Cloud Storage SequenceFile to Bigtable テンプレートは、Cloud Storage バケット内の SequenceFile からデータを読み取り、そのデータを Bigtable テーブルに書き込むパイプラインです。このテンプレートは、Cloud Storage から Bigtable にデータをコピーする場合に使用できます。
パイプラインの要件
- Bigtable テーブルが存在していること。
- パイプラインを実行する前に、入力 SequenceFiles が Cloud Storage バケット内に存在すること。
- 入力 SequenceFiles が Bigtable または HBase からエクスポートされていること。
テンプレートのパラメータ
必須パラメータ
- bigtableProject: データの書き込み先である Bigtable インスタンスが含まれている Google Cloud プロジェクトの ID。
- bigtableInstanceId: テーブルが含まれている Bigtable インスタンスの ID。
- bigtableTableId: エクスポートする Cloud Bigtable テーブルの ID。
- sourcePattern: データの場所への Cloud Storage パスパターン。(例: gs://your-bucket/your-path/prefix*)。
オプション パラメータ
- bigtableAppProfileId: インポートに使用する Bigtable アプリケーション プロファイルの ID。アプリケーション プロファイルを指定しない場合は、インスタンスのデフォルトのアプリケーション プロファイル(https://cloud.google.com/bigtable/docs/app-profiles#default-app-profile)が使用されます。
- mutationThrottleLatencyMs: 省略可。ミューテーション レイテンシのスロットリングを設定します(この機能を有効にします)。ミリ秒単位で値を設定します。デフォルト値は 0 です。
テンプレートを実行する
コンソール
- Dataflow の [テンプレートからジョブを作成] ページに移動します。 [テンプレートからジョブを作成] に移動
- [ジョブ名] フィールドに、固有のジョブ名を入力します。
- (省略可)[リージョン エンドポイント] で、プルダウン メニューから値を選択します。デフォルトのリージョンは
us-central1
です。Dataflow ジョブを実行できるリージョンのリストについては、Dataflow のロケーションをご覧ください。
- [Dataflow テンプレート] プルダウン メニューから、[ the SequenceFile Files on Cloud Storage to Cloud Bigtable template] を選択します。
- 表示されたパラメータ フィールドに、パラメータ値を入力します。
- [ジョブを実行] をクリックします。
gcloud
シェルまたはターミナルで、テンプレートを実行します。
gcloud dataflow jobs run JOB_NAME \ --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/GCS_SequenceFile_to_Cloud_Bigtable \ --region REGION_NAME \ --parameters \ bigtableProject=BIGTABLE_PROJECT_ID,\ bigtableInstanceId=INSTANCE_ID,\ bigtableTableId=TABLE_ID,\ bigtableAppProfileId=APPLICATION_PROFILE_ID,\ sourcePattern=SOURCE_PATTERN
次のように置き換えます。
JOB_NAME
: 一意の任意のジョブ名VERSION
: 使用するテンプレートのバージョン使用できる値は次のとおりです。
latest
: 最新バージョンのテンプレートを使用します。このテンプレートは、バケット内で日付のない親フォルダ(gs://dataflow-templates-REGION_NAME/latest/)にあります。- バージョン名(例:
2023-09-12-00_RC00
)。特定のバージョンのテンプレートを使用します。このテンプレートは、バケット内で対応する日付の親フォルダ(gs://dataflow-templates-REGION_NAME/)にあります。
REGION_NAME
: Dataflow ジョブをデプロイするリージョン(例:us-central1
)BIGTABLE_PROJECT_ID
: データを読み取る Bigtable インスタンスの Google Cloud プロジェクトの IDINSTANCE_ID
: テーブルが含まれている Bigtable インスタンスの IDTABLE_ID
: エクスポートする Bigtable テーブルの IDAPPLICATION_PROFILE_ID
: エクスポートに使用される Bigtable アプリケーション プロファイルの ID。SOURCE_PATTERN
: データが存在する Cloud Storage パスのパターン(例:gs://mybucket/somefolder/prefix*
)
API
REST API を使用してテンプレートを実行するには、HTTP POST リクエストを送信します。API とその認証スコープの詳細については、projects.templates.launch
をご覧ください。
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/GCS_SequenceFile_to_Cloud_Bigtable { "jobName": "JOB_NAME", "parameters": { "bigtableProject": "BIGTABLE_PROJECT_ID", "bigtableInstanceId": "INSTANCE_ID", "bigtableTableId": "TABLE_ID", "bigtableAppProfileId": "APPLICATION_PROFILE_ID", "sourcePattern": "SOURCE_PATTERN", }, "environment": { "zone": "us-central1-f" } }
次のように置き換えます。
PROJECT_ID
: Dataflow ジョブを実行する Google Cloud プロジェクトの IDJOB_NAME
: 一意の任意のジョブ名VERSION
: 使用するテンプレートのバージョン使用できる値は次のとおりです。
latest
: 最新バージョンのテンプレートを使用します。このテンプレートは、バケット内で日付のない親フォルダ(gs://dataflow-templates-REGION_NAME/latest/)にあります。- バージョン名(例:
2023-09-12-00_RC00
)。特定のバージョンのテンプレートを使用します。このテンプレートは、バケット内で対応する日付の親フォルダ(gs://dataflow-templates-REGION_NAME/)にあります。
LOCATION
: Dataflow ジョブをデプロイするリージョン(例:us-central1
)BIGTABLE_PROJECT_ID
: データを読み取る Bigtable インスタンスの Google Cloud プロジェクトの IDINSTANCE_ID
: テーブルが含まれている Bigtable インスタンスの IDTABLE_ID
: エクスポートする Bigtable テーブルの IDAPPLICATION_PROFILE_ID
: エクスポートに使用される Bigtable アプリケーション プロファイルの ID。SOURCE_PATTERN
: データが存在する Cloud Storage パスのパターン(例:gs://mybucket/somefolder/prefix*
)
次のステップ
- Dataflow テンプレートについて学習する。
- Google 提供のテンプレートのリストを確認する。