Questo modello crea una pipeline di inserimento flussi che funziona con MongoDB le modifiche in tempo reale. Per utilizzare questo modello, pubblica i dati delle modifiche in tempo reale in Pub/Sub. La pipeline legge i record JSON in Pub/Sub e le scrive in BigQuery. I record scritte in BigQuery hanno lo stesso formato del Modello batch da MongoDB a BigQuery.
Requisiti della pipeline
- Deve esistere il set di dati BigQuery di destinazione.
- L'istanza MongoDB di origine deve essere accessibile dalle macchine worker Dataflow.
- Per leggere il flusso di modifiche, devi creare un argomento Pub/Sub. Mentre la pipeline è in esecuzione, esamina gli eventi Change Data Capture (CDC) sul flusso di modifiche MongoDB e pubblicarli Pub/Sub come record JSON. Per ulteriori informazioni quando pubblichi messaggi in Pub/Sub, Pubblicare messaggi negli argomenti.
Parametri del modello
Parametri obbligatori
- mongoDbUri : l'URI di connessione MongoDB nel formato
mongodb+srv://:@.
. - database: il database in MongoDB da cui leggere la raccolta. Esempio: my-db.
- collection : nome della raccolta all'interno del database MongoDB. (Esempio: la-mia-raccolta).
- userOption :
FLATTEN
oNONE
.FLATTEN
consente di riunire i documenti in un unico livello.NONE
archivia l'intero documento come stringa JSON. Il valore predefinito è: NESSUNO. - inputTopic: l'argomento di input Pub/Sub da cui leggere, nel formato projects/<PROJECT_ID>/topics/<TOPIC_NAME>.
- outputTableSpec: la tabella BigQuery in cui scrivere. Ad esempio,
bigquery-project:dataset.output_table
.
Parametri facoltativi
- useStorageWriteApiAtLeastOnce: quando utilizzi l'API Storage Write, specifica la semantica di scrittura. Per utilizzare la semantica "at-least-once" (https://beam.apache.org/documentation/io/built-in/google-bigquery/#at-least-once-semantics), imposta questo parametro su
true
. Per utilizzare la semantica "exactly-o", imposta il parametro sufalse
. Questo parametro si applica solo quandouseStorageWriteApi
ètrue
. Il valore predefinito èfalse
. - KMSEncryptionKey : chiave di crittografia di Cloud KMS per decriptare la stringa di connessione URI mongodb. Se viene passata la chiave Cloud KMS, la stringa di connessione uri mongodb deve essere passata criptata. ad esempio projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key.
- useStorageWriteApi : se true, la pipeline utilizza l'API BigQuery Storage Scrivi (https://cloud.google.com/bigquery/docs/write-api). Il valore predefinito è
false
. Per ulteriori informazioni, consulta Utilizzo dell'API StorageWrite (https://beam.apache.org/documentation/io/built-in/google-bigquery/#storage-write-api). - numStorageWriteApiStreams : quando si utilizza l'API StorageWrite, specifica il numero di flussi di scrittura. Se
useStorageWriteApi
ètrue
euseStorageWriteApiAtLeastOnce
èfalse
, devi impostare questo parametro. Il valore predefinito è 0. - storageWriteApiTriggeringFrequencySec : quando utilizzi l'API StorageWrite, specifica la frequenza di attivazione in secondi. Se
useStorageWriteApi
ètrue
euseStorageWriteApiAtLeastOnce
èfalse
, devi impostare questo parametro. - javascriptDocumentTransformGcsPath : l'URI Cloud Storage del file
.js
che definisce la funzione definita dall'utente (UDF) JavaScript da utilizzare. (ad esempio gs://your-bucket/your-transforms/*.js). - javascriptDocumentTransformFunctionName: il nome della funzione definita dall'utente (UDF) JavaScript da utilizzare. Ad esempio, se il codice della funzione JavaScript è
myTransform(inJson) { /*...do stuff...*/ }
, il nome della funzione è myTransform. Per esempi di funzioni JavaScript definite dall'utente, consulta gli esempi di funzioni definite dall'utente (https://github.com/GoogleCloudPlatform/DataflowTemplates#udf-examples). (ad esempio: transform).
Funzione definita dall'utente
Facoltativamente, puoi estendere questo modello scrivendo una funzione definita dall'utente (UDF) in JavaScript. Il modello chiama la funzione definita dall'utente per ogni elemento di input. I payload degli elementi sono serializzati come stringhe JSON.
Per utilizzare una funzione definita dall'utente, carica il file JavaScript in Cloud Storage e imposta il valore i seguenti parametri del modello:
Parametro | Descrizione |
---|---|
javascriptDocumentTransformGcsPath |
Il percorso Cloud Storage del file JavaScript. |
javascriptDocumentTransformFunctionName |
Il nome della funzione JavaScript. |
Per ulteriori informazioni, vedi Crea funzioni definite dall'utente per i modelli Dataflow.
Specifiche della funzione
La funzione definita dall'utente ha la seguente specifica:
Esegui il modello
Console
- Vai alla pagina Crea job da modello di Dataflow. Vai a Crea job da modello
- Nel campo Nome job, inserisci un nome univoco per il job.
- (Facoltativo) Per Endpoint a livello di regione, seleziona un valore dal menu a discesa. La regione predefinita è
us-central1
.Per un elenco delle regioni in cui puoi eseguire un job Dataflow, consulta Località di Dataflow.
- Dal menu a discesa Modello Dataflow, seleziona the MongoDB to BigQuery (CDC) template.
- Inserisci i valori parametro negli appositi campi.
- Fai clic su Esegui job.
gcloud
Nella shell o nel terminale, esegui il modello:
gcloud dataflow flex-template run JOB_NAME \ --project=PROJECT_ID \ --region=REGION_NAME \ --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/MongoDB_to_BigQuery_CDC \ --parameters \ outputTableSpec=OUTPUT_TABLE_SPEC,\ mongoDbUri=MONGO_DB_URI,\ database=DATABASE,\ collection=COLLECTION,\ userOption=USER_OPTION,\ inputTopic=INPUT_TOPIC
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto Google Cloud in cui vuoi eseguire il job DataflowJOB_NAME
: un nome di job univoco a tua sceltaREGION_NAME
: la regione in cui vuoi di eseguire il deployment del job Dataflow, ad esempious-central1
VERSION
: la versione del modello che vuoi utilizzarePuoi utilizzare i seguenti valori:
latest
per utilizzare la versione più recente del modello, disponibile in cartella principale non-dated nel bucket: gs://dataflow-templates-REGION_NAME/latest/- il nome della versione, ad esempio
2023-09-12-00_RC00
, per utilizzare una versione specifica del modello, che si trova nidificata nella rispettiva cartella principale datata nel bucket: gs://dataflow-templates-REGION_NAME/
OUTPUT_TABLE_SPEC
: il nome della tabella BigQuery di destinazione.MONGO_DB_URI
: l'URI MongoDB.DATABASE
: il tuo database MongoDB.COLLECTION
: la tua raccolta MongoDB.USER_OPTION
: FLATTEN o NONE.INPUT_TOPIC
: l'argomento di input Pub/Sub.
API
Per eseguire il modello utilizzando l'API REST, invia una richiesta POST HTTP. Per ulteriori informazioni sul
API e i relativi ambiti di autorizzazione, consulta
projects.templates.launch
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/flexTemplates:launch { "launch_parameter": { "jobName": "JOB_NAME", "parameters": { "inputTableSpec": "INPUT_TABLE_SPEC", "mongoDbUri": "MONGO_DB_URI", "database": "DATABASE", "collection": "COLLECTION", "userOption": "USER_OPTION", "inputTopic": "INPUT_TOPIC" }, "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/MongoDB_to_BigQuery_CDC", } }
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto Google Cloud in cui vuoi eseguire il job DataflowJOB_NAME
: un nome job univoco di tua sceltaLOCATION
: la regione in cui vuoi eseguire il deployment del job Dataflow, ad esempious-central1
VERSION
: la versione del modello che vuoi utilizzarePuoi utilizzare i seguenti valori:
latest
per utilizzare la versione più recente del modello, disponibile in cartella principale non-dated nel bucket: gs://dataflow-templates-REGION_NAME/latest/- il nome della versione, ad esempio
2023-09-12-00_RC00
, per utilizzare una versione specifica del modello, che si trova nidificata nella rispettiva cartella principale datata nel bucket: gs://dataflow-templates-REGION_NAME/
OUTPUT_TABLE_SPEC
: il nome della tabella BigQuery di destinazione.MONGO_DB_URI
: l'URI MongoDB.DATABASE
: il tuo database MongoDB.COLLECTION
: la tua raccolta MongoDB.USER_OPTION
: FLATTEN o NONE.INPUT_TOPIC
: argomento di input di Pub/Sub.
Passaggi successivi
- Scopri di più sui modelli Dataflow.
- Consulta l'elenco dei modelli forniti da Google.