Modèle Bigtable vers JSON

Le modèle Bigtable vers JSON est un pipeline qui lit les données d'une table Bigtable et les écrit dans un bucket Cloud Storage au format JSON.

Conditions requises pour ce pipeline

  • La table Bigtable doit exister.
  • Le bucket Cloud Storage de sortie doit exister avant l'exécution du pipeline.

Paramètres de modèle

Paramètres obligatoires

  • bigtableProjectId : ID du projet Google Cloud contenant l'instance Bigtable dont vous souhaitez lire les données.
  • bigtableInstanceId : ID de l'instance Bigtable qui contient la table.
  • bigtableTableId : ID de la table Bigtable à lire.
  • filenamePrefix : Préfixe du nom de fichier JSON. Par exemple, "table1-". Si aucune valeur n'est spécifiée, la valeur par défaut est part.

Paramètres facultatifs

  • outputDirectory : Chemin d'accès Cloud Storage où les fichiers JSON de sortie sont stockés. (par exemple : gs://votre-bucket/votre-chemin-d'accès).
  • userOption : Les valeurs possibles sont FLATTEN ou NONE. FLATTEN aplatit la ligne au même niveau. NONE stocke l'intégralité de la ligne sous forme de chaîne JSON. La valeur par défaut est NONE.
  • columnsAliases : Liste de colonnes séparées par des virgules requises pour l'index de recherche vectorielle Vertex AI. Les colonnes id et embedding sont obligatoires pour la recherche vectorielle Vertex AI. Vous pouvez utiliser la notation fromfamily:fromcolumn;to. Par exemple, si les colonnes sont rowkey et cf:my_embedding, où rowkey a un nom différent de la colonne de représentations vectorielles continues, spécifiez cf:my_embedding;embedding et rowkey;id. N'utilisez cette option que lorsque la valeur de userOption est FLATTEN.

Exécuter le modèle

Console

  1. Accédez à la page Dataflow Créer un job à partir d'un modèle.
  2. Accéder à la page Créer un job à partir d'un modèle
  3. Dans le champ Nom du job, saisissez un nom de job unique.
  4. Facultatif : pour Point de terminaison régional, sélectionnez une valeur dans le menu déroulant. La région par défaut est us-central1.

    Pour obtenir la liste des régions dans lesquelles vous pouvez exécuter un job Dataflow, consultez la page Emplacements Dataflow.

  5. Dans le menu déroulant Modèle Dataflow, sélectionnez the Bigtable to JSON template.
  6. Dans les champs fournis, saisissez vos valeurs de paramètres.
  7. Cliquez sur Run Job (Exécuter la tâche).

CLI gcloud

Dans le shell ou le terminal, exécutez le modèle :

gcloud dataflow jobs run JOB_NAME \
    --gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/Cloud_Bigtable_to_GCS_Json \
    --project=PROJECT_ID \
    --region=REGION_NAME \
    --parameters \
       bigtableProjectId=BIGTABLE_PROJECT_ID,\
       bigtableInstanceId=BIGTABLE_INSTANCE_ID,\
       bigtableTableId=BIGTABLE_TABLE_ID,\
       filenamePrefix=FILENAME_PREFIX,\

Remplacez les éléments suivants :

  • JOB_NAME : nom de job unique de votre choix
  • VERSION : version du modèle que vous souhaitez utiliser

    Vous pouvez utiliser les valeurs suivantes :

  • REGION_NAME : région dans laquelle vous souhaitez déployer votre job Dataflow, par exemple us-central1
  • BIGTABLE_PROJECT_ID : ID du projet
  • BIGTABLE_INSTANCE_ID : ID de l'instance
  • BIGTABLE_TABLE_ID : ID de la table
  • FILENAME_PREFIX : préfixe du fichier JSON

API

Pour exécuter le modèle à l'aide de l'API REST, envoyez une requête HTTP POST. Pour en savoir plus sur l'API, ses autorisations et leurs champs d'application, consultez la section projects.templates.launch.

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/Cloud_Bigtable_to_GCS_Json
{
   "jobName": "JOB_NAME",
   "parameters": {
     "bigtableProjectId": "BIGTABLE_PROJECT_ID",
     "bigtableInstanceId": "BIGTABLE_INSTANCE_ID",
     "bigtableTableId": "BIGTABLE_TABLE_ID",
     "filenamePrefix": "FILENAME_PREFIX",
   },
   "environment": { "maxWorkers": "10" }
}

Remplacez les éléments suivants :

  • PROJECT_ID : ID du projet Google Cloud dans lequel vous souhaitez exécuter le job Dataflow
  • JOB_NAME : nom de job unique de votre choix
  • VERSION : version du modèle que vous souhaitez utiliser

    Vous pouvez utiliser les valeurs suivantes :

  • LOCATION : région dans laquelle vous souhaitez déployer votre job Dataflow, par exemple us-central1
  • BIGTABLE_PROJECT_ID : ID du projet
  • BIGTABLE_INSTANCE_ID : ID de l'instance
  • BIGTABLE_TABLE_ID : ID de la table
  • FILENAME_PREFIX : préfixe du fichier JSON

Étapes suivantes