Il modello da SQL Server a BigQuery è una pipeline batch che copia i dati da una tabella SQL Server in una tabella BigQuery esistente. Questa pipeline utilizza JDBC per connettersi a SQL Server. Per un ulteriore livello di protezione, può anche passare in una chiave Cloud KMS insieme a nome utente, password e stringa di connessione codificati in Base64 sono crittografati con la chiave Cloud KMS. Per ulteriori informazioni sulla crittografia di nome utente, password e parametri della stringa di connessione, vedi il Crittografia API Cloud KMS endpoint.
Requisiti della pipeline
- La tabella BigQuery deve esistere prima dell'esecuzione della pipeline.
- La tabella BigQuery deve avere uno schema compatibile.
- Il database relazionale deve essere accessibile dalla subnet in cui viene eseguito Dataflow.
Parametri del modello
Parametri obbligatori
- driverJars: l'elenco separato da virgole dei file JAR del driver. Esempio: gs://your-bucket/driver_jar1.jar,gs://your-bucket/driver_jar2.jar.
- driverClassName: il nome della classe del driver JDBC. ad esempio com.mysql.jdbc.Driver.
- connectionURL: la stringa dell'URL di connessione JDBC. Ad esempio,
jdbc:mysql://some-host:3306/sampledb
. Puoi passare questo valore come stringa criptata con una chiave Cloud KMS e poi codificata in Base64. Rimuovi gli spazi dalla stringa codificata Base64. Nota la differenza tra una stringa di connessione al database Oracle non-RAC (jdbc:oracle:thin:@some-host:<port>:<sid>
) e una stringa di connessione al database Oracle RAC (jdbc:oracle:thin:@//some-host[:<port>]/<service_name>
). (Esempio: jdbc:mysql://some-host:3306/sampledb). - outputTable : la posizione della tabella di output BigQuery. (Esempio: <PROJECT_ID>:<DATASET_NAME>.<TABLE_NAME>).
- bigQueryLoadingTemporaryDirectory : la directory temporanea per il processo di caricamento di BigQuery. ad esempio gs://your-bucket/your-files/temp_dir.
Parametri facoltativi
- connectionProperties : la stringa delle proprietà da utilizzare per la connessione JDBC. Il formato della stringa deve essere
[propertyName=property;]*
.Per ulteriori informazioni, consulta Proprietà di configurazione (https://dev.mysql.com/doc/connector-j/8.1/en/connector-j-reference-configuration-properties.html) nella documentazione MySQL. Esempio: unicode=true;characterEncoding=UTF-8. - nomeutente : il nome utente da utilizzare per la connessione JDBC. Puoi passare questo valore come stringa criptata con una chiave Cloud KMS e poi codificata in Base64. Rimuovi gli spazi dalla stringa codificata Base64.
- password : la password da utilizzare per la connessione JDBC. Puoi passare questo valore come stringa criptata con una chiave Cloud KMS e poi codificata in Base64. Rimuovi i caratteri di spaziatura dalla stringa codificata Base64.
- query : la query da eseguire sull'origine per estrarre i dati. Tieni presente che alcuni tipi SQL JDBC e BigQuery, anche se condividono lo stesso nome, hanno alcune differenze. Ecco alcune mappature di tipi SQL -> BigQuery importanti da tenere a mente: DATETIME --> TIMESTAMP
Se gli schemi non corrispondono, potrebbe essere necessaria la trasmissione del tipo. (Esempio: seleziona * da sampledb.tabella_di_esempio).
- KMSEncryptionKey : la chiave di crittografia di Cloud KMS da utilizzare per decriptare il nome utente, la password e la stringa di connessione. Se passi in una chiave Cloud KMS, devi anche criptare il nome utente, la password e la stringa di connessione. ad esempio projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key.
- useColumnAlias: se impostato su
true
, la pipeline utilizza l'alias della colonna (AS
) anziché il nome della colonna per mappare le righe a BigQuery. Il valore predefinito èfalse
. - isTruncate : se impostato su
true
, la pipeline viene troncata prima di caricare i dati in BigQuery. Il valore predefinito èfalse
, che fa sì che la pipeline aggiunga i dati. - partitionColumn: se a questo parametro viene fornito il nome della colonna
table
definita come parametro facoltativo, JdbcIO legge la tabella in parallelo eseguendo più istanze della query sulla stessa tabella (sottoquery) utilizzando gli intervalli. Attualmente sono supportate soloLong
colonne di partizione. - table: la tabella da leggere quando si utilizzano le partizioni. Questo parametro accetta anche una sottoquery tra parentesi. (Esempio: (seleziona ID, nome da Persona) come sottoq.
- numPartitions : il numero di partizioni. Con i limiti inferiore e superiore, questo valore forma gli intervalli di partizione per le espressioni della clausola
WHERE
generate che vengono utilizzate per suddividere la colonna della partizione in modo uniforme. Quando l'input è inferiore a1
, il numero viene impostato su1
. - lowerBound : il limite inferiore da utilizzare nello schema di partizione. Se non viene fornito, questo valore viene dedotto automaticamente da Apache Beam per i tipi supportati.
- upperBound : il limite superiore da utilizzare nello schema di partizione. Se non viene fornito, questo valore viene dedotto automaticamente da Apache Beam per i tipi supportati.
- fetchSize : il numero di righe da recuperare contemporaneamente dal database. Non utilizzato per le letture partizionate. Il valore predefinito è 50.000.
- createDisposition : il valore CreateDisposition di BigQuery da utilizzare. Ad esempio,
CREATE_IF_NEEDED
oCREATE_NEVER
. Il valore predefinito è: CREATE_NEVER. - bigQuerySchemaPath : il percorso Cloud Storage per lo schema JSON di BigQuery. Se
createDisposition
è impostato su CREATE_IF_NEEDED, è necessario specificare questo parametro. ad esempio gs://your-bucket/your-schema.json. - disabledAlgorithms: gli algoritmi da disattivare separati da virgole. Se questo valore è impostato su Nessuno, nessun algoritmo viene disabilitato. Usa questo parametro con cautela, perché gli algoritmi disabilitati per impostazione predefinita potrebbero presentare vulnerabilità o problemi di prestazioni. (Esempio: SSLv3, RC4).
- extraFilesToStage : percorsi Cloud Storage o secret di Secret Manager separati da virgola per i file da inserire nel worker. Questi file vengono salvati nella directory /extra_files in ogni worker. Esempio: gs://
- defaultLogLevel : imposta il livello di log nei worker. Le opzioni supportate sono OFF, ERROR, WARN, INFO, DEBUG, TRACE. Il valore predefinito è INFO.
- useStorageWriteApi : se
true
, la pipeline utilizza l'API BigQuery StorageWrite (https://cloud.google.com/bigquery/docs/write-api). Il valore predefinito èfalse
. Per ulteriori informazioni, consulta Utilizzo dell'API StorageWrite (https://beam.apache.org/documentation/io/built-in/google-bigquery/#storage-write-api). - 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-once", imposta il parametro sufalse
. Questo parametro si applica solo quandouseStorageWriteApi
ètrue
. Il valore predefinito èfalse
.
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. Il valore predefinito
è
us-central1
.Per un elenco di regioni in cui è possibile eseguire un job Dataflow, consulta Località di Dataflow.
- Dal menu a discesa Modello Dataflow, seleziona the SQL Server to BigQuery 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/SQLServer_to_BigQuery \ --parameters \ connectionURL=JDBC_CONNECTION_URL,\ query=SOURCE_SQL_QUERY,\ outputTable=PROJECT_ID:DATASET.TABLE_NAME, bigQueryLoadingTemporaryDirectory=PATH_TO_TEMP_DIR_ON_GCS,\ connectionProperties=CONNECTION_PROPERTIES,\ username=CONNECTION_USERNAME,\ password=CONNECTION_PASSWORD,\ KMSEncryptionKey=KMS_ENCRYPTION_KEY
Sostituisci quanto segue:
JOB_NAME
: un nome di job univoco a tua sceltaVERSION
: 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/
REGION_NAME
: la regione in cui vuoi di eseguire il deployment del job Dataflow, ad esempious-central1
JDBC_CONNECTION_URL
: URL di connessione JDBCSOURCE_SQL_QUERY
: la query SQL da eseguire sull'origine databaseDATASET
: il tuo set di dati BigQueryTABLE_NAME
: il nome della tua tabella BigQueryPATH_TO_TEMP_DIR_ON_GCS
: il percorso Cloud Storage del percorso directory temporaneaCONNECTION_PROPERTIES
: le proprietà di connessione JDBC, se necessarioCONNECTION_USERNAME
: il nome utente della connessione JDBCCONNECTION_PASSWORD
: la password di connessione JDBCKMS_ENCRYPTION_KEY
: la chiave di crittografia di Cloud KMS
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 { "launchParameter": { "jobName": "JOB_NAME", "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/SQLServer_to_BigQuery" "parameters": { "connectionURL": "JDBC_CONNECTION_URL", "query": "SOURCE_SQL_QUERY", "outputTable": "PROJECT_ID:DATASET.TABLE_NAME", "bigQueryLoadingTemporaryDirectory": "PATH_TO_TEMP_DIR_ON_GCS", "connectionProperties": "CONNECTION_PROPERTIES", "username": "CONNECTION_USERNAME", "password": "CONNECTION_PASSWORD", "KMSEncryptionKey":"KMS_ENCRYPTION_KEY" }, "environment": { "zone": "us-central1-f" } } }
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 sceltaVERSION
: 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 , che puoi trovare nidificata nella rispettiva cartella principale con data del bucket: gs://dataflow-templates-REGION_NAME/
LOCATION
: la regione in cui vuoi eseguire il deployment del job Dataflow, ad esempious-central1
JDBC_CONNECTION_URL
: URL di connessione JDBCSOURCE_SQL_QUERY
: la query SQL da eseguire sull'origine databaseDATASET
: il tuo set di dati BigQueryTABLE_NAME
: il nome della tua tabella BigQueryPATH_TO_TEMP_DIR_ON_GCS
: il percorso Cloud Storage del percorso directory temporaneaCONNECTION_PROPERTIES
: le proprietà di connessione JDBC, se necessarioCONNECTION_USERNAME
: il nome utente della connessione JDBCCONNECTION_PASSWORD
: la password di connessione JDBCKMS_ENCRYPTION_KEY
: la chiave di crittografia di Cloud KMS
Passaggi successivi
- Scopri di più sui modelli Dataflow.
- Consulta l'elenco dei modelli forniti da Google.