AstraDB to BigQuery 模板是一种批处理流水线,可从 AstraDB 读取记录并将其写入 BigQuery。
如果 BigQuery 中不存在目标表,则流水线将使用以下值创建一个表:
Dataset ID
,继承自 Cassandra 键空间。Table ID
,继承自 Cassandra 表。
目标表的架构是根据源 Cassandra 表推断出来的。
List
和Set
会映射到 BigQueryREPEATED
字段。Map
会映射到 BigQueryRECORD
字段。- 所有其他类型均映射到具有相应类型的 BigQuery 字段。
- 不支持 Cassandra 用户定义的类型 (UDT) 和元组数据类型。
流水线要求
- 具有令牌的 AstraDB 账号
模板参数
必需参数
- astraToken:令牌值或 Secret 资源 ID。例如
AstraCS:abcdefghij
。 - astraDatabaseId:数据库唯一标识符 (UUID)。例如
cf7af129-d33a-498f-ad06-d97a6ee6eb7
。 - astraKeyspace:Astra 数据库中 Cassandra 键空间的名称。
- astraTable:Cassandra 数据库中表的名称。例如
my_table
。
可选参数
- astraQuery:用于过滤行(而不是读取整个表)的查询。
- astraDatabaseRegion:如果未提供,则选择默认值,这对多区域数据库很有用。
- minTokenRangesCount:用于分发查询的分块数量下限。
- outputTableSpec:要将输出写入的 BigQuery 表位置。请使用格式
<PROJECT_ID>:<DATASET_NAME>.<TABLE_NAME>
。 表的架构必须与输入对象匹配。
运行模板
控制台
- 转到 Dataflow 基于模板创建作业页面。 转到“基于模板创建作业”
- 在作业名称字段中,输入唯一的作业名称。
- 可选:对于区域性端点,从下拉菜单中选择一个值。默认区域为
us-central1
。如需查看可以在其中运行 Dataflow 作业的区域列表,请参阅 Dataflow 位置。
- 从 Dataflow 模板下拉菜单中,选择 the AstraDB to BigQuery template。
- 在提供的参数字段中,输入您的参数值。
- 点击运行作业。
gcloud
在 shell 或终端中,运行模板:
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,\
替换以下内容:
JOB_NAME
:您选择的唯一性作业名称VERSION
:您要使用的模板的版本您可使用以下值:
latest
,以使用模板的最新版本,该模板在存储桶的未标示日期的父文件夹 (gs://dataflow-templates-REGION_NAME/latest/) 中可用- 版本名称(如
2023-09-12-00_RC00
),以使用模板的特定版本,该版本嵌套在存储桶的相应日期父文件夹 (gs://dataflow-templates-REGION_NAME/) 中
REGION_NAME
:要在其中部署 Dataflow 作业的区域,例如us-central1
ASTRA_TOKEN
:Astra 令牌ASTRA_DATABASE_ID
:数据库标识符ASTRA_KEYSPACE
:Cassandra 键空间ASTRA_TABLE
:Cassandra 表
API
如需使用 REST API 来运行模板,请发送 HTTP POST 请求。如需详细了解 API 及其授权范围,请参阅 projects.templates.launch
。
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" } } }
替换以下内容:
PROJECT_ID
:您要在其中运行 Dataflow 作业的 Google Cloud 项目 IDJOB_NAME
:您选择的唯一性作业名称VERSION
:您要使用的模板的版本您可使用以下值:
latest
,以使用模板的最新版本,该模板在存储桶的未标示日期的父文件夹 (gs://dataflow-templates-REGION_NAME/latest/) 中可用- 版本名称(如
2023-09-12-00_RC00
),以使用模板的特定版本,该版本嵌套在存储桶的相应日期父文件夹 (gs://dataflow-templates-REGION_NAME/) 中
LOCATION
:要在其中部署 Dataflow 作业的区域,例如us-central1
ASTRA_TOKEN
:Astra 令牌ASTRA_DATABASE_ID
:数据库标识符ASTRA_KEYSPACE
:Cassandra 键空间ASTRA_TABLE
:Cassandra 表
后续步骤
- 了解 Dataflow 模板。
- 参阅 Google 提供的模板列表。