Bigtable to JSON 模板

Bigtable to JSON 模板是一种流水线,可从 Bigtable 表中读取数据并以 JSON 格式将其写入 Cloud Storage 存储桶。

流水线要求

  • Bigtable 表必须已存在。
  • 在运行此流水线之前,输出 Cloud Storage 存储桶必须已存在。

模板参数

必需参数

  • bigtableProjectId:您要从中读取数据的 Bigtable 实例所属的 Google Cloud 项目的 ID。
  • bigtableInstanceId:表所属的 Bigtable 实例的 ID。
  • bigtableTableId:要读取的 Bigtable 表的 ID。
  • filenamePrefix:JSON 文件名的前缀。例如 table1-。如果未提供值,则默认为 part

可选参数

  • outputDirectory:在其中存储输出 JSON 文件的 Cloud Storage 路径。例如 gs://your-bucket/your-path/
  • userOption:可能值为 FLATTENNONEFLATTEN 会将行展平为单个级别。NONE 将整行存储为 JSON 字符串。默认值为 NONE
  • columnsAliases:Vertex AI Vector Search 索引所需的列的英文逗号分隔列表。idembedding 列对于 Vertex AI Vector Search 是必需的。您可以使用表示法 fromfamily:fromcolumn;to。例如,如果列是 rowkeycf:my_embedding,其中 rowkey 的名称与嵌入列不同,请指定 cf:my_embedding;embeddingrowkey;id。请仅在 userOption 的值为 FLATTEN 时才使用此选项。
  • bigtableAppProfileId:用于导出的 Bigtable 应用配置文件的 ID。如果您没有指定应用配置文件,Bigtable 将使用实例的默认应用配置文件:https://cloud.google.com/bigtable/docs/app-profiles#default-app-profile

运行模板

控制台

  1. 转到 Dataflow 基于模板创建作业页面。
  2. 转到“基于模板创建作业”
  3. 作业名称字段中,输入唯一的作业名称。
  4. 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

  5. Dataflow 模板下拉菜单中,选择 the Bigtable to JSON template。
  6. 在提供的参数字段中,输入您的参数值。
  7. 点击运行作业

gcloud CLI

在 shell 或终端中,运行模板:

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,\

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:

  • REGION_NAME:要在其中部署 Dataflow 作业的区域,例如 us-central1
  • BIGTABLE_PROJECT_ID:项目 ID
  • BIGTABLE_INSTANCE_ID:实例 ID
  • BIGTABLE_TABLE_ID:表 ID
  • FILENAME_PREFIX:JSON 文件前缀

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/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" }
}

替换以下内容:

  • PROJECT_ID:您要在其中运行 Dataflow 作业的 Google Cloud 项目的 ID
  • 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:

  • LOCATION:要在其中部署 Dataflow 作业的区域,例如 us-central1
  • BIGTABLE_PROJECT_ID:项目 ID
  • BIGTABLE_INSTANCE_ID:实例 ID
  • BIGTABLE_TABLE_ID:表 ID
  • FILENAME_PREFIX:JSON 文件前缀

后续步骤