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 | Description |
---|---|
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. Exemple : table1- . Si aucune valeur n'est spécifiée, la valeur par défaut est part . |
outputDirectory |
Facultatif : chemin d'accès Cloud Storage où les fichiers JSON de sortie sont stockés. Par exemple : gs://your-bucket/your-path/ . |
userOption |
Facultatif : 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 |
Facultatif : 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
- Accédez à la page Dataflow Créer un job à partir d'un modèle. Accéder à la page Créer un job à partir d'un modèle
- Dans le champ Nom du job, saisissez un nom de job unique.
- 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.
- Dans le menu déroulant Modèle Dataflow, sélectionnez the Bigtable to JSON template.
- Dans les champs fournis, saisissez vos valeurs de paramètres.
- Cliquez sur Run Job (Exécuter la tâche).
gcloud CLI
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 unique de la tâche de votre choixVERSION
: version du modèle que vous souhaitez utiliserVous pouvez utiliser les valeurs suivantes :
latest
pour utiliser la dernière version du modèle, disponible dans le dossier parent non daté du bucket gs://dataflow-templates-REGION_NAME/latest/- Le nom de la version, par exemple
2023-09-12-00_RC00
, pour utiliser une version spécifique du modèle, qui est imbriqué dans le dossier parent daté respectif dans le bucket : gs://dataflow-templates-REGION_NAME/
REGION_NAME
: région dans laquelle vous souhaitez déployer votre job Dataflow, par exempleus-central1
BIGTABLE_PROJECT_ID
: ID du projetBIGTABLE_INSTANCE_ID
: ID de l'instanceBIGTABLE_TABLE_ID
: ID de la tableFILENAME_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 DataflowJOB_NAME
: nom unique de la tâche de votre choixVERSION
: version du modèle que vous souhaitez utiliserVous pouvez utiliser les valeurs suivantes :
latest
pour utiliser la dernière version du modèle, disponible dans le dossier parent non daté du bucket gs://dataflow-templates-REGION_NAME/latest/- Le nom de la version, par exemple
2023-09-12-00_RC00
, pour utiliser une version spécifique du modèle, qui est imbriqué dans le dossier parent daté respectif dans le bucket : gs://dataflow-templates-REGION_NAME/
LOCATION
: région dans laquelle vous souhaitez déployer votre job Dataflow, par exempleus-central1
BIGTABLE_PROJECT_ID
: ID du projetBIGTABLE_INSTANCE_ID
: ID de l'instanceBIGTABLE_TABLE_ID
: ID de la tableFILENAME_PREFIX
: préfixe du fichier JSON
Étapes suivantes
- Apprenez-en plus sur les modèles Dataflow.
- Consultez la liste des modèles fournis par Google.