Modello di sottoscrizione Pub/Sub a BigQuery

Il modello di sottoscrizione Pub/Sub a BigQuery è una pipeline di inserimento flussi che legge i messaggi in formato JSON da una sottoscrizione Pub/Sub e li scrive in una tabella BigQuery. Puoi utilizzare il modello come soluzione rapida per spostare i dati Pub/Sub in BigQuery. Il modello legge i messaggi in formato JSON da Pub/Sub e li converte in elementi BigQuery.

Requisiti della pipeline

  • Il campo data dei messaggi Pub/Sub deve utilizzare il formato JSON, descritto in questa guida a JSON. Ad esempio, i messaggi con valori nel campo data formattato come {"k1":"v1", "k2":"v2"} possono essere inseriti in una tabella BigQuery con due colonne, denominate k1 e k2, con un tipo di dati stringa.
  • La tabella di output deve esistere prima dell'esecuzione della pipeline. Lo schema della tabella deve corrispondere agli oggetti JSON di input.

Parametri del modello

Parametro Descrizione
inputSubscription La sottoscrizione di input Pub/Sub da cui leggere, nel formato projects/<project>/subscriptions/<subscription>.
outputTableSpec La posizione della tabella di output BigQuery, nel formato <my-project>:<my-dataset>.<my-table>
outputDeadletterTable La tabella BigQuery per i messaggi che non sono riusciti a raggiungere la tabella di output, nel formato <my-project>:<my-dataset>.<my-table>. Se non esiste, viene creato durante l'esecuzione della pipeline. Se non specificato, viene utilizzato OUTPUT_TABLE_SPEC_error_records.
javascriptTextTransformGcsPath (Facoltativo) L'URI Cloud Storage del file .js che definisce la funzione JavaScript definita dall'utente che vuoi utilizzare. Ad esempio: gs://my-bucket/my-udfs/my_file.js.
javascriptTextTransformFunctionName (Facoltativo) Il nome della funzione definita dall'utente di JavaScript che vuoi 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, consulta gli esempi di funzioni definite dall'utente.

Funzione definita dall'utente

Facoltativamente, puoi estendere questo modello scrivendo una funzione definita dall'utente (UDF). Il modello chiama la funzione definita dall'utente per ogni elemento di input. I payload degli elementi sono serializzati come stringhe JSON. Per ulteriori informazioni, consulta Creare funzioni definite dall'utente per i modelli Dataflow.

Specifica della funzione

La funzione definita dall'utente ha le seguenti specifiche:

  • Input: il campo dei dati del messaggio Pub/Sub, serializzato come stringa JSON.
  • Output: una stringa JSON corrispondente allo schema della tabella di destinazione BigQuery.
  • Esegui il modello

    Console

    1. Vai alla pagina Crea job da modello di Dataflow.
    2. Vai a Crea job da modello
    3. Nel campo Nome job, inserisci un nome univoco per il job.
    4. (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.

    5. Nel menu a discesa Modello Dataflow, seleziona the Pub/Sub Subscription to BigQuery template.
    6. Nei campi dei parametri forniti, inserisci i valori dei parametri.
    7. (Facoltativo) Per passare dall'elaborazione "exactly-once" alla modalità di streaming "at-least-once", seleziona Almeno una volta.
    8. Fai clic su Esegui job.

    gcloud

    Nella shell o nel terminale, esegui il modello:

    gcloud dataflow jobs run JOB_NAME \
        --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/PubSub_Subscription_to_BigQuery \
        --region REGION_NAME \
        --staging-location STAGING_LOCATION \
        --parameters \
    inputSubscription=projects/PROJECT_ID/subscriptions/SUBSCRIPTION_NAME,\
    outputTableSpec=PROJECT_ID:DATASET.TABLE_NAME,\
    outputDeadletterTable=PROJECT_ID:DATASET.TABLE_NAME
    

    Sostituisci quanto segue:

    • JOB_NAME: un nome job univoco a tua scelta
    • REGION_NAME: la regione in cui vuoi eseguire il deployment del job Dataflow, ad esempio us-central1
    • VERSION: la versione del modello che vuoi utilizzare

      Puoi utilizzare i seguenti valori:

    • STAGING_LOCATION: la posizione per la gestione temporanea dei file locali (ad esempio, gs://your-bucket/staging)
    • SUBSCRIPTION_NAME: nome della sottoscrizione Pub/Sub
    • DATASET: il tuo set di dati BigQuery
    • TABLE_NAME: nome della tua tabella BigQuery

    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/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/PubSub_Subscription_to_BigQuery
    {
       "jobName": "JOB_NAME",
       "parameters": {
           "inputSubscription": "projects/PROJECT_ID/subscriptions/SUBSCRIPTION_NAME",
           "outputTableSpec": "PROJECT_ID:DATASET.TABLE_NAME"
       },
       "environment": {
           "ipConfiguration": "WORKER_IP_UNSPECIFIED",
           "additionalExperiments": []
       },
    }
    

    Sostituisci quanto segue:

    • PROJECT_ID: l'ID del progetto Google Cloud in cui vuoi eseguire il job Dataflow
    • JOB_NAME: un nome job univoco a tua scelta
    • LOCATION: la regione in cui vuoi eseguire il deployment del job Dataflow, ad esempio us-central1
    • VERSION: la versione del modello che vuoi utilizzare

      Puoi utilizzare i seguenti valori:

    • STAGING_LOCATION: la posizione per la gestione temporanea dei file locali (ad esempio, gs://your-bucket/staging)
    • SUBSCRIPTION_NAME: nome della sottoscrizione Pub/Sub
    • DATASET: il tuo set di dati BigQuery
    • TABLE_NAME: nome della tua tabella BigQuery

    Passaggi successivi