Qu'est-ce que Data Catalog ?

Restez organisé à l'aide des collections Enregistrez et classez les contenus selon vos préférences.

Data Catalog est un service de gestion des métadonnées entièrement géré et évolutif qui fait partie de Dataplex.

Pourquoi avez-vous besoin de Data Catalog ?

Aujourd'hui, la plupart des entreprises gèrent un nombre important et croissant d'éléments de données.

Les personnes concernées par les données (utilisateurs, producteurs et administrateurs) au sein d'une organisation sont confrontées à plusieurs défis:

  • Rechercher des données pertinentes :

    • Les utilisateurs de données ne connaissent pas l'emplacement ni l'origine des données. Ils doivent parcourir les marécages".
    • Les consommateurs de données ne savent pas quelles données utiliser pour obtenir des insights, car la plupart d'entre elles ne sont pas bien documentées et, même si elles le sont, ne sont pas bien gérées.
    • Les données sont introuvables et sont souvent perdues lorsqu'elles ne résident que dans l'esprit des utilisateurs.

  • Comprendre les données :

    • Les données sont-elles à jour, nettoyées, validées et approuvées pour une utilisation en production ?
    • Quel ensemble de données est-il pertinent et à jour ?
    • Quel est le lien entre un ensemble de données et un autre ?
    • Qui utilise les données et qui en est le propriétaire ?
    • Qui et quels processus transforment les données ?

  • Rendre les données utiles :

    • Les producteurs de données ne disposent pas d'un moyen efficace de transférer leurs données aux consommateurs. En l'absence de libre-service, les consommateurs risquent de submerger les producteurs. Plusieurs ingénieurs de données ne peuvent pas fournir de données manuellement à des milliers d'analystes de données.

    • Vous perdez un temps précieux si les consommateurs de données doivent déterminer comment demander l'accès aux données, le demander, attendre sans délai de réponse défini, faire remonter la demande et attendre encore.

Sans les bons outils, les défis peuvent devenir un obstacle majeur à une utilisation efficace des données. Data Catalog fournit un emplacement centralisé qui permet aux organisations d'atteindre les objectifs suivants:

  • bénéficier d'une vue unifiée afin de réduire les difficultés liées à la recherche des données appropriées ;
  • Prenez des décisions éclairées et accélérez l'obtention d'insights en enrichissant les données à l'aide de métadonnées techniques et commerciales.
  • améliorer la gestion des données pour améliorer l'efficacité opérationnelle et la productivité ;
  • revendiquer la propriété des données pour améliorer la confiance à l'égard de celles-ci.

Fonctions Data Catalog

Data Catalog fournit trois fonctions principales:

  • Recherche d'entrées de données auxquelles vous avez accès
  • Ajouter des tags aux entrées de données
  • Assurer la sécurité au niveau des colonnes pour les tables BigQuery

De plus, Data Catalog peut exploiter les résultats d'une analyse Cloud Data Loss Prevention (DLP) pour identifier des données sensibles directement dans Data Catalog sous la forme de modèles de tags.

Fonctionnement de Data Catalog

Data Catalog peut répertorier les métadonnées des éléments provenant de différents systèmes Google Cloud.

Vous pouvez également intégrer les sources de données personnalisées à l'aide des API Data Catalog.

Une fois vos données cataloguées, vous pouvez ajouter vos propres métadonnées à ces éléments à l'aide de tags.

Data Catalog catalogue les entrées de données de Pub/Sub, BigQuery, Dataplex, Dataproc Metastore et Cloud Storage.

Figure 1 : Architecture de Data Catalog

Métadonnées Data Catalog

Data Catalog gère deux types de métadonnées : les métadonnées techniques et les métadonnées commerciales. Pour en savoir plus sur les métadonnées, consultez la page Métadonnées Data Catalog.

Recherche et découverte

Data Catalog offre une expérience de recherche simple, mais puissante, basée sur des prédicats, pour les métadonnées techniques et métier associées à une entrée de données. Vous devez être autorisé à lire les métadonnées d'une entrée de données afin de pouvoir appliquer la recherche et la découverte aux métadonnées. Data Catalog n'indexe pas les données dans une entrée de données. Data Catalog n'indexe que les métadonnées qui décrivent un élément.

Data Catalog contrôle certaines métadonnées, telles que les tags générés par l'utilisateur. Pour toutes les métadonnées provenant du système de stockage sous-jacent, Data Catalog est un service en lecture seule qui reflète les métadonnées et les autorisations fournies par le système de stockage sous-jacent. Vous pouvez modifier le système de stockage sous-jacent pour ajouter, mettre à jour ou supprimer les métadonnées d'une entrée de données.

Pour en savoir plus sur la recherche dans Data Catalog, consultez Rechercher des éléments de données avec Data Catalog.

Catalogue automatique d'assets

Pour un projet donné, Data Catalog répertorie automatiquement les éléments Google Cloud suivants :

  • Ensembles de données, tables et vues BigQuery.
  • Sujets Pub/Sub.
  • Lacs, zones, tables et ensembles de fichiers Dataplex.
  • Ensembles de données associés à Analytics Hub.
  • (Aperçu public): services, bases de données et tables Dataproc Metastore.

En plus de cataloguer les éléments au sein des ID de projet pour lesquels vous avez un accès aux métadonnées, Data Catalog peut répertorier les données stockées dans les projets BigQuery contenant des ensembles de données publics.

Cataloguer les éléments non-GCP

Pour répertorier les métadonnées de systèmes autres que GCP dans votre organisation, vous pouvez utiliser les éléments suivants :

Accéder à Data Catalog

Vous pouvez accéder aux fonctionnalités de Data Catalog à l'aide des outils suivants:

Étapes suivantes