Puoi utilizzare le API Data Catalog per creare e cercare voci dei set di file Cloud Storage (chiamati "set di file" nella parte restante di questo documento).
Set di file
Un set di file Cloud Storage è una voce all'interno di un gruppo di voci creato dall'utente. Per ulteriori informazioni, consulta Voci e gruppi di voci.
È definita da uno o più pattern di file che specificano un insieme di uno o più file Cloud Storage.
Requisiti dei pattern di file:
- Un pattern di file deve iniziare con
gs://bucket_name/
. - Il nome del bucket deve rispettare i requisiti per i nomi dei bucket Cloud Storage.
- I caratteri jolly sono consentiti nelle parti delle cartelle e dei file dei pattern di file, mentre i caratteri jolly non sono consentiti nei nomi dei bucket. Ad esempio, consulta:
- Nomi caratteri jolly
- Documentazione di riferimento dell'API GcsFilesetSpec.filePatterns
- Un set di file deve averne uno e non può contenere più di 500 pattern.
Puoi eseguire query sui set di file Data Catalog con Dataflow SQL, ma solo se hanno uno schema definito e contengono solo file CSV senza righe di intestazione.
Crea gruppi di voci e set di file
I set di file devono essere inseriti all'interno di un gruppo di voci creato dall'utente. Se non hai creato un gruppo di voci, crea prima il gruppo di voci e poi il set di file all'interno del gruppo di voci. Puoi impostare criteri IAM sul gruppo di voci per definire chi può accedere ai set di file e ad altre voci all'interno del gruppo di voci.
Console
Console
Vai alla pagina Dataplex > Gruppi di voci.
Fai clic su Crea gruppo di voci.
Compila il modulo Crea gruppo di voci, quindi fai clic su CREA.
Viene visualizzata la pagina Dettagli del gruppo di voci. Con la scheda ISCRITTI selezionata, fai clic su CREA.
Compila il modulo Crea set di file.
- Per allegare uno schema, fai clic su Definisci schema per aprire il modulo Schema. Fai clic su + AGGIUNGI CAMPI per aggiungere campi singolarmente o attiva/disattiva Modifica come testo in alto a destra nel modulo per specificare i campi in formato JSON.
- Fai clic su Salva per salvare lo schema.
Fai clic su Crea per creare il set di file.
gcloud
gcloud
1. Crea un gruppo di voci
Utilizza il comando gcloud data-catalog entry-groups create per creare un gruppo di voci con uno schema e una descrizione associati.
Esempio:
gcloud data-catalog entry-groups create my_entrygroup \ --location=us-central1
2. Crea un set di file all'interno del gruppo di voci
Utilizza il comando gcloud data-catalog options create per creare un set di file all'interno di un gruppo di voci. Questo esempio di comando gcloud
riportato di seguito crea una voce del set di file che include lo schema dei dati del set.
gcloud data-catalog entries create my_fileset_entry \ --location=us-central1 \ --entry-group=my_entrygroup \ --type=FILESET \ --gcs-file-patterns=gs://my-bucket/*.csv \ --schema-from-file=path_to_schema_file \ --description="Fileset description ..."
Segnala note:
--gcs-file-patterns
: consulta i requisiti dei pattern di file.--schema-from-file
: il seguente esempio mostra il formato JSON del file di testo dello schema accettato dal flag--schema-from-file
.[ { "column": "first_name", "description": "First name", "mode": "REQUIRED", "type": "STRING" }, { "column": "last_name", "description": "Last name", "mode": "REQUIRED", "type": "STRING" }, { "column": "address", "description": "Address", "mode": "REPEATED", "type": "STRING" } ]
Java
Prima di provare questo esempio, segui le istruzioni di configurazione di Java disponibili nella guida rapida di Data Catalog sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Java di Data Catalog.
Per eseguire l'autenticazione in Data Catalog, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Node.js
Prima di provare questo esempio, segui le istruzioni di configurazione di Node.js disponibili nella guida rapida di Data Catalog sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Node.js di Data Catalog.
Per eseguire l'autenticazione in Data Catalog, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
Python
Prima di provare questo esempio, segui le istruzioni di configurazione di Python disponibili nella guida rapida di Data Catalog sull'utilizzo delle librerie client. Per maggiori informazioni, consulta la documentazione di riferimento dell'API Python di Data Catalog.
Per eseguire l'autenticazione in Data Catalog, configura Credenziali predefinite dell'applicazione. Per maggiori informazioni, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.
LINEA REST E CMD
REST
Se non hai accesso alle librerie client di Cloud per il tuo linguaggio o se vuoi testare l'API utilizzando richieste REST, consulta gli esempi seguenti e la documentazione dell'API REST di Data Catalog entryGroups.create e entryGroups.entries.create.
1. Crea un gruppo di voci
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- project-id: l'ID del tuo progetto Google Cloud
- entryGroupId: l'ID deve iniziare con una lettera o un trattino basso, contenere solo lettere latine, numeri e trattini bassi e avere una lunghezza massima di 64 caratteri.
- displayName: il nome testuale per il gruppo di voci.
Metodo HTTP e URL:
POST https://datacatalog.googleapis.com/v1/projects/project-id/locations/region/entryGroups?entryGroupId=entryGroupId
Corpo JSON della richiesta:
{ "displayName": "Entry Group display name" }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "name": "projects/my_projectid/locations/us-central1/entryGroups/my_entry_group", "displayName": "Entry Group display name", "dataCatalogTimestamps": { "createTime": "2019-10-19T16:35:50.135Z", "updateTime": "2019-10-19T16:35:50.135Z" } }
2. Crea un set di file all'interno del gruppo di voci
Prima di utilizzare i dati della richiesta, effettua le seguenti sostituzioni:
- project_id: l'ID del tuo progetto Google Cloud
- entryGroupId: ID del gruppo entryGroup esistente. Il set di file verrà creato in questo sntryGroup.
- entryId: EntryId del nuovo set di file. L'ID deve iniziare con una lettera o un trattino basso, contenere solo lettere dell'alfabeto latino, numeri e trattini bassi e avere una lunghezza massima di 64 caratteri.
- description: descrizione del set di file.
- displayName: nome testuale per la voce del set di file.
- filePatterns: deve iniziare con "gs://bucket_name/". Consulta la pagina Requisiti dei pattern di file.
- schema: schema del set di file.
Schema JSON di esempio:
{ ... "schema": { "columns": [ { "column": "first_name", "description": "First name", "mode": "REQUIRED", "type": "STRING" }, { "column": "last_name", "description": "Last name", "mode": "REQUIRED", "type": "STRING" }, { "column": "address", "description": "Address", "mode": "REPEATED", "subcolumns": [ { "column": "city", "description": "City", "mode": "NULLABLE", "type": "STRING" }, { "column": "state", "description": "State", "mode": "NULLABLE", "type": "STRING" } ], "type": "RECORD" } ] } ... }
Metodo HTTP e URL:
POST https://datacatalog.googleapis.com/v1/projects/project_id/locations/region/entryGroups/entryGroupId/entries?entryId=entryId
Corpo JSON della richiesta:
{ "description": "Fileset description.", "displayName": "Display name", "gcsFilesetSpec": { "filePatterns": [ "gs://bucket_name/file_pattern" ] }, "type": "FILESET", "schema": { schema } }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "name": "projects/my_project_id/locations/us-central1/entryGroups/my_entryGroup_id/entries/my_entry_id", "type": "FILESET", "displayName": "My Fileset", "description": "My Fileset description.", "schema": { "columns": [ { "type": "STRING", "description": "First name", "mode": "REQUIRED", "column": "first_name" }, { "type": "STRING", "description": "Last name", "mode": "REQUIRED", "column": "last_name" }, { "type": "RECORD", "description": "Address", "mode": "REPEATED", "column": "address", "subcolumns": [ { "type": "STRING", "description": "City", "mode": "NULLABLE", "column": "city" }, { "type": "STRING", "description": "State", "mode": "NULLABLE", "column": "state" } ] } ] }, "gcsFilesetSpec": { "filePatterns": [ "gs://my_bucket_name/chicago_taxi_trips/csv/shard-*.csv" ] }, "sourceSystemTimestamps": { "createTime": "2019-10-23T23:11:26.326Z", "updateTime": "2019-10-23T23:11:26.326Z" }, "linkedResource": "//datacatalog.googleapis.com/projects/my_project_id/locations/us-central1/entryGroups/my_entryGroup_id/entries/my_entry_id" }
Ruoli, autorizzazioni e criteri IAM
Data Catalog definisce i ruoli entry e entryGroup per facilitare la gestione delle autorizzazioni di set di file e altre risorse di Data Catalog.
Ruoli voce | Descrizione |
---|---|
dataCatalog.entryOwner |
Proprietario di una determinata voce o di un gruppo di voci.
|
dataCatalog.entryViewer |
Può visualizzare i dettagli della voce e dell'entryGroup.
|
ruoli entryGroup | Descrizione |
---|---|
dataCatalog.entryGroupOwner |
Proprietario di un particolare entryGroup.
|
dataCatalog.entryGroupCreator |
Può creare entryGroups all'interno di un progetto. Al creatore di un entryGroup viene automaticamente concesso il ruolo dataCatalog.entryGroupOwner .
|
Impostazione dei criteri IAM
Gli utenti con autorizzazione datacatalog.<resource>.setIamPolicy
possono impostare criteri IAM sui gruppi di voci di Data Catalog e altre risorse di Data Catalog (consulta Ruoli di Data Catalog).
gcloud
Imposta il criterio IAM di un gruppo di voci con gcloud data-catalog entry-groups set-iam-policy:
gcloud data-catalog entry-groups set-iam-policy my_entrygroup \ --location=us-central1 \ policy file
Ottieni il criterio IAM di un gruppo di voci con gcloud data-catalog entry-groups get-iam-policy
gcloud data-catalog entry-groups get-iam-policy my_entrygroup \ --location=us-central1
Console
Vai alla pagina Dettagli del gruppo di voci nell'interfaccia utente di Data Catalog, quindi utilizza il riquadro IAM sul lato destro per concedere o revocare le autorizzazioni.
Concessione dei ruoli del gruppo di voci
Esempio 1:
Una società con contesti aziendali diversi per i suoi set di file crea gruppi di voci order-files
e user-files
separati:
L'azienda concede agli utenti il ruolo Visualizzatore EntryGroup per order-files
, il che significa che possono cercare solo le voci contenute in quel gruppo di voci. I risultati di ricerca
non restituiscono voci nel gruppo di voci user-files
.
Esempio 2:
Un'azienda concede il ruolo Visualizzatore EntryGroup a un utente solo nel progetto project_entry_group
. L'utente potrà solo visualizzare
le voci all'interno di quel progetto.
Ricerca di set di file
Gli utenti possono limitare l'ambito di ricerca in Data Catalog utilizzando il facet type
. type=entry_group
limita la query di ricerca ai gruppi di voci, mentre type=fileset
cerca solo i set di file.
type
facet può essere utilizzato in combinazione con altri facet, ad esempio projectid
.
gcloud
Cerca gruppi di voci in un progetto:
gcloud data-catalog search \ --include-project-ids=my-project "projectid=my-project type=entry_group"
Cerca tutti i gruppi di voci a cui puoi accedere:
gcloud data-catalog search \ --include-project-ids=my-project "type=entry_group"
Cerca set di file in un progetto:
gcloud data-catalog search \ --include-project-ids=my-project "type=entry.fileset"
Ricerca di set di file in un progetto con sintassi semplificata:
gcloud data-catalog search \ --include-project-ids=my-project "type=fileset"