Template Cloud Storage Parquet ke Bigtable adalah pipeline yang membaca data dari file Parquet di bucket Cloud Storage dan menulis data ke tabel Bigtable. Anda dapat menggunakan template untuk menyalin data dari Cloud Storage ke Bigtable.
Persyaratan pipeline
- Tabel Bigtable harus ada dan memiliki grup kolom yang sama seperti yang diekspor dalam file Parquet.
- File Parquet input harus ada di bucket Cloud Storage sebelum menjalankan pipeline.
- Bigtable mengharapkan skema tertentu dari file Parquet input.
Parameter template
Parameter yang diperlukan
- bigtableProjectId: ID project Google Cloud yang terkait dengan instance Bigtable.
- bigtableInstanceId: ID instance Cloud Bigtable yang berisi tabel.
- bigtableTableId: ID tabel Bigtable yang akan diimpor.
- inputFilePattern: Jalur Cloud Storage dengan file yang berisi data. Contoh,
gs://your-bucket/your-files/*.parquet
.
Parameter opsional
- splitLargeRows: Flag untuk mengaktifkan pemisahan baris besar menjadi beberapa permintaan MutateRows. Perhatikan bahwa saat baris besar dibagi di antara beberapa panggilan API, update pada baris tersebut tidak bersifat atomik.
Menjalankan template
Konsol
- Buka halaman Create job from template Dataflow. Buka Buat tugas dari template
- Di kolom Nama tugas, masukkan nama tugas yang unik.
- Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region defaultnya adalah
us-central1
.Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.
- Dari menu drop-down Dataflow template, pilih the Parquet Files on Cloud Storage to Cloud Bigtable template.
- Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
- Klik Run job.
gcloud
Di shell atau terminal, jalankan template:
gcloud dataflow jobs run JOB_NAME \ --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/GCS_Parquet_to_Cloud_Bigtable \ --region REGION_NAME \ --parameters \ bigtableProjectId=BIGTABLE_PROJECT_ID,\ bigtableInstanceId=INSTANCE_ID,\ bigtableTableId=TABLE_ID,\ inputFilePattern=INPUT_FILE_PATTERN
Ganti kode berikut:
JOB_NAME
: nama tugas unik pilihan AndaVERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan template versi terbaru, yang tersedia di folder induk tanpa tanggal di bucket—gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat dalam folder induk bertanggal masing-masing di bucket—gs://dataflow-templates-REGION_NAME/
REGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
BIGTABLE_PROJECT_ID
: ID Google Cloud project instance Bigtable tempat Anda ingin membaca dataINSTANCE_ID
: ID instance Bigtable yang berisi tabelTABLE_ID
: ID tabel Bigtable yang akan dieksporINPUT_FILE_PATTERN
: pola jalur Cloud Storage tempat data berada, misalnya,gs://mybucket/somefolder/prefix*
API
Untuk menjalankan template menggunakan REST API, kirim permintaan POST HTTP. Untuk mengetahui informasi selengkapnya tentang
API dan cakupan otorisasinya, lihat
projects.templates.launch
.
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/GCS_Parquet_to_Cloud_Bigtable { "jobName": "JOB_NAME", "parameters": { "bigtableProjectId": "BIGTABLE_PROJECT_ID", "bigtableInstanceId": "INSTANCE_ID", "bigtableTableId": "TABLE_ID", "inputFilePattern": "INPUT_FILE_PATTERN", }, "environment": { "zone": "us-central1-f" } }
Ganti kode berikut:
PROJECT_ID
: ID project Google Cloud tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaVERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan template versi terbaru, yang tersedia di folder induk tanpa tanggal di bucket—gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat dalam folder induk bertanggal masing-masing di bucket—gs://dataflow-templates-REGION_NAME/
LOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
BIGTABLE_PROJECT_ID
: ID Google Cloud project instance Bigtable tempat Anda ingin membaca dataINSTANCE_ID
: ID instance Bigtable yang berisi tabelTABLE_ID
: ID tabel Bigtable yang akan dieksporINPUT_FILE_PATTERN
: pola jalur Cloud Storage tempat data berada, misalnya,gs://mybucket/somefolder/prefix*
Langkah berikutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.