Integra tus fuentes de datos con Data Catalog

Data Catalog puede importar y mantener metadatos actualizados desde varias fuentes de datos de Google Cloud y una serie de a las locales.

Con los metadatos transferidos, Data Catalog hace lo siguiente:

• Hace que los metadatos existentes sean detectables a través de la búsqueda. Para ver más consulta Cómo buscar.
• Permite a los miembros de tu organización enriquecer tus datos con funciones los metadatos empresariales mediante etiquetas. Para obtener más información, consulta Etiquetas y plantillas de etiquetas.

Si bien la integración con las fuentes de Google Cloud es automática, integrarse en fuentes locales personalizadas que use tu organización, puedes realiza cualquiera de las siguientes acciones:

• Configurar y ejecutar los conectores correspondientes contribuido por la comunidad.
• Usa la API de Data Catalog para entradas personalizadas.

Nota: Este documento describe cómo integrar fuentes de datos con Data Catalog. Para obtener información sobre la integración de datos con Dataplex Catalog, consulta Integra tus fuentes de datos con Dataplex Catalog y Dataplex Catalog frente a Data Catalog.

Antes de comenzar

Si ya usas Data Catalog, debes tener un proyecto con la API de Data Catalog habilitada. Más información la forma recomendada de usar varios proyectos con Data Catalog, consulta Usa plantillas de etiquetas en varios proyectos.

Si es la primera vez que interactúas con Data Catalog, haz lo siguiente:

1. Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

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. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

4. Enable the Data Catalog API.

   Enable the API

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. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

7. Enable the Data Catalog API.

   Enable the API

Integrar fuentes de datos de Google Cloud

Nota: En un proyecto con una política de la organización que restringe el uso de ubicación, las metadatos para algunos recursos de Bigtable y Spanner Es posible que no se sincronice con Data Catalog.

Analytics Hub

Cuando te suscribes a una ficha en Analytics Hub, se crea un conjunto de datos vinculado se crea en tu proyecto. Data Catalog genera automáticamente entradas de metadatos para ese conjunto de datos vinculado y todas las tablas que contiene. Para obtener más información sobre conjuntos de datos vinculados y otros Analytics Hub, consulta Introducción a Analytics Hub.

En la búsqueda de Data Catalog, los conjuntos de datos vinculados se muestran de la siguiente manera: conjuntos de datos estándar de BigQuery, pero puedes filtrarlos el predicado type=dataset.linked Para obtener más detalles, consulta Busca recursos de datos.

BigQuery y Pub/Sub

Si tu organización ya usa BigQuery y Pub/Sub, según tus permisos, puedes buscar metadatos de esas fuentes de inmediato. Si no puedes ver las entradas correspondientes en los resultados de la búsqueda, busca el roles que tú y los usuarios de tu proyecto podrían necesitar Identity and Access Management.

Bigtable

Cuando almacenas datos en Bigtable, los metadatos se sincronizan automáticamente con Data Catalog para las siguientes tablas de Bigtable recursos:

• Instancias
• Tablas, incluidos los detalles de la familia de columnas

Para obtener orientación sobre el uso de Data Catalog para el descubrimiento de datos y etiquetado, consulta Administra recursos de datos usando Data Catalog en la documentación de Bigtable.

Cloud SQL

Cloud SQL no se integra en Data Catalog, pero integrar en Dataplex Catalog Para obtener más información, consulta Integra tus fuentes de datos con Dataplex Catalog.

Dataproc Metastore

Para realizar la integración en Dataproc Metastore, habilita la sincronización para Data Catalog para servicios nuevos o existentes, como se describe en Habilita la sincronización de Data Catalog.

Protección de datos sensibles

Además, Data Catalog se integra en Sensitive Data Protection que permite analizar recursos específicos de Google Cloud en busca de datos sensibles y enviar los resultados de vuelta a Data Catalog en forma de etiquetas.

Para obtener más información, consulta Envía los resultados del análisis de Sensitive Data Protection a Data Catalog.

Spanner

Cuando almacenas datos en Spanner, los metadatos de esta recursos se sincronizan con Data Catalog:

• Instancias
• Bases de datos
• Tablas y vistas con esquema de columnas

Para obtener orientación sobre el uso de Data Catalog para el descubrimiento de datos y etiquetado, consulta Administra recursos de datos usando Data Catalog.

Vertex AI

Vertex AI sincroniza los metadatos de los siguientes recursos con Data Catalog:

• Modelos del registro de modelos
• Conjuntos de datos
• Instancias de tiendas en línea
• Vistas de funciones
• Grupos de atributos

Integra fuente de datos locales

Para integrar fuentes de datos locales, puedes usar el Conectores de Python que aportó la comunidad:

Nota: Estos conectores no son oficialmente compatibles con Google.

1. Busca tu fuente de datos en la siguiente tabla.
2. Abre el repositorio de GitHub.
3. Sigue las instrucciones de configuración en el archivo readme.

Selecciona una categoría RDBMS IE Hive

Categoría	Componente	Descripción	Repositorio
RDBMS	mysql-connector	Código de muestra para la fuente de datos de MySQL.	google-datacatalog-mysql-connector
	postgresql-connector	Código de muestra para la fuente de datos de PostgreSQL.	google-datacatalog-postgresql-connector
	sqlserver-connector	Código de muestra para la fuente de datos de SQL Server.	google-datacatalog-sqlserver-connector
	redshift-connector	Código de muestra para la fuente de datos de Redshift.	google-datacatalog-redshift-connector
	oracle-connector	Código de muestra para la fuente de datos de Oracle.	google-datacatalog-oracle-connector
	teradata-connector	Código de muestra para la fuente de datos de Teradata.	google-datacatalog-teradata-connector
	vertica-connector	Código de muestra para la fuente de datos de Vertica.	google-datacatalog-vertica-connector
	greenplum-connector	Código de muestra para la fuente de datos Greenplum.	google-datacatalog-greenplum-connector
	rdbmscsv-connector	Código de muestra para la transferencia de archivos CSV de RDBMS genéricos.	google-datacatalog-rdbmscsv-connector
	saphana-connector	Código de muestra para la fuente de datos de SAP Hana.	google-datacatalog-saphana-connector
IE	looker-connector	Código de muestra para la fuente de datos de Looker.	google-datacatalog-looker-connector
	qlik-connector	Código de muestra para la fuente de datos de Qlik Sense.	google-datacatalog-qlik-connector
	tableau-connector	Código de muestra para la fuente de datos de Tableau.	google-datacatalog-tableau-connector
Hive	hive-connector	Código de muestra para la fuente de datos de Hive.	google-datacatalog-hive-connector
	apache-atlas-connector	Código de muestra para la fuente de datos de Apache Atlas.	google-datacatalog-apache-atlas-connector

Integra fuente de datos no compatibles

Si no encuentras un conector para tu fuente de datos, aún puedes hacerlo de forma manual. integrarlo creando grupos de entrada y entradas personalizadas. Para ello, puedes hacer lo siguiente:

• Usa uno de los Bibliotecas cliente de Data Catalog en uno de los siguientes lenguajes: C#, Go, Java, Node.js, PHP, Python o Ruby.
• También puedes compilar manualmente a partir del API de Data Catalog.

Para integrar tus fuentes, primero obtén información sobre Entradas y grupos de entradas, luego sigue las instrucciones de Crea entradas personalizadas de Data Catalog para tus fuentes de datos.

¿Qué sigue?

• Obtén más información sobre la administración de identidades y accesos.
• Obtén información sobre cómo buscar.
• Ve a la guía de inicio rápido Etiqueta tablas.