Bigtable to Cloud Storage SequenceFile 模板

Bigtable to Cloud Storage SequenceFile 模板是一种流水线，可从 Bigtable 表读取数据并以 SequenceFile 格式将其写入 Cloud Storage 存储桶。您可以使用该模板将数据从 Bigtable 复制到 Cloud Storage。

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

  • bigtableProject：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：要导出的 Bigtable 表的 ID。
  • destinationPath：写入数据的 Cloud Storage 路径。（示例：gs://your-bucket/your-path/）。
  • filenamePrefix：SequenceFile 文件名的前缀。（示例：输出）

可选参数

  • 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。
  • bigtableStartRow：从哪一行开始导出，默认为第一行。
  • bigtableStopRow：停止导出数据的行，默认为最后一行。
  • bigtableMaxVersions：单元格版本的最大数量。默认值为 2147483647。
  • bigtableFilter：过滤字符串。请参阅：http://hbase.apache.org/book.html#thrift。默认值为空。

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”
  2. 在作业名称字段中，输入唯一的作业名称。
  3. 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。

  4. 从 Dataflow 模板下拉菜单中，选择 the Cloud Bigtable to SequenceFile Files on Cloud Storage template 。
  5. 在提供的参数字段中，输入您的参数值。
  6. 点击运行作业。

gcloud

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_SequenceFile \
    --region REGION_NAME \
    --parameters \
bigtableProject=BIGTABLE_PROJECT_ID,\
bigtableInstanceId=INSTANCE_ID,\
bigtableTableId=TABLE_ID,\
bigtableAppProfileId=APPLICATION_PROFILE_ID,\
destinationPath=DESTINATION_PATH,\
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：您要从中读取数据的 Bigtable 实例的 Google Cloud 项目的 ID。
  • INSTANCE_ID：表所属的 Bigtable 实例的 ID。
  • TABLE_ID：需要导出的 Bigtable 表的 ID。
  • APPLICATION_PROFILE_ID：将用于导出的 Bigtable 应用配置文件的 ID。
  • DESTINATION_PATH：写入数据的 Cloud Storage 路径，例如 gs://mybucket/somefolder
  • FILENAME_PREFIX：SequenceFile 文件名的前缀，例如 output-

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_SequenceFile
{
   "jobName": "JOB_NAME",
   "parameters": {
       "bigtableProject": "BIGTABLE_PROJECT_ID",
       "bigtableInstanceId": "INSTANCE_ID",
       "bigtableTableId": "TABLE_ID",
       "bigtableAppProfileId": "APPLICATION_PROFILE_ID",
       "destinationPath": "DESTINATION_PATH",
       "filenamePrefix": "FILENAME_PREFIX",
   },
   "environment": { "zone": "us-central1-f" }
}

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：您要从中读取数据的 Bigtable 实例的 Google Cloud 项目的 ID。
  • INSTANCE_ID：表所属的 Bigtable 实例的 ID。
  • TABLE_ID：需要导出的 Bigtable 表的 ID。
  • APPLICATION_PROFILE_ID：将用于导出的 Bigtable 应用配置文件的 ID。
  • DESTINATION_PATH：写入数据的 Cloud Storage 路径，例如 gs://mybucket/somefolder
  • FILENAME_PREFIX：SequenceFile 文件名的前缀，例如 output-

后续步骤