Template BigQuery Export ke Parquet adalah pipeline batch yang membaca data dari tabel BigQuery dan menulisnya ke bucket Cloud Storage dalam format Parquet. Template ini menggunakan BigQuery Storage API untuk mengekspor data.
Persyaratan pipeline
- Tabel BigQuery input harus ada sebelum menjalankan pipeline.
- Bucket Cloud Storage output harus ada sebelum menjalankan pipeline.
Parameter template
Parameter yang diperlukan
- tableRef: Lokasi tabel input BigQuery. Contoh,
your-project:your-dataset.your-table-name
. - bucket: Folder Cloud Storage tempat Anda menulis file Parquet. Contoh,
gs://your-bucket/export/
.
Parameter opsional
- numShards: Jumlah shard file output. Nilai defaultnya adalah
1
. - fields: Daftar kolom yang dipisahkan koma untuk dipilih dari tabel BigQuery input.
- rowRestriction: Baris hanya baca yang cocok dengan filter yang ditentukan, yang harus berupa ekspresi SQL yang kompatibel dengan SQL standar Google (https://cloud.google.com/bigquery/docs/reference/standard-sql). Jika tidak ada nilai yang ditentukan, semua baris akan ditampilkan.
Menjalankan template
Konsol
- 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 export to Parquet (via Storage API) template.
- Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
- Klik Run job.
gcloud
Di shell atau terminal, jalankan template:
gcloud dataflow flex-template run JOB_NAME \ --project=PROJECT_ID \ --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/BigQuery_to_Parquet \ --region=REGION_NAME \ --parameters \ tableRef=BIGQUERY_TABLE,\ bucket=OUTPUT_DIRECTORY,\ numShards=NUM_SHARDS,\ fields=FIELDS
Ganti kode berikut:
PROJECT_ID
: ID project Google Cloud tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaVERSION
: 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/
REGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
BIGQUERY_TABLE
: nama tabel BigQuery AndaOUTPUT_DIRECTORY
: folder Cloud Storage Anda untuk file outputNUM_SHARDS
: jumlah shard file output yang diinginkanFIELDS
: daftar kolom yang dipisahkan koma untuk dipilih dari tabel BigQuery input
API
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": { "tableRef": "BIGQUERY_TABLE", "bucket": "OUTPUT_DIRECTORY", "numShards": "NUM_SHARDS", "fields": "FIELDS" }, "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/BigQuery_to_Parquet", } }
Ganti kode berikut:
PROJECT_ID
: ID project Google Cloud tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaVERSION
: 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/
LOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
BIGQUERY_TABLE
: nama tabel BigQuery AndaOUTPUT_DIRECTORY
: folder Cloud Storage Anda untuk file outputNUM_SHARDS
: jumlah shard file output yang diinginkanFIELDS
: daftar kolom yang dipisahkan koma untuk dipilih dari tabel BigQuery input
Langkah selanjutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.