从 Pub/Sub 流式来源中读取

Cloud Data Fusion 支持在流式数据流水线中使用 Pub/Sub 来源。

准备工作

角色与权限

如需获得从 Pub/Sub 流式传输源读取所需的权限，请让您的管理员为您授予用于访问 Pub/Sub 订阅的服务账号的 Pub/Sub Editor (roles/pubsub.editor) IAM 角色。 如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

此预定义角色包含 以及从 Pub/Sub 流处理来源读取数据所需的权限。如需查看所需的确切权限，请展开所需权限部分：

所需权限

从 Pub/Sub 流式传输来源读取数据需要以下权限：

  • pubsub.snapshots.create
  • pubsub.snapshots.delete
  • pubsub.snapshots.seek
  • pubsub.subscriptions.consume
  • pubsub.topics.attachSubscription

您也可以使用自定义角色或其他预定义角色来获取这些权限。

您需要向插件属性中指定的服务账号授予角色，以便访问 Pub/Sub。如果未指定，则向 具备 Dataproc 角色的权限。

如需详细了解如何授予角色，请参阅管理访问权限。

向流式数据流水线添加 Pub/Sub 来源

  1. 前往您的实例：

    1. 在 Google Cloud 控制台中，转到 Cloud Data Fusion 页面。

    2. 如需在 Cloud Data Fusion Studio 中打开实例，请点击实例，然后点击查看实例。

      转到实例

  2. 在 Cloud Data Fusion 网页界面中，点击 Studio。

  3. 选择 Data Pipeline - Realtime。

  4. 在来源菜单中，选择 Pub/Sub。流水线中会显示一个 Pub/Sub 流式来源节点。

  5. 在 Pub/Sub 节点上，点击属性以配置来源。如需了解详情，请参阅 Pub/Sub 流式传输来源。

支持不含 Windower 插件的单个 Pub/Sub 来源

Cloud Data Fusion 版本 6.9.1 支持包含单个 Pub/Sub 流式数据源且不含 Windower 插件的实时流水线。

  • Pub/Sub 流式传输源具有内置支持，并且数据至少会处理一次。启用 Spark 检查点不会 必填字段。
  • Pub/Sub 流式传输源会在每个批处理开始时创建 Pub/Sub 快照，并在每个批处理结束时将其移除。
  • 创建 Pub/Sub 快照会产生相关费用。如需了解详情，请参阅 Pub/Sub 价格。
  • 您可以在以下位置监控快照创建： Cloud Audit Logs。

升级具有 Pub/Sub 流式处理来源的流水线

Cloud Data Fusion 支持直接应用升级 （在 Pub/Sub Storage 中） 6.9.1 或更高版本。

Cloud Data Fusion 不支持升级具有 Pub/Sub 流式处理来源（6.9.0 或更低版本）。相反， 将这些流水线升级到 6.9.1：

  1. 计划升级实例时，停止将数据发布到主题。
  2. 等待流水线处理完已发布的数据。
  3. 数据处理完毕后，停止流水线。
  4. 升级实例。
  5. 复制现有流水线并更新到最新的插件。
  6. 部署流水线。

  7. 运行新流水线以读取数据。

    新版本自动使用快照，而不是 Spark 检查点。

  8. 删除旧流水线。

后续步骤