Suivre la traçabilité des données d'une table BigQuery

Suivre la traçabilité des données d'une table BigQuery

La traçabilité des données vous permet de suivre la manière dont les données transitent par vos systèmes : leur origine, la cible de transmission et les transformations qui leur sont appliquées.

Découvrez comment suivre la traçabilité des données pour Tâches de copie et de requête BigQuery:

1. Copiez deux tables à partir d'un ensemble de données new_york_taxi_trips accessible au public.

2. Combinez le nombre total de trajets en taxi des deux tables dans une nouvelle table.

3. Affichez un graphique de visualisation de la traçabilité pour les trois opérations.

Avant de commencer

Configurez votre projet :

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Data Catalog, BigQuery, and data lineage APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Data Catalog, BigQuery, and data lineage APIs.

   Enable the APIs

Attention : La lignée des données est activée par projet, et non par service. Une fois que vous avez activé l'API Data Lineage, les informations de lignée sont automatiquement enregistrées pour plusieurs services Google Cloud du projet, en fonction de leur contrôle de la lignée au niveau du produit. Pour en savoir plus, consultez la section Remarques concernant la traçabilité des données.

Rôles requis

Pour obtenir les autorisations nécessaires pour afficher les graphiques de visualisation de la traçabilité, demandez à votre administrateur de vous accorder les rôles IAM suivants :

• Lecteur Data Catalog (roles/datacatalog.viewer) sur le projet de ressources Data Catalog
• Lecteur de la traçabilité des données (roles/datalineage.viewer) sur le projet dans lequel vous utilisez BigQuery
• Lecteur de données BigQuery (roles/bigquery.dataViewer) sur le projet dans lequel vous utilisez BigQuery

Pour en savoir plus sur l'attribution de rôles, consultez la page Gérer l'accès aux projets, aux dossiers et aux organisations.

Vous pouvez également obtenir les autorisations requises via des rôles personnalisés ou d'autres rôles prédéfinis.

Ajouter un ensemble de données public à votre projet

1. Dans la console Google Cloud, accédez à la page "BigQuery".

   Accéder à BigQuery

2. Dans le volet Explorateur, cliquez sur Ajouter.

3. Dans le volet Ajouter, recherchez Public datasets, puis sélectionnez le résultat Ensembles de données publics.

4. Dans le volet Marketplace (Place de marché), recherchez NYC TLC Trips, puis cliquez sur le résultat NYC TLC Trips (Courses de taxi à New York).

5. Cliquez sur Afficher l'ensemble de données.

Cette étape permet d'ajouter l'ensemble de données new_york_taxi_trips à votre projet. Le volet d'informations affiche les informations sur l'ensemble de données, y compris des informations telles que l'ID de l'ensemble de données, l'emplacement des données et la date de dernière modification.

Créer un ensemble de données dans votre projet

1. Dans le volet Explorateur, sélectionnez le projet dans lequel vous souhaitez créer le ensemble de données.

2. Cliquez sur l'icône Actions, puis sur Créer un ensemble de données.

3. Sur la page Créer un ensemble de données, dans le champ ID de l'ensemble de données, saisissez: data_lineage_demo Conservez les valeurs par défaut dans les autres champs.

4. Cliquez sur Créer un ensemble de données.

5. Dans le volet Explorer, cliquez sur le data_lineage_demo nouvellement ajouté.

Le volet d'informations affiche les informations sur l'ensemble de données.

Copier deux tables accessibles publiquement dans votre ensemble de données

1. Ouvrez un éditeur de requête: dans le volet "Détails", à côté de l'onglet intitulé data_lineage_demo, cliquez sur (Saisir une nouvelle requête) Cette étape crée un onglet appelé Untitled.

2. Dans l'éditeur de requête, copiez la première table en saisissant la requête suivante. Remplacez PROJECT_ID par le nom de votre projet identifiant.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.nyc_green_trips_2021`
   COPY `bigquery-public-data.new_york_taxi_trips.tlc_green_trips_2021`
   

3. Cliquez sur Exécuter. Cette étape crée la première table, appelée nyc_green_trips_2021.

4. Dans le volet Résultats de la requête, cliquez sur Accéder au tableau. Cette étape affiche le contenu de la première table.

5. Dans l'éditeur de requête, copiez le deuxième tableau en remplaçant la requête précédente par la requête suivante. Remplacez PROJECT_ID par l'identifiant de votre projet.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.nyc_green_trips_2022`
   COPY `bigquery-public-data.new_york_taxi_trips.tlc_green_trips_2022`
   

6. Cliquez sur Exécuter. Cette étape crée la deuxième table, appelée nyc_green_trips_2022.

7. Dans le volet Résultats de la requête, cliquez sur Accéder au tableau. Cette étape affiche le contenu du deuxième tableau.

Agréger les données dans un nouveau tableau

1. Dans l'éditeur de requête, saisissez la requête suivante. Remplacez PROJECT_ID par l'identifiant de votre projet.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.total_green_trips_22_21`
   AS SELECT vendor_id, COUNT(*) AS number_of_trips
   FROM (
        SELECT vendor_id FROM `PROJECT_ID.data_lineage_demo.nyc_green_trips_2022`
        UNION ALL
        SELECT vendor_id FROM `PROJECT_ID.data_lineage_demo.nyc_green_trips_2021`
   )
   GROUP BY vendor_id
   

2. Cliquez sur Exécuter. Cette étape crée une table combinée, appelée total_green_trips_22_21.

3. Dans le volet Résultats de la requête, cliquez sur Accéder à la table. Cette étape affiche le tableau combiné.

Afficher le graphique de traçabilité dans Dataplex

1. Ouvrez la page "Recherche Dataplex".

   Ouvrir la recherche Dataplex

2. Pour Choisir une plate-forme de recherche, sélectionnez Data Catalog comme mode de recherche.

3. Dans le champ Rechercher, saisissez total_green_trips_22_21, puis cliquez sur Rechercher.

4. Dans la liste des résultats, cliquez sur total_green_trips_22_21. Cette étape affiche l'onglet Détails de la table BigQuery.

5. Cliquez sur l'onglet Lignée.

Remarque :Il peut s'écouler un certain temps avant que la traçabilité automatique ne prenne en compte ces modifications. Si Si le graphique de traçabilité ne s'affiche pas encore, vérifiez à nouveau après quelques minutes.

Figure 1. Traçabilité des données avec les détails du nœud

Dans le graphique de traçabilité, chaque nœud rectangulaire représente un tableau, soit un table d'origine, copiée ou combinée. Vous pouvez procéder comme suit :

• Affichez ou masquez l'origine d'un tableau en cliquant sur + (Développer) ou - (Réduire).

• Affichez les informations de la table en cliquant sur un nœud. Cette étape affiche un nœud Volet Details (Détails).

• Affichez des informations sur le processus en cliquant sur une icône de processus . Cette étape affiche un volet Détails du processus, qui indique la tâche qui a transformé une table source en table cible.

Figure 2. Traçabilité des données avec des détails sur le processus

Effectuer un nettoyage

Pour éviter que les ressources utilisées dans cette page soient facturées sur votre compte Google Cloud, procédez comme suit :

Supprimer le projet

Le moyen le plus simple d'empêcher la facturation est de supprimer le projet que vous avez créé pour ce tutoriel.

Pour supprimer le projet :

Attention : La suppression d'un projet entraîne les effets décrits ci-dessous :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches décrites dans ce document et que vous le supprimez, vous supprimerez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Supprimer l'ensemble de données

1. Accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le volet Explorateur, recherchez l'ensemble de données data_lineage_demo que vous créé.

3. Effectuez un clic droit sur l'ensemble de données, puis sélectionnez Supprimer.

4. Confirmez la suppression.

Étape suivante

• En savoir plus sur Dataplex et la traçabilité des données
• Découvrez comment exécuter des requêtes BigQuery.
• Découvrez comment utiliser la lignée des données et afficher des graphiques de lignée des données.
• En savoir plus sur les tarifs de Dataplex et facturation.