AstraDB to BigQuery テンプレート

AstraDB to BigQuery テンプレートは、AstraDB からレコードを読み取り、BigQuery に書き込むバッチ パイプラインです。

宛先テーブルが BigQuery に存在しない場合、パイプラインは次の値を持つテーブルを作成します。

  • Cassandra キースペースから継承される Dataset ID
  • Cassandra テーブルから継承される Table ID

宛先テーブルのスキーマは、ソース Cassandra テーブルから推定されます。

  • ListSet は BigQuery の REPEATED フィールドにマッピングされます。
  • Map は BigQuery の RECORD フィールドにマッピングされます。
  • 他のすべての型は、対応するタイプの BigQuery フィールドにマッピングされます。
  • Cassandra ユーザー定義タイプ(UDT)とタプルデータ タイプはサポートされていません。

パイプラインの要件

  • トークンを含む AstraDB アカウント

テンプレートのパラメータ

パラメータ 説明
astraToken トークン値またはシークレットのリソース ID。例: AstraCS:abcdefghij
astraDatabaseId データベースの固有識別子(uuid)。例: cf7af129-d33a-498f-ad06-d97a6ee6eb7
astraKeyspace Astra データベース内の Cassandra キースペースの名前。
astraTable Cassandra データベース内のテーブルの名前。例: my_table
astraQuery 省略可: テーブル全体を読み取る代わりに行をフィルタするクエリ
astraDatabaseRegion 省略可: 指定しない場合はデフォルトが選択されます。これはマルチリージョン データベースで有用です。
minTokenRangesCount 省略可: クエリを分散するスプリットの最小数。
outputTableSpec 省略可: 出力を書き込む BigQuery テーブルの場所。テーブルは <project>:<dataset>.<table_name> の形式にする必要があります。テーブルのスキーマは、入力オブジェクトと一致する必要があります。

テンプレートを実行する

コンソール

  1. Dataflow の [テンプレートからジョブを作成] ページに移動します。
  2. [テンプレートからジョブを作成] に移動
  3. [ジョブ名] フィールドに、固有のジョブ名を入力します。
  4. (省略可)[リージョン エンドポイント] で、プルダウン メニューから値を選択します。デフォルトのリージョンは us-central1 です。

    Dataflow ジョブを実行できるリージョンのリストについては、Dataflow のロケーションをご覧ください。

  5. [Dataflow テンプレート] プルダウン メニューから、the AstraDB to BigQuery template を選択します。
  6. 表示されたパラメータ フィールドに、パラメータ値を入力します。
  7. [ジョブを実行] をクリックします。

gcloud

シェルまたはターミナルで、テンプレートを実行します。

gcloud dataflow flex-template run JOB_NAME \
    --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/AstraDB_To_BigQuery \
    --project=PROJECT_ID \
    --region=REGION_NAME \
    --parameters \
       astraToken=ASTRA_TOKEN,\
       astraDatabaseId=ASTRA_DATABASE_ID,\
       astraKeyspace=ASTRA_KEYSPACE,\
       astraTable=ASTRA_TABLE,\

次のように置き換えます。

  • JOB_NAME: 一意の任意のジョブ名
  • VERSION: 使用するテンプレートのバージョン

    使用できる値は次のとおりです。

    • latest: 最新バージョンのテンプレートを使用します。このテンプレートは、バケット内で日付のない親フォルダ(gs://dataflow-templates-REGION_NAME/latest/)にあります。
    • バージョン名(例: 2023-09-12-00_RC00)。特定のバージョンのテンプレートを使用します。このテンプレートは、バケット内で対応する日付の親フォルダ(gs://dataflow-templates-REGION_NAME/)にあります。
  • REGION_NAME: Dataflow ジョブをデプロイするリージョン(例: us-central1
  • ASTRA_TOKEN: Astra トークン
  • ASTRA_DATABASE_ID: データベースの識別子
  • ASTRA_KEYSPACE: Cassandra キースペース
  • ASTRA_TABLE: Cassandra テーブル

API

REST API を使用してテンプレートを実行するには、HTTP POST リクエストを送信します。API とその認証スコープの詳細については、projects.templates.launch をご覧ください。

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/flexTemplates:launch
{
   "launchParameter": {
     "jobName": "JOB_NAME",
     "parameters": {
       "astraToken": "ASTRA_TOKEN",
       "astraDatabaseId": "ASTRA_DATABASE_ID",
       "astraKeyspace": "ASTRA_KEYSPACE",
       "astraTable": "ASTRA_TABLE",
     },
     "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/AstraDB_To_BigQuery",
     "environment": { "maxWorkers": "10" }
  }
}

次のように置き換えます。

  • PROJECT_ID: Dataflow ジョブを実行する Google Cloud プロジェクトの ID
  • JOB_NAME: 一意の任意のジョブ名
  • VERSION: 使用するテンプレートのバージョン

    使用できる値は次のとおりです。

    • latest: 最新バージョンのテンプレートを使用します。このテンプレートは、バケット内で日付のない親フォルダ(gs://dataflow-templates-REGION_NAME/latest/)にあります。
    • バージョン名(例: 2023-09-12-00_RC00)。特定のバージョンのテンプレートを使用します。このテンプレートは、バケット内で対応する日付の親フォルダ(gs://dataflow-templates-REGION_NAME/)にあります。
  • LOCATION: Dataflow ジョブをデプロイするリージョン(例: us-central1
  • ASTRA_TOKEN: Astra トークン
  • ASTRA_DATABASE_ID: データベースの識別子
  • ASTRA_KEYSPACE: Cassandra キースペース
  • ASTRA_TABLE: Cassandra テーブル

次のステップ