Questo modello crea una pipeline batch che legge i documenti da MongoDB e li scrive in BigQuery.
Se vuoi acquisire i dati delle modifiche in tempo reale di MongoDB, puoi utilizzare il modello MongoDB a BigQuery (CDC).
Requisiti della pipeline
- Deve esistere il set di dati BigQuery di destinazione.
- L'istanza MongoDB di origine deve essere accessibile dalle macchine worker Dataflow.
Formato di output
Il formato dei record di output dipende dal valore del parametro userOption
. Se userOption
è
NONE
, l'output ha il seguente schema. Il campo source_data
contiene il documento in formato JSON.
[ {"name":"id","type":"STRING"}, {"name":"source_data","type":"STRING"}, {"name":"timestamp","type":"TIMESTAMP"} ]
Se userOption
è FLATTEN
, la pipeline appiattisce
i documenti e scrive i campi di primo livello come colonne di tabella. Ad esempio, supponiamo che i documenti nella raccolta MongoDB contengano i seguenti campi:
"_id"
(string
)"title"
(string
)"genre"
(string
)
Utilizzando FLATTEN
, l'output ha il seguente schema. Il campo timestamp
viene aggiunto dal modello.
[ {"name":"_id","type":"STRING"}, {"name":"title","type":"STRING"}, {"name":"genre","type":"STRING"}, {"name":"timestamp","type":"TIMESTAMP"} ]
Parametri del modello
Parametri obbligatori
- mongoDbUri : l'URI di connessione MongoDB nel formato
mongodb+srv://:@.
. - database : database in MongoDB da cui leggere la raccolta. (Esempio: my-db).
- collection : nome della raccolta all'interno del database MongoDB. (Esempio: mia-raccolta).
- userOption :
FLATTEN
oNONE
.FLATTEN
appiattisce i documenti a un unico livello.NONE
archivia l'intero documento come stringa JSON. Il valore predefinito è NONE. - outputTableSpec : la tabella BigQuery in cui scrivere. Ad esempio,
bigquery-project:dataset.output_table
.
Parametri facoltativi
- KMSEncryptionKey : chiave di crittografia di Cloud KMS per decriptare la stringa di connessione URI Mongodb. Se viene trasmessa la chiave Cloud KMS, la stringa di connessione URI mongodb deve essere trasmessa in forma criptata. Ad esempio: projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key.
- useStorageWriteApi : se
true
, la pipeline utilizza l'API BigQuery Storage Write (https://cloud.google.com/bigquery/docs/write-api). Il valore predefinito èfalse
. Per saperne di più, consulta la pagina relativa all'utilizzo dell'API Storage Write (https://beam.apache.org/documentation/io/built-in/google-bigquery/#storage-write-api). - useStorageWriteApiAtLeastOnce : quando utilizzi l'API Storage Write, specifica la semantica della 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-once", imposta il parametro sufalse
. Questo parametro si applica solo quandouseStorageWriteApi
ètrue
. Il valore predefinito èfalse
. - javascriptDocumentTransformGcsPath : l'URI Cloud Storage del file
.js
che definisce la funzione JavaScript definita dall'utente da utilizzare. (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 di esempio, consulta gli esempi di funzioni definite dall'utente (https://github.com/GoogleCloudPlatform/DataflowTemplates#udf-examples). (ad esempio, trasformazione).
Funzione definita dall'utente
Facoltativamente, puoi estendere questo modello scrivendo una funzione definita dall'utente dall'utente 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 i seguenti parametri del modello:
Parametro | Descrizione |
---|---|
javascriptDocumentTransformGcsPath |
Il percorso di Cloud Storage del file JavaScript. |
javascriptDocumentTransformFunctionName |
Il nome della funzione JavaScript. |
Per maggiori informazioni, consulta Creare funzioni definite dall'utente per i modelli Dataflow.
Specifica della funzione
La funzione definita dall'utente ha le seguenti specifiche:
userOption
è NONE
, l'oggetto JSON deve includere
una proprietà denominata _id
contenente l'ID documento.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, vedi Località Dataflow.
- Nel menu a discesa Modello Dataflow, seleziona the MongoDB to BigQuery template.
- Nei campi dei parametri forniti, inserisci i valori dei parametri.
- 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 \ --parameters \ outputTableSpec=OUTPUT_TABLE_SPEC,\ mongoDbUri=MONGO_DB_URI,\ database=DATABASE,\ collection=COLLECTION,\ userOption=USER_OPTION
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto Google Cloud in cui vuoi eseguire il job DataflowJOB_NAME
: un nome job univoco a tua sceltaREGION_NAME
: 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 nella cartella padre senza data del bucket: gs://dataflow-templates-REGION_NAME/latest/- il nome della versione, come
2023-09-12-00_RC00
, per utilizzare una versione specifica del modello, che si trova nidificata nella rispettiva cartella padre con data all'interno del bucket: gs://dataflow-templates-REGION_NAME/
OUTPUT_TABLE_SPEC
: nome della tabella BigQuery di destinazione.MONGO_DB_URI
: il tuo URI MongoDB.DATABASE
: il tuo database MongoDB.COLLECTION
: la tua raccolta MongoDB.USER_OPTION
: FLATTEN o NESSUNO.
API
Per eseguire il modello utilizzando l'API REST, invia una richiesta POST HTTP. Per maggiori informazioni sull'API e sui 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" }, "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/MongoDB_to_BigQuery", } }
Sostituisci quanto segue:
PROJECT_ID
: l'ID del progetto Google Cloud in cui vuoi eseguire il job DataflowJOB_NAME
: un nome job univoco a 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 nella cartella padre senza data del bucket: gs://dataflow-templates-REGION_NAME/latest/- il nome della versione, come
2023-09-12-00_RC00
, per utilizzare una versione specifica del modello, che si trova nidificata nella rispettiva cartella padre con data all'interno del bucket: gs://dataflow-templates-REGION_NAME/
OUTPUT_TABLE_SPEC
: nome della tabella BigQuery di destinazione.MONGO_DB_URI
: il tuo URI MongoDB.DATABASE
: il tuo database MongoDB.COLLECTION
: la tua raccolta MongoDB.USER_OPTION
: FLATTEN o NESSUNO.
Passaggi successivi
- Scopri di più sui modelli Dataflow.
- Consulta l'elenco dei modelli forniti da Google.