O modelo do Spanner para BigQuery é um pipeline em lote que lê dados de uma tabela do Spanner e os grava no BigQuery.
Requisitos de pipeline
- A tabela de entrada do Spanner precisa existir antes da execução do pipeline.
- O conjunto de dados do BigQuery precisa existir antes da execução do pipeline.
- Um arquivo JSON que descreve o esquema do BigQuery.
O arquivo precisa conter uma matriz JSON de nível superior chamada
fields
. O conteúdo da matrizfields
precisa usar o seguinte padrão:{"name": "COLUMN_NAME", "type": "DATA_TYPE"}
.Veja no JSON a seguir um exemplo de esquema do BigQuery:
{ "fields": [ { "name": "location", "type": "STRING" }, { "name": "name", "type": "STRING" }, { "name": "age", "type": "STRING" }, { "name": "color", "type": "STRING" }, { "name": "coffee", "type": "STRING" } ] }
O modelo de lote do Spanner para BigQuery não dá suporte à importação de dados para os campos
STRUCT
(registro) na tabela de destino do BigQuery.
Parâmetros do modelo
Parâmetro | Descrição |
---|---|
spannerInstanceId |
O ID da instância do banco de dados do Spanner que será usado para as leituras. |
spannerDatabaseId |
O ID do banco de dados do Spanner a ser exportado. |
spannerTableId |
O nome da tabela do banco de dados do Spanner a ser exportado. |
sqlQuery |
A consulta SQL a ser usada para ler dados do banco de dados do Spanner. |
outputTableSpec |
A tabela do BigQuery para gravar. Por exemplo,
<project>:<dataset>.<table_name> . |
spannerProjectId |
Opcional: o ID do projeto em que o banco de dados do Spanner reside. O valor padrão desse parâmetro é o projeto em que o pipeline do Dataflow está em execução. |
spannerRpcPriority |
Opcional: a
prioridade de solicitação
das chamadas do Spanner. Os valores possíveis são HIGH ,
MEDIUM e LOW . O valor padrão é
HIGH . |
bigQuerySchemaPath |
Opcional: o caminho do Cloud Storage (gs:// ) para o arquivo JSON que define o esquema do BigQuery.
Por exemplo, gs://path/to/my/schema.json . |
writeDisposition |
(Opcional) O WriteDisposition do BigQuery.
Os valores com suporte são WRITE_APPEND , WRITE_EMPTY e WRITE_TRUNCATE . O valor padrão é WRITE_APPEND . |
createDisposition |
(Opcional) O CreateDisposition do BigQuery.
Os valores com suporte são CREATE_IF_NEEDED e CREATE_NEVER . O valor padrão é CREATE_IF_NEEDED . |
useStorageWriteApi |
Opcional:
Se true , o pipeline usa a
API BigQuery Storage Write. O valor padrão é false . Para mais informações, consulte
Como usar a API Storage Write.
|
useStorageWriteApiAtLeastOnce |
Opcional:
Ao usar a API Storage Write, especifica a semântica de gravação. Para usar
semântica pelo menos uma vez, defina esse parâmetro como true . Para usar semântica exatamente uma vez,
defina o parâmetro como false . Esse parâmetro se aplica apenas quando
useStorageWriteApi é true . O valor padrão é false .
|
Executar o modelo
Console
- Acesse a página Criar job usando um modelo do Dataflow. Acesse Criar job usando um modelo
- No campo Nome do job, insira um nome exclusivo.
- Opcional: em Endpoint regional, selecione um valor no menu suspenso. A região padrão é
us-central1
.Para ver uma lista de regiões em que é possível executar um job do Dataflow, consulte Locais do Dataflow.
- No menu suspenso Modelo do Dataflow, selecione the Spanner to BigQuery template.
- Nos campos de parâmetro fornecidos, insira os valores de parâmetro.
- Cliquem em Executar job.
gcloud
No shell ou no terminal, execute o modelo:
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,\
Substitua:
JOB_NAME
: um nome de job de sua escolhaVERSION
: a versão do modelo que você quer usarUse estes valores:
latest
para usar a versão mais recente do modelo, disponível na pasta mãe não datada no bucket: gs://dataflow-templates-REGION_NAME/latest/- o nome da versão, como
2023-09-12-00_RC00
, para usar uma versão específica do modelo, que pode ser aninhada na respectiva pasta mãe datada no bucket: gs://dataflow-templates-REGION_NAME/
REGION_NAME
: a região em que você quer implantar o job do Dataflow, por exemplo,us-central1
.SPANNER_INSTANCE_ID
: o ID da instância do SpannerSPANNER_DATABASE_ID
: o ID do banco de dados do SpannerSPANNER_TABLE_ID
: o nome da tabela do SpannerSQL_QUERY
: a consulta SQLOUTPUT_TABLE_SPEC
: o local da tabela do BigQuery
API
Para executar o modelo usando a API REST, envie uma solicitação HTTP POST. Para mais informações sobre a
API e os respectivos escopos de autorização, consulte
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" } } }
Substitua:
PROJECT_ID
: o ID do projeto do Google Cloud em que você quer executar o job do DataflowJOB_NAME
: um nome de job de sua escolhaVERSION
: a versão do modelo que você quer usarUse estes valores:
latest
para usar a versão mais recente do modelo, disponível na pasta mãe não datada no bucket: gs://dataflow-templates-REGION_NAME/latest/- o nome da versão, como
2023-09-12-00_RC00
, para usar uma versão específica do modelo, que pode ser aninhada na respectiva pasta mãe datada no bucket: gs://dataflow-templates-REGION_NAME/
LOCATION
: a região em que você quer implantar o job do Dataflow, por exemplo,us-central1
.SPANNER_INSTANCE_ID
: o ID da instância do SpannerSPANNER_DATABASE_ID
: o ID do banco de dados do SpannerSPANNER_TABLE_ID
: o nome da tabela do SpannerSQL_QUERY
: a consulta SQLOUTPUT_TABLE_SPEC
: o local da tabela do BigQuery
A seguir
- Saiba mais sobre os modelos do Dataflow.
- Confira a lista de modelos fornecidos pelo Google.