Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Datenpipeline mit Cloud Data Fusion erstellen

Datenpipeline erstellen

In dieser Schnellstartanleitung werden folgende Verfahren erläutert:

  1. Erstellen Sie eine Cloud Data Fusion-Instanz.
  2. Beispielpipeline bereitstellen, die in Ihrer Cloud Data Fusion-Instanz bereitgestellt wird Die Pipeline führt Folgendes aus:
    1. Eine JSON-Datei mit NYT-Bestseller-Daten aus Cloud Storage lesen
    2. Transformationen an der Datei ausführen, um die Daten zu analysieren und zu bereinigen
    3. Die bestbewerteten Bücher, die in der letzten Woche hinzugefügt wurden und weniger als 25 $ kosten, in BigQuery laden

Hinweis

  1. Melden Sie sich bei Ihrem Google Cloud-Konto an. Wenn Sie mit Google Cloud noch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
  2. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

    Zur Projektauswahl

  3. Cloud Data Fusion API aktivieren.

    Aktivieren Sie die API

  4. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

    Zur Projektauswahl

  5. Cloud Data Fusion API aktivieren.

    Aktivieren Sie die API

Erstellen Sie eine Cloud Data Fusion-Instanz.

  1. Klicken Sie auf Instanz erstellen.

    Zur Seite „Instanzen“

  2. Geben Sie einen Instanznamen ein.
  3. Geben Sie eine Beschreibung für Ihre Instanz ein.
  4. Geben Sie die Region an, in der die Instanz erstellt werden soll.
  5. Wählen Sie die zu verwendende Cloud Data Fusion-Version aus.
  6. Wählen Sie die Version von Cloud Data Fusion aus.
  7. Wählen Sie für Cloud Data Fusion-Version 6.2.3 und höher im Feld Autorisierung das Dataproc-Dienstkonto aus, das Sie zum Ausführen Ihrer Cloud Data Fusion-Pipeline in Dataproc verwenden möchten. Der Standardwert, das Compute Engine-Konto, ist bereits ausgewählt.
  8. Klicken Sie auf Erstellen. Es kann bis zu 30 Minuten dauern, bis die Instanz erstellt ist. Während Cloud Data Fusion die Instanz erstellt, wird neben dem Instanznamen auf der Seite Instanzen ein Radsymbol angezeigt, das den Fortschritt angibt. Nachdem der Vorgang abgeschlossen ist, wird es zu einem grünen Häkchen. Dies zeigt an, dass Sie die Instanz verwenden können.

Wenn Sie Cloud Data Fusion verwenden, verwenden Sie sowohl die Google Cloud Console als auch die separate Cloud Data Fusion-UI.

  • In der Google Cloud Console können Sie ein Google Cloud Console-Projekt erstellen, Cloud Data Fusion-Instanzen erstellen und löschen sowie Details zu Cloud Data Fusion-Instanzen aufrufen.

  • In der Web-UI von Cloud Data Fusion können Sie die verschiedenen Seiten nutzen, um die Funktionen von Cloud Data Fusion zu nutzen, z. B. Studio oder WNR.

So rufen Sie die Benutzeroberfläche von Cloud Data Fusion auf:

  1. Öffnen Sie in der Google Cloud Console die Seite Instanzen.

    Zur Seite „Instanzen“

  2. Klicken Sie in der Spalte Aktionen der Instanz auf den Link Instanz aufrufen.
  3. Rufen Sie in der Web-UI von Cloud Data Fusion über den linken Navigationsbereich die gewünschte Seite.

Beispielpipeline bereitstellen

Beispielpipelines sind über Cloud Data Fusion Hub verfügbar. Dort können Sie wiederverwendbare Pipelines, Plug-ins und Lösungen von Cloud Data Fusion teilen.

  1. Klicken Sie in der Web-UI von Cloud Data Fusion auf Hub.
  2. Klicken Sie im linken Bereich auf Pipelines.
  3. Klicken Sie auf die Pipeline Cloud Data Fusion-Quickstart.
  4. Klicken Sie auf Erstellen.
  5. Klicken Sie im Cloud Data Fusion-Quickstart-Konfigurationsbereich auf Fertigstellen.
  6. Klicken Sie auf Pipeline anpassen. Auf der Seite Studio, einer grafischen Oberfläche für die Entwicklung von Pipelines zur Datenintegration, wird eine grafische Darstellung Ihrer Pipeline angezeigt. Auf der linken Seite sind die Pipeline-Plug-ins aufgelistet und Ihre Pipeline wird im Hauptbereich angezeigt. Sie können die Pipeline untersuchen, indem Sie den Mauszeiger auf die einzelnen Knoten der Pipeline halten und auf Attribute klicken. Im Menü „Eigenschaften“ jedes Knotens können Sie die mit dem Knoten verknüpften Objekte und Vorgänge ansehen.
  7. Klicken Sie im Menü oben rechts auf Bereitstellen. Dadurch wird die Pipeline an Cloud Data Fusion gesendet. Im nächsten Abschnitt dieser Kurzanleitung führen Sie die Pipeline aus.
Stellen Sie die Pipeline bereit.

Pipeline anzeigen

Die bereitgestellte Pipeline wird in der Ansicht der Pipelinedetails angezeigt. Hier können Sie Folgendes tun:

  • Struktur und Konfiguration der Pipeline anzeigen
  • Pipeline manuell ausführen oder einen Zeitplan bzw. Trigger einrichten
  • Zusammenfassung des Ausführungsverlaufs der Pipeline anzeigen, einschließlich Ausführungszeiten, Logs und Messwerte
Kopieren Sie das Dienstkonto.

Pipeline ausführen

Klicken Sie in der Ansicht „Pipelinedetails“ auf Ausführen, um die Pipeline auszuführen.

Pipeline ausführen.

Ergebnisse aufrufen

Nach einigen Minuten ist die Pipeline abgeschlossen. Der Pipelinestatus ändert sich in Erfolgreich und die Anzahl der von jedem Knoten verarbeiteten Datensätze wird angezeigt.

Pipelineausführung abgeschlossen.
  1. Rufen Sie die BigQuery-UI auf.
  2. Wenn Sie ein Beispiel der Ergebnisse ansehen möchten, rufen Sie das Dataset DataFusionQuickstart in Ihrem Projekt auf, klicken Sie auf die Tabelle top_rated_inexpensive und führen Sie dann eine einfache Abfrage wie die folgende aus: SELECT * FROM <var>PROJECT_ID<var>.GCPQuickStart.top_rated_inexpensive LIMIT 10

    Ersetzen Sie PROJECT_ID durch die ID Ihres Projekts.

ERGEBNISSE ANSEHEN

Bereinigen

So vermeiden Sie, dass Ihrem Google Cloud-Konto die auf dieser Seite verwendeten Ressourcen in Rechnung gestellt werden:

  1. Löschen Sie das BigQuery-Dataset, in das die Pipeline in diesem Schnellstart geschrieben hat.
  2. Löschen Sie die Cloud Data Fusion-Instanz.

  3. (Optional) Löschen Sie das Projekt.

    1. Wechseln Sie in der Google Cloud Console zur Seite Ressourcen verwalten.

      Zur Seite „Ressourcen verwalten“

    2. Wählen Sie in der Projektliste das Projekt aus, das Sie löschen möchten, und klicken Sie dann auf Löschen.
    3. Geben Sie im Dialogfeld die Projekt-ID ein und klicken Sie auf Shut down (Beenden), um das Projekt zu löschen.

Weitere Informationen