Diese Seite wurde von der Cloud Translation API übersetzt.

Einführung in Cloud Data Fusion-Netzwerke

Diese Seite enthält Hintergrundinformationen zum Herstellen einer Verbindung zu Ihren Datenquellen von öffentlichen oder privaten Cloud Data Fusion-Instanzen aus Design- und Ausführungsumgebungen.

Hinweise

Netzwerke in Cloud Data Fusion erfordern grundlegende Kenntnisse in folgenden Bereichen:

Mandantenprojekt

Cloud Data Fusion erstellt ein Mandantenprojekt, das die Ressourcen und Dienste enthält, die zum Verwalten von Pipelines in Ihrem Namen erforderlich sind, z. B. zum Ausführen von Pipelines in den Dataproc-Clustern in Ihrem Kundenprojekt.

Das Mandantenprojekt ist nicht direkt für Sie sichtbar. Wenn Sie jedoch eine private Instanz erstellen, verwenden Sie den Projektnamen, um VPC-Peering einzurichten. Jede private Instanz im Mandantenprojekt hat ein eigenes VPC-Netzwerk und ein eigenes Subnetz.

Das Projekt kann mehrere Cloud Data Fusion-Instanzen haben. Sie verwalten die darin enthaltenen Ressourcen und Dienste, wenn Sie über die Cloud Data Fusion-UI oder die Google Cloud CLI auf eine Instanz zugreifen.
Weitere Informationen finden Sie in der Service Infrastructure-Dokumentation zu Mandantenprojekten.

Kundenprojekt

Der Kunde erstellt und besitzt dieses Projekt. Standardmäßig erstellt Cloud Data Fusion einen sitzungsspezifischen Dataproc-Cluster in diesem Projekt, um Ihre Pipelines auszuführen.

Cloud Data Fusion-Instanz

Eine Cloud Data Fusion-Instanz ist eine einzigartige Bereitstellung von Cloud Data Fusion, in der Sie Pipelines entwerfen und ausführen. Sie können mehrere Instanzen in einem einzelnen Projekt erstellen und die Google Cloud-Region angeben, in der die Cloud Data Fusion-Instanzen erstellt werden sollen. Je nach Ihren Anforderungen und Kostenbeschränkungen können Sie eine Instanz erstellen, die die Developer-, Basic- oder Enterprise-Version von Cloud Data Fusion verwendet. Jede Instanz enthält eine einzigartige, unabhängige Cloud Data Fusion-Bereitstellung mit einer Reihe von Diensten für die Verwaltung, Orchestrierung, Koordination und Metadatenverwaltung des Pipelinelebenszyklus. Diese Dienste werden mit Ressourcen mit langer Laufzeit in einem Mandantenprojekt ausgeführt.

Netzwerkdiagramm

Die folgenden Diagramme zeigen die Verbindungen beim Erstellen von Datenpipelines, die Daten aus verschiedenen lokalen und Cloud-Datenquellen extrahieren, umwandeln, zusammenführen, aggregieren und laden.

Siehe die Diagramme zum Steuern des ausgehenden Traffics in einer privaten Instanz und zum Herstellen einer Verbindung mit einer öffentlichen Quelle.

Pipelinedesign und -ausführung

Cloud Data Fusion bietet eine Trennung von Design- und Ausführungsumgebungen, sodass Sie eine Pipeline einmal entwerfen und dann in mehreren Umgebungen ausführen können. Die Designumgebung befindet sich im Mandantenprojekt, während sich die Ausführungsumgebung in einem oder mehreren Kundenprojekten befindet.

Beispiel: Sie entwerfen Ihre Pipeline mit Cloud Data Fusion-Diensten wie Wrangler und Preview. Diese Dienste werden im Mandantenprojekt ausgeführt, in dem der Zugriff auf Daten von der von Google verwalteten Rolle Cloud Data Fusion-Dienst-Agent gesteuert wird. Anschließend führen Sie die Pipeline in Ihrem Kundenprojekt aus, damit sie Ihren Dataproc-Cluster verwendet. Im Kundenprojekt steuert das Compute Engine-Standarddienstkonto den Zugriff auf die Daten. Sie können Ihr Projekt für die Verwendung eines benutzerdefinierten Dienstkontos konfigurieren.

Weitere Informationen zum Konfigurieren von Dienstkonten finden Sie unter Cloud Data Fusion-Dienstkonten.

Designumgebung

Wenn Sie eine Cloud Data Fusion-Instanz in Ihrem Kundenprojekt erstellen, erstellt Cloud Data Fusion automatisch ein separates, von Google verwaltetes Mandantenprojekt, um die Dienste auszuführen, die zum Verwalten des Lebenszyklus von Pipelines und Metadaten, der Cloud Data Fusion-UI und Designzeit-Tools wie Preview und Wrangler erforderlich sind.

DNS-Auflösung in Cloud Data Fusion

Verwenden Sie DNS-Peering (ab Cloud Data Fusion 6.7.0 verfügbar), um Domainnamen in Ihrer Entwicklungszeitumgebung aufzulösen, wenn Sie die Daten, die Sie in Google Cloud übertragen, in eine Wrangle-Codierung aufnehmen und eine Vorschau anzeigen lassen. Sie können Domains oder Hostnamen für Quellen und Senken verwenden, die Sie nicht so oft neu konfigurieren müssen wie IP-Adressen.

Die DNS-Auflösung wird in Ihrer Cloud Data Fusion-Umgebung während der Entwicklung empfohlen, wenn Sie Verbindungen testen und Pipelines, die Domainnamen von lokalen Servern oder anderen Servern (z. B. Datenbanken oder FTP-Servern) verwenden, in einem privaten VPC-Netzwerk testen.

Weitere Informationen finden Sie unter DNS-Peering und Cloud DNS-Weiterleitung.

Ausführungsumgebung

Nachdem Sie Ihre Pipeline in einer Instanz überprüft und bereitgestellt haben, wird sie entweder manuell oder nach einem Zeitplan bzw. einem Trigger für den Pipelinestatus ausgeführt.

Unabhängig davon, ob die Ausführungsumgebung von Cloud Data Fusion oder vom Kunden bereitgestellt und verwaltet wird, ist die Umgebung in Ihrem Kundenprojekt vorhanden.

Öffentliche Instanzen (Standard)

Am einfachsten stellen Sie eine Cloud Data Fusion-Instanz bereit, indem Sie eine öffentliche Instanz erstellen. Es dient als Ausgangspunkt und bietet Zugriff auf externe Endpunkte im öffentlichen Internet.

Eine öffentliche Instanz in Cloud Data Fusion verwendet das Standard-VPC-Netzwerk in Ihrem Projekt.

Das VPC-Standardnetzwerk hat Folgendes:

Automatisch generierte Subnetze für jede Region
Tabellen weiterleiten
Firewallregeln für die Kommunikation zwischen Ihren Rechenressourcen

Netzwerke über Regionen hinweg

Wenn Sie ein neues Projekt erstellen, hat das Standard-VPC-Netzwerk den Vorteil, dass es ein Subnetz pro Region automatisch mit einem vordefinierten IP-Adressbereich befüllt, der als CIDR-Block ausgedrückt wird. Die IP-Adressbereiche beginnen in den globalen Google Cloud-Regionen mit 10.128.0.0/20, 10.132.0.0/20.

Damit Ihre Computing-Ressourcen regionenübergreifend miteinander verbunden sind, legt das Standard-VPC-Netzwerk die standardmäßigen lokalen Routen für jedes Subnetz fest. Durch das Einrichten der Standardroute zum Internet (0.0.0.0/0) erhalten Sie Zugriff auf das Internet und erfassen den nicht weitergeleiteten Netzwerktraffic.

Firewallregeln

Das Standard-VPC-Netzwerk bietet eine Reihe von Firewallregeln:

Standard	Beschreibung
`icmp` standardmäßig zulassen	`icmp`-Protokoll für Quelle `0.0.0.0/0` aktivieren
Intern standardmäßig zulassen	`tcp:0-65535`; `udp:0-65535`; `icmp` für Quelle `10.128.0.0/9` aktivieren, die mindestens `10.128.0.1` bis maximal `10.255.255.254` IP-Adressen abdeckt
`rdp` standardmäßig zulassen	`tcp:3389` für Quelle `0.0.0.0/0` aktivieren
`ssh` standardmäßig zulassen	`tcp:22` für Quelle `0.0.0.0/0` aktivieren

Diese Standardeinstellungen für VPC-Netzwerke minimieren die Voraussetzungen für die Einrichtung von Cloud-Diensten, einschließlich Cloud Data Fusion. Aufgrund von Bedenken hinsichtlich der Netzwerksicherheit lassen Organisationen die Verwendung des Standard-VPC-Netzwerk oft nicht für Geschäftsvorgänge zu. Ohne das Standard-VPC-Netzwerk können Sie keine öffentliche Cloud Data Fusion-Instanz erstellen. Erstellen Sie stattdessen eine private Instanz.

Das Standard-VPC-Netzwerk gewährt keinen offenen Zugriff auf Ressourcen. Stattdessen wird der Zugriff über die Identitäts- und Zugriffsverwaltung (Identity and Access Management, IAM) gesteuert:

Für die Anmeldung in Google Cloud ist eine validierte Identität erforderlich.
Nach der Anmeldung benötigen Sie eine ausdrückliche Berechtigung (z. B. die Rolle „Betrachter“) zum Aufrufen von Google Cloud-Diensten.

Private Instanzen

Bei einigen Organisationen müssen alle ihre Produktionssysteme von öffentlichen IP-Adressen isoliert sein. Eine private Cloud Data Fusion-Instanz erfüllt diese Anforderung in allen Arten von VPC-Netzwerkeinstellungen.

Zugriff auf Daten in Design- und Ausführungsumgebungen

In einer öffentlichen Instanz erfolgt die Netzwerkkommunikation über das offene Internet, was für kritische Umgebungen nicht empfohlen wird. Für den sicheren Zugriff auf Ihre Datenquellen führen Sie Ihre Pipelines immer von einer privaten Instanz in Ihrer Ausführungsumgebung aus.

Zugriff auf Quellen

Beim Zugriff auf Datenquellen, öffentliche und private Instanzen:

Ausgehende Aufrufe von Google Cloud APIs mit privatem Google-Zugriff ausführen
Mit einer Ausführungsumgebung (Dataproc) über VPC-Peering kommunizieren

In der folgenden Tabelle werden öffentliche und private Instanzen während des Entwurfs und der Ausführung für verschiedene Datenquellen verglichen:

Datenquelle	Öffentliche Cloud Data Fusion-Instanz (Entwicklungszeit)	Öffentliche Cloud Data Fusion-Dataproc (Ausführung)	Private Cloud Data Fusion-Instanz (Entwicklungszeit)	Private Cloud Data Fusion-Dataproc (Ausführung)
Google Cloud-Quelle (nachdem Sie Berechtigungen erteilt und Firewallregeln festgelegt haben)
Lokale Quelle (nach dem Einrichten von VPN/Interconnect, Gewähren von Berechtigungen und Festlegen von Firewallregeln)
Öffentliche Internetquelle (nachdem Sie Berechtigungen erteilt und Firewallregeln festgelegt haben)