Template BigQuery ke Elasticsearch adalah pipeline batch yang menyerap data dari tabel BigQuery ke Elasticsearch sebagai dokumen. Template dapat membaca seluruh tabel atau membaca data tertentu menggunakan kueri yang disediakan.
Persyaratan pipeline
- Tabel BigQuery sumber harus ada.
- Host Elasticsearch di instance Google Cloud atau di Elastic Cloud dengan Elasticsearch versi 7.0 atau yang lebih baru. Harus dapat diakses dari mesin pekerja Dataflow.
Parameter template
Parameter yang diperlukan
- connectionUrl: URL Elasticsearch dalam format
https://hostname:[port]
. Jika menggunakan Elastic Cloud, tentukan CloudID. Misalnya,https://elasticsearch-host:9200
. - apiKey: Kunci API yang dienkode Base64 untuk digunakan dalam autentikasi.
- index: Indeks Elasticsearch tempat permintaan dikeluarkan. Contoh,
my-index
.
Parameter opsional
- inputTableSpec: Tabel BigQuery yang akan dibaca. Jika Anda menentukan
inputTableSpec
, template akan membaca data langsung dari penyimpanan BigQuery menggunakan BigQuery Storage Read API (https://cloud.google.com/bigquery/docs/reference/storage). Untuk mengetahui informasi tentang batasan di Storage Read API, lihat https://cloud.google.com/bigquery/docs/reference/storage#limitations. Anda harus menentukaninputTableSpec
atauquery
. Jika Anda menetapkan kedua parameter, template akan menggunakan parameterquery
. Misalnya,<BIGQUERY_PROJECT>:<DATASET_NAME>.<INPUT_TABLE>
. - outputDeadletterTable: Tabel BigQuery untuk pesan yang gagal mencapai tabel output. Jika tidak ada, tabel akan dibuat selama eksekusi pipeline. Jika tidak ditentukan,
<outputTableSpec>_error_records
akan digunakan. Misalnya,<PROJECT_ID>:<DATASET_NAME>.<DEADLETTER_TABLE>
. - kueri: Kueri SQL yang akan digunakan untuk membaca data dari BigQuery. Jika set data BigQuery berada dalam project yang berbeda dengan tugas Dataflow, tentukan nama set data lengkap dalam kueri SQL, misalnya: <PROJECT_ID>.<DATASET_NAME>.<TABLE_NAME>. Secara default, parameter
query
menggunakan GoogleSQL (https://cloud.google.com/bigquery/docs/introduction-sql), kecuali jikauseLegacySql
adalahtrue
. Anda harus menentukaninputTableSpec
atauquery
. Jika Anda menetapkan kedua parameter, template akan menggunakan parameterquery
. Misalnya,select * from sampledb.sample_table
. - useLegacySql: Tetapkan ke
true
untuk menggunakan SQL lama. Parameter ini hanya berlaku saat menggunakan parameterquery
. Setelan defaultnya adalahfalse
. - queryLocation: Diperlukan saat membaca dari tampilan yang diotorisasi tanpa izin tabel yang mendasarinya. Contoh,
US
. - queryTempDataset: Dengan opsi ini, Anda dapat menetapkan set data yang ada untuk membuat tabel sementara guna menyimpan hasil kueri. Contoh,
temp_dataset
. - KMSEncryptionKey: Jika membaca dari BigQuery menggunakan sumber kueri, gunakan kunci Cloud KMS ini untuk mengenkripsi tabel sementara yang dibuat. Contoh,
projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key
. - elasticsearchUsername: Nama pengguna Elasticsearch yang akan digunakan untuk mengautentikasi. Jika ditentukan, nilai
apiKey
akan diabaikan. - elasticsearchPassword: Sandi Elasticsearch yang akan digunakan untuk melakukan autentikasi. Jika ditentukan, nilai
apiKey
akan diabaikan. - batchSize: Ukuran batch dalam jumlah dokumen. Default-nya adalah
1000
. - batchSizeBytes: Ukuran batch dalam jumlah byte. Default-nya adalah
5242880
(5 mb). - maxRetryAttempts: Jumlah maksimum percobaan ulang. Harus lebih besar dari nol. Default-nya adalah
no retries
. - maxRetryDuration: Durasi percobaan ulang maksimum dalam milidetik. Harus lebih besar dari nol. Default-nya adalah
no retries
. - propertyAsIndex: Properti dalam dokumen yang diindeks yang nilainya menentukan metadata
_index
yang akan disertakan dengan dokumen dalam permintaan massal. Lebih diutamakan daripada UDF_index
. Setelan defaultnya adalahnone
. - javaScriptIndexFnGcsPath: Jalur Cloud Storage ke sumber UDF JavaScript untuk fungsi yang menentukan metadata
_index
yang akan disertakan dengan dokumen dalam permintaan massal. Setelan defaultnya adalahnone
. - javaScriptIndexFnName: Nama fungsi JavaScript UDF yang menentukan metadata
_index
yang akan disertakan dengan dokumen dalam permintaan massal. Setelan defaultnya adalahnone
. - propertyAsId: Properti dalam dokumen yang diindeks yang nilainya menentukan metadata
_id
yang akan disertakan dengan dokumen dalam permintaan massal. Lebih diutamakan daripada UDF_id
. Setelan defaultnya adalahnone
. - javaScriptIdFnGcsPath: Jalur Cloud Storage ke sumber UDF JavaScript untuk fungsi yang menentukan metadata
_id
yang akan disertakan dengan dokumen dalam permintaan massal. Setelan defaultnya adalahnone
. - javaScriptIdFnName: Nama fungsi JavaScript UDF yang menentukan metadata
_id
yang akan disertakan dengan dokumen dalam permintaan massal. Setelan defaultnya adalahnone
. - javaScriptTypeFnGcsPath: Jalur Cloud Storage ke sumber UDF JavaScript untuk fungsi yang menentukan metadata
_type
yang akan disertakan dengan dokumen dalam permintaan massal. Setelan defaultnya adalahnone
. - javaScriptTypeFnName: Nama fungsi JavaScript UDF yang menentukan metadata
_type
yang akan disertakan dengan dokumen dalam permintaan massal. Setelan defaultnya adalahnone
. - javaScriptIsDeleteFnGcsPath: Jalur Cloud Storage ke sumber UDF JavaScript untuk fungsi yang menentukan apakah akan menghapus dokumen, bukan menyisipkan atau memperbaruinya. Fungsi ini menampilkan nilai string
true
ataufalse
. Setelan defaultnya adalahnone
. - javaScriptIsDeleteFnName: Nama fungsi JavaScript UDF yang menentukan apakah akan menghapus dokumen, bukan menyisipkan atau memperbaruinya. Fungsi ini menampilkan nilai string
true
ataufalse
. Setelan defaultnya adalahnone
. - usePartialUpdate: Apakah akan menggunakan pembaruan sebagian (memperbarui, bukan membuat atau mengindeks, yang memungkinkan dokumen sebagian) dengan permintaan Elasticsearch. Default-nya adalah
false
. - bulkInsertMethod: Apakah akan menggunakan
INDEX
(indeks, memungkinkan upsert) atauCREATE
(buat, error pada _id duplikat) dengan permintaan massal Elasticsearch. Setelan defaultnya adalahCREATE
. - trustSelfSignedCerts: Apakah akan memercayai sertifikat yang ditandatangani sendiri atau tidak. Instance Elasticsearch yang diinstal mungkin memiliki sertifikat yang ditandatangani sendiri. Aktifkan ini ke benar untuk mengabaikan validasi pada sertifikat SSL. (Default:
false
). - disableCertificateValidation: Jika
true
, percayai sertifikat SSL yang ditandatangani sendiri. Instance Elasticsearch mungkin memiliki sertifikat yang ditandatangani sendiri. Untuk mengabaikan validasi sertifikat, tetapkan parameter ini ketrue
. Setelan defaultnya adalahfalse
. - apiKeyKMSEncryptionKey: Kunci Cloud KMS untuk mendekripsi kunci API. Parameter ini diperlukan jika
apiKeySource
ditetapkan keKMS
. Jika parameter ini diberikan, teruskan stringapiKey
terenkripsi. Mengenkripsi parameter menggunakan endpoint enkripsi KMS API. Untuk kunci, gunakan formatprojects/<PROJECT_ID>/locations/<KEY_REGION>/keyRings/<KEY_RING>/cryptoKeys/<KMS_KEY_NAME>
. Lihat: https://cloud.google.com/kms/docs/reference/rest/v1/projects.locations.keyRings.cryptoKeys/encrypt Misalnya,projects/your-project-id/locations/global/keyRings/your-keyring/cryptoKeys/your-key-name
. - apiKeySecretId: ID secret Secret Manager untuk apiKey. Jika
apiKeySource
ditetapkan keSECRET_MANAGER
, berikan parameter ini. Gunakan formatprojects/<PROJECT_ID>/secrets/<SECRET_ID>/versions/<SECRET_VERSION>. For example,
projects/your-project-id/secrets/your-secret/versions/your-secret-version`. - apiKeySource: Sumber kunci API. Nilai yang diizinkan adalah
PLAINTEXT
,KMS
, atauSECRET_MANAGER
. Parameter ini diperlukan saat Anda menggunakan Secret Manager atau KMS. JikaapiKeySource
ditetapkan keKMS
,apiKeyKMSEncryptionKey
dan apiKey terenkripsi harus diberikan. JikaapiKeySource
ditetapkan keSECRET_MANAGER
,apiKeySecretId
harus diberikan. JikaapiKeySource
ditetapkan kePLAINTEXT
,apiKey
harus diberikan. Setelan defaultnya adalah: PLAINTEXT. - socketTimeout: Jika ditetapkan, akan menimpa waktu tunggu percobaan ulang maksimum default dan waktu tunggu soket default (30.000 md) di Elastic RestClient.
- javascriptTextTransformGcsPath: URI Cloud Storage file .js yang menentukan fungsi yang ditentukan pengguna (UDF) JavaScript yang akan digunakan. Contoh,
gs://my-bucket/my-udfs/my_file.js
. - javascriptTextTransformFunctionName: Nama fungsi yang ditentukan pengguna (UDF) JavaScript yang akan digunakan. Misalnya, jika kode fungsi JavaScript Anda adalah
myTransform(inJson) { /*...do stuff...*/ }
, nama fungsinya adalahmyTransform
. Untuk contoh UDF JavaScript, lihat Contoh UDF (https://github.com/GoogleCloudPlatform/DataflowTemplates#udf-examples).
Fungsi yang ditentukan pengguna (UDF)
Template ini mendukung fungsi yang ditentukan pengguna (UDF) di beberapa titik dalam pipeline, yang dijelaskan di bawah. Untuk informasi selengkapnya, lihat Membuat fungsi yang ditentukan pengguna untuk template Dataflow.
Fungsi indeks
Menampilkan indeks tempat dokumen berada.
Parameter template:
javaScriptIndexFnGcsPath
: URI Cloud Storage dari file JavaScript.javaScriptIndexFnName
: nama fungsi JavaScript.
Spesifikasi fungsi:
- Input: dokumen Elasticsearch, yang diserialisasi sebagai string JSON.
- Output: nilai kolom metadata
_index
dokumen.
Fungsi ID dokumen
Menampilkan ID dokumen.
Parameter template:
javaScriptIdFnGcsPath
: URI Cloud Storage dari file JavaScript.javaScriptIdFnName
: nama fungsi JavaScript.
Spesifikasi fungsi:
- Input: dokumen Elasticsearch, yang diserialisasi sebagai string JSON.
- Output: nilai kolom metadata
_id
dokumen.
Fungsi penghapusan dokumen
Menentukan apakah akan menghapus dokumen atau tidak. Untuk menggunakan fungsi ini, tetapkan mode
penyisipan massal ke INDEX
dan berikan
fungsi ID dokumen.
Parameter template:
javaScriptIsDeleteFnGcsPath
: URI Cloud Storage dari file JavaScript.javaScriptIsDeleteFnName
: nama fungsi JavaScript.
Spesifikasi fungsi:
- Input: dokumen Elasticsearch, yang diserialisasi sebagai string JSON.
- Output: menampilkan string
"true"
untuk menghapus dokumen, atau"false"
untuk memperbarui dan menyisipkan dokumen.
Fungsi jenis pemetaan
Menampilkan jenis pemetaan dokumen.
Parameter template:
javaScriptTypeFnGcsPath
: URI Cloud Storage dari file JavaScript.javaScriptTypeFnName
: nama fungsi JavaScript.
Spesifikasi fungsi:
- Input: dokumen Elasticsearch, yang diserialisasi sebagai string JSON.
- Output: nilai kolom metadata
_type
dokumen.
Menjalankan template
- Buka halaman Create job from template Dataflow. Buka Buat tugas dari template
- Di kolom Nama tugas, masukkan nama tugas yang unik.
- Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region defaultnya adalah
us-central1
.Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.
- Dari menu drop-down Dataflow template, pilih the BigQuery to Elasticsearch template.
- Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
- Klik Run job.
Di shell atau terminal, jalankan template:
gcloud dataflow flex-template runJOB_NAME \ --project=PROJECT_ID \ --region=REGION_NAME \ --template-file-gcs-location=gs://dataflow-templates-REGION_NAME /VERSION /flex/BigQuery_to_Elasticsearch \ --parameters \ inputTableSpec=INPUT_TABLE_SPEC ,\ connectionUrl=CONNECTION_URL ,\ apiKey=APIKEY ,\ index=INDEX
Ganti kode berikut:
PROJECT_ID
: ID project Google Cloud tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaREGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan template versi terbaru, yang tersedia di folder induk tanpa tanggal di bucket—gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat dalam folder induk bertanggal masing-masing di bucket—gs://dataflow-templates-REGION_NAME/
INPUT_TABLE_SPEC
: nama tabel BigQuery Anda.CONNECTION_URL
: URL Elasticsearch Anda.APIKEY
: kunci API Anda yang dienkode base64 untuk autentikasi.INDEX
: indeks Elasticsearch Anda.
Untuk menjalankan template menggunakan REST API, kirim permintaan POST HTTP. Untuk mengetahui informasi selengkapnya tentang
API dan cakupan otorisasinya, lihat
projects.templates.launch
.
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID /locations/LOCATION /flexTemplates:launch { "launch_parameter": { "jobName": "JOB_NAME ", "parameters": { "inputTableSpec": "INPUT_TABLE_SPEC ", "connectionUrl": "CONNECTION_URL ", "apiKey": "APIKEY ", "index": "INDEX " }, "containerSpecGcsPath": "gs://dataflow-templates-LOCATION /VERSION /flex/BigQuery_to_Elasticsearch", } }
Ganti kode berikut:
PROJECT_ID
: ID project Google Cloud tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaLOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan template versi terbaru, yang tersedia di folder induk tanpa tanggal di bucket—gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat dalam folder induk bertanggal masing-masing di bucket—gs://dataflow-templates-REGION_NAME/
INPUT_TABLE_SPEC
: nama tabel BigQuery Anda.CONNECTION_URL
: URL Elasticsearch Anda.APIKEY
: kunci API Anda yang dienkode base64 untuk autentikasi.INDEX
: indeks Elasticsearch Anda.
Kode sumber template
Langkah berikutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.