Spanner to BigQuery 模板

Spanner to BigQuery 模板是一种批处理流水线，可从 Spanner 表中读取数据并将数据写入 BigQuery。

流水线要求

  • 在运行流水线之前，源 Spanner 表必须已存在。
  • 在运行流水线之前，BigQuery 数据集必须已存在。
  • 一个用于描述 BigQuery 架构的 JSON 文件。

    该文件必须包含标题为 fields 的顶级 JSON 数组。fields 数组的内容必须采用以下格式：
    {"name": "COLUMN_NAME", "type": "DATA_TYPE"}.

    下面的 JSON 描述了一个 BigQuery 架构示例：

    {
  "fields": [
    {
      "name": "location",
      "type": "STRING"
    },
    {
      "name": "name",
      "type": "STRING"
    },
    {
      "name": "age",
      "type": "STRING"
    },
    {
      "name": "color",
      "type": "STRING"
    },
    {
      "name": "coffee",
      "type": "STRING"
    }
  ]
}

    Spanner to BigQuery 批处理模板不支持将数据导入目标 BigQuery 表中的 STRUCT（记录）字段。

模板参数

必需参数

  • spannerInstanceId：要从中读取数据的 Spanner 数据库的实例 ID。
  • spannerDatabaseId：要导出的 Spanner 数据库的 ID。
  • spannerTableId：要导出的 Spanner 数据库的表名称。
  • sqlQuery：要用于从 Spanner 数据库中读取数据的 SQL 查询。
  • outputTableSpec：要将输出写入的 BigQuery 输出表位置。例如，<PROJECT_ID>:<DATASET_NAME>.<TABLE_NAME>。根据指定的 createDisposition，系统可能会使用用户提供的 Avro 架构自动创建输出表。

可选参数

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 Spanner to BigQuery 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 flex-template run JOB_NAME \
    --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/Cloud_Spanner_to_BigQuery_Flex \
    --project=PROJECT_ID \
    --region=REGION_NAME \
    --parameters \
       spannerInstanceId=SPANNER_INSTANCE_ID,\
       spannerDatabaseId=SPANNER_DATABASE_ID,\
       spannerTableId=SPANNER_TABLE_ID,\
       sqlQuery=SQL_QUERY,\
       outputTableSpec=OUTPUT_TABLE_SPEC,\

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
  • SPANNER_INSTANCE_ID：Spanner 实例 ID
  • SPANNER_DATABASE_ID：Spanner 数据库 ID
  • SPANNER_TABLE_ID：Spanner 表名称
  • SQL_QUERY：SQL 查询
  • OUTPUT_TABLE_SPEC：BigQuery 表位置

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/flexTemplates:launch
{
   "launchParameter": {
     "jobName": "JOB_NAME",
     "parameters": {
       "spannerInstanceId": "SPANNER_INSTANCE_ID",
       "spannerDatabaseId": "SPANNER_DATABASE_ID",
       "spannerTableId": "SPANNER_TABLE_ID",
       "sqlQuery": "SQL_QUERY",
       "outputTableSpec": "OUTPUT_TABLE_SPEC",
     },
     "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/Cloud_Spanner_to_BigQuery_Flex",
     "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
  • SPANNER_INSTANCE_ID：Spanner 实例 ID
  • SPANNER_DATABASE_ID：Spanner 数据库 ID
  • SPANNER_TABLE_ID：Spanner 表名称
  • SQL_QUERY：SQL 查询
  • OUTPUT_TABLE_SPEC：BigQuery 表位置

后续步骤