 라이브러리 사용의 Java 설정 안내를 따르세요. 자세한 내용은 BigQuery Java API 참고 문서를 확인하세요.

BigQuery에 인증하려면 애플리케이션 기본 사용자 인증 정보를 설정합니다. 자세한 내용은 클라이언트 라이브러리의 인증 설정을 참조하세요.

import com.google.cloud.bigquery.Acl;
import com.google.cloud.bigquery.BigQuery;
import com.google.cloud.bigquery.BigQueryException;
import com.google.cloud.bigquery.BigQueryOptions;
import com.google.cloud.bigquery.Dataset;
import com.google.cloud.bigquery.DatasetId;
import com.google.cloud.bigquery.Table;
import java.util.ArrayList;
import java.util.List;

// Sample to grant view access on dataset
public class GrantViewAccess {

  public static void runGrantViewAccess() {
    // TODO(developer): Replace these variables before running the sample.
    String srcDatasetId = "MY_DATASET_ID";
    String viewDatasetId = "MY_VIEW_DATASET_ID";
    String viewId = "MY_VIEW_ID";
    grantViewAccess(srcDatasetId, viewDatasetId, viewId);
  }

  public static void grantViewAccess(String srcDatasetId, String viewDatasetId, String viewId) {
    try {
      // Initialize client that will be used to send requests. This client only needs to be created
      // once, and can be reused for multiple requests.
      BigQuery bigquery = BigQueryOptions.getDefaultInstance().getService();

      Dataset srcDataset = bigquery.getDataset(DatasetId.of(srcDatasetId));
      Dataset viewDataset = bigquery.getDataset(DatasetId.of(viewDatasetId));
      Table view = viewDataset.get(viewId);

      // First, we'll add a group to the ACL for the dataset containing the view. This will allow
      // users within that group to query the view, but they must have direct access to any tables
      // referenced by the view.
      List<Acl> viewAcl = new ArrayList<>();
      viewAcl.addAll(viewDataset.getAcl());
      viewAcl.add(Acl.of(new Acl.Group("[e-mail]"), Acl.Role.READER));
      viewDataset.toBuilder().setAcl(viewAcl).build().update();

      // Now, we'll authorize a specific view against a source dataset, delegating access
      // enforcement. Once this has been completed, members of the group previously added to the
      // view dataset's ACL no longer require access to the source dataset to successfully query the
      // view
      List<Acl> srcAcl = new ArrayList<>();
      srcAcl.addAll(srcDataset.getAcl());
      srcAcl.add(Acl.of(new Acl.View(view.getTableId())));
      srcDataset.toBuilder().setAcl(srcAcl).build().update();
      System.out.println("Grant view access successfully");
    } catch (BigQueryException e) {
      System.out.println("Grant view access was not success. \n" + e.toString());
    }
  }
}

Python

이 샘플을 사용해 보기 전에 BigQuery 빠른 시작: 클라이언트 라이브러리 사용의 Python 설정 안내를 따르세요. 자세한 내용은 BigQuery Python API 참고 문서를 확인하세요.

BigQuery에 인증하려면 애플리케이션 기본 사용자 인증 정보를 설정합니다. 자세한 내용은 클라이언트 라이브러리의 인증 설정을 참조하세요.

from google.cloud import bigquery

client = bigquery.Client()

# To use a view, the analyst requires ACLs to both the view and the source
# table. Create an authorized view to allow an analyst to use a view
# without direct access permissions to the source table.
view_dataset_id = "my-project.my_view_dataset"
# Make an API request to get the view dataset ACLs.
view_dataset = client.get_dataset(view_dataset_id)

analyst_group_email = "[e-mail]"
access_entries = view_dataset.access_entries
access_entries.append(
    bigquery.AccessEntry("READER", "groupByEmail", analyst_group_email)
)
view_dataset.access_entries = access_entries

# Make an API request to update the ACLs property of the view dataset.
view_dataset = client.update_dataset(view_dataset, ["access_entries"])
print(f"Access to view: {view_dataset.access_entries}")

# Group members of "[e-mail]" now have access to the view,
# but they require access to the source table to use it. To remove this
# restriction, authorize the view to access the source dataset.
source_dataset_id = "my-project.my_source_dataset"
# Make an API request to set the source dataset ACLs.
source_dataset = client.get_dataset(source_dataset_id)

view_reference = {
    "projectId": "my-project",
    "datasetId": "my_view_dataset",
    "tableId": "my_authorized_view",
}
access_entries = source_dataset.access_entries
access_entries.append(bigquery.AccessEntry(None, "view", view_reference))
source_dataset.access_entries = access_entries

# Make an API request to update the ACLs property of the source dataset.
source_dataset = client.update_dataset(source_dataset, ["access_entries"])
print(f"Access to source: {source_dataset.access_entries}")

참고: 승인된 뷰 요청을 수행하려면 필요한 모든 VPC 서비스 제어 경계에 대한 액세스 권한이 있어야 합니다. 승인된 뷰는 VPC 서비스 제어를 사용해 보안 경계를 유지하므로 액세스 권한이 있는 뷰가 제한될 수 있습니다. VPC 서비스 제어에 대한 상세 내용은 VPC 서비스 제어 개요를 참조하세요.

뷰에 대한 승인 삭제

참고: 뷰를 삭제하는 경우 24시간이 지나기를 기다렸다가 뷰 이름을 재사용하거나 고유한 이름을 사용하세요. 자세한 내용은 할당량 및 제한을 참조하세요.

뷰에 대한 승인을 삭제하려면 다음 안내를 따르세요.

콘솔

1. Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

   BigQuery로 이동

2. 탐색기 창에서 프로젝트를 확장하고 데이터 세트를 선택합니다.

3. 공유 > 뷰 승인을 클릭합니다.

4. 승인 삭제를 클릭합니다.

5. 닫기를 클릭합니다.

할당량 및 한도

• 승인된 뷰에는 데이터 세트 한도가 적용됩니다. 자세한 내용은 데이터 세트 한도를 참조하세요.
• 승인된 뷰를 삭제하는 경우 뷰에 대한 모든 참조가 시스템에서 삭제되는 데 최대 24시간이 걸릴 수 있습니다. 오류를 방지하려면 24시간이 지나기를 기다렸다가 삭제된 뷰의 이름을 재사용하거나 뷰에 고유한 이름을 만드세요.

뷰를 사용하여 행 수준의 액세스 권한 지정

승인된 뷰의 대안: 행 수준 보안을 사용하여 테이블 데이터에 대한 액세스를 제어할 수도 있습니다. 자세한 내용은 행 수준 보안 소개를 참조하고 행 수준 보안과 승인된 뷰 비교 방법을 참조하세요.

뷰를 사용하여 특정 열(필드)에 대한 액세스를 제한할 수 있습니다. 테이블의 개별 행에 대한 액세스를 제한하려는 경우 각 사용자나 그룹에 대해 별도로 뷰를 만들 필요가 없습니다. 대신 SESSION_USER() 함수를 호출하여 현재 사용자의 이메일 주소를 반환할 수 있습니다.

사용자에 따라 서로 다른 행을 표시하려면 행을 볼 수 있는 사용자를 포함하는 다른 필드를 테이블에 추가합니다. 그런 다음 SESSION_USER() 함수를 사용하는 뷰를 만듭니다. 다음 예시에서는 사용자 이름이 allowed_viewer 필드에 저장됩니다.

SELECT
  COLUMN_1,
  COLUMN_2
FROM
  `dataset.view`
WHERE
  allowed_viewer = SESSION_USER()

이 방식의 한계는 한 번에 사용자 한 명에게만 액세스 권한을 부여할 수 있다는 것입니다. allowed_viewer를 반복 필드로 만들면 이 한계를 해결할 수 있습니다. 이 방법으로 각 행에 사용자 목록을 제공할 수 있습니다. 하지만 반복 필드를 사용하더라도 테이블에 사용자 이름을 저장하려면 여전히 각 행에 대한 액세스 권한이 있는 개별 사용자를 수동으로 추적해야 합니다.

대신 allowed_viewer 필드에 그룹 이름을 채우고 그룹을 사용자와 매핑하는 별도의 테이블을 만들 수 있습니다. 그룹을 사용자와 매핑하는 테이블에는 그룹 이름과 사용자 이름을 저장하는 스키마가 포함됩니다. 예를 들면 {group:string, user_name:string}입니다. 이 방법을 사용하면 사용자 및 그룹 정보를 데이터가 포함된 테이블과는 별도로 관리할 수 있습니다.

매핑 테이블의 이름이 private.access_control이라면 승인된 뷰를 만드는 데 사용되는 SQL 쿼리는 다음과 같습니다.

SELECT
  c.customer,
  c.id
FROM
  `private.customers` c
INNER JOIN (
  SELECT
    group
  FROM
    `private.access_control`
  WHERE
    SESSION_USER() = user_name) g
ON
  c.allowed_group = g.group

참고: 이 방법을 사용할 경우 매핑 테이블에 중복된 항목이 없어야 합니다. 그렇지 않으면 쿼리 결과에 중복된 레코드가 포함될 수 있습니다.

다음 단계

• 승인된 뷰 만들기에 대한 튜토리얼은 승인된 뷰 만들기 참조하기
• 뷰 만들기에 대한 자세한 내용은 뷰 만들기 참조하기
• 구체화된 뷰 만들기에 대한 자세한 내용은 구체화된 뷰 만들기 참조하기
• 뷰 메타데이터 가져오기에 대한 자세한 내용은 뷰 정보 가져오기 참ㅈㅗ하기
• 뷰 관리에 대한 자세한 내용은 뷰 관리 참조하기
• 데이터 세트의 모든 뷰 승인에 대한 자세한 내용은 승인된 데이터 세트 참조하기