从 Pub/Sub 流式来源读取数据

Cloud Data Fusion 支持流式数据流水线中的 Pub/Sub 来源。

准备工作

角色与权限

如需获取从 Pub/Sub 流式来源读取内容所需的权限，请让管理员向您授予对用于访问 Pub/Sub 订阅的服务帐号的 Pub/Sub Editor (roles/pubsub.editor) IAM 角色。如需详细了解如何授予角色，请参阅管理访问权限。

此预定义角色包含从 Pub/Sub 流式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

如需从 Pub/Sub 流式来源读取数据，您需要具备以下权限：

  • 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。

您可以针对在插件属性中指定的服务帐号授予用于访问 Pub/Sub 的角色。如果未指定，则授予对 Dataproc 服务帐号的角色。

如需详细了解如何授予角色，请参阅管理访问权限。

将 Pub/Sub 来源添加到流式数据流水线

  1. 转到您的实例：

    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. 选择数据流水线 - 实时。

  4. 在来源菜单中，选择 Pub/Sub。Pub/Sub 流式传输源节点将显示在流水线中。

  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。

支持单个 Pub/Sub 来源，无需 Windower 插件

Cloud Data Fusion 6.9.1 版支持具有单个 Pub/Sub 流处理来源且没有 Windower 插件的实时流水线。

  • Pub/Sub 流式传输来源具有内置支持，并且数据至少处理一次。无需启用 Spark 检查点。
  • Pub/Sub 流式来源会在每批开始时创建 Pub/Sub 快照，并在每个批次结束时删除该快照。
  • 创建 Pub/Sub 快照会产生费用。如需了解详情，请参阅 Pub/Sub 价格。
  • 您可以在 Cloud Audit Logs 中监控快照的创建过程。

升级具有 Pub/Sub 流式来源的流水线

对于具有在 6.9.1 或更高版本中创建的 Pub/Sub 流处理来源的流处理流水线，Cloud Data Fusion 支持直接应用升级。

Cloud Data Fusion 不支持在 6.9.0 或更低版本中对具有 Pub/Sub 流式来源的数据流水线进行升级。请改为将这些流水线升级到 6.9.1：

  1. 在计划升级实例时，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. 完全处理数据后，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