Configura le impostazioni del flusso di lavoro Dataform

Questa pagina mostra come modificare le impostazioni di elaborazione del flusso di lavoro SQL Dataform per un repository specifico.

Ti consigliamo di modificare il file delle impostazioni per rinominare gli schemi o aggiungere variabili di compilazione personalizzate al tuo repository.

Informazioni sulle impostazioni del repository

Ogni repository Dataform contiene un file di impostazioni di flusso di lavoro univoco. Il file contiene l'ID progetto Google Cloud e lo schema in cui Dataform pubblica gli asset in BigQuery. Dataform utilizza impostazioni predefinite che puoi sostituire in base alle tue esigenze modificando il file di impostazioni.

A partire dalla versione Dataform Core 3.0.0, le impostazioni del flusso di lavoro vengono memorizzate nel file workflow_settings.yaml per impostazione predefinita. Nelle versioni precedenti di Dataform Core, le impostazioni del flusso di lavoro sono memorizzate nel file dataform.json. Il file workflow_settings.yaml di Dataform Core 3.0 è compatibile con le versioni precedenti di dataform.json. Puoi continuare a utilizzare dataform.json per memorizzare le impostazioni di flusso di lavoro. Come best practice, devi eseguire la migrazione delle impostazioni del flusso di lavoro del repository al formato workflow_settings.yaml per la compatibilità futura.

Informazioni su workflow_settings.yaml

Il file workflow_settings.yaml, introdotto in Dataform Core 3.0, memorizza le impostazioni del flusso di lavoro Dataform nel formato YAML.

Il seguente esempio di codice mostra un file workflow_settings.yaml di esempio:

  defaultProject: my-gcp-project-id
  defaultDataset: dataform
  defaultLocation: australia-southeast2
  defaultAssertionDataset: dataform_assertions

Nell'esempio di codice precedente, le coppie chiave-valore sono descritte come segue:

  • defaultProject: l'ID del tuo progetto Google Cloud BigQuery.
  • defaultDataset: il set di dati BigQuery in cui Dataform crea gli asset, chiamato dataform per impostazione predefinita.
  • defaultLocation: la regione del set di dati BigQuery predefinito. Per ulteriori informazioni sulle posizioni dei set di dati BigQuery, consulta Località dei set di dati. In questa posizione, Dataform elabora il codice e archivia i dati eseguiti. Questa regione di elaborazione deve corrispondere alla posizione degli set di dati BigQuery, ma non deve corrispondere alla regione del repository Dataform.
  • defaultAssertionDataset: il set di dati BigQuery in cui Dataform crea viste con i risultati delle asserzioni, chiamato dataform_assertions per impostazione predefinita.

Per maggiori informazioni sulle proprietà workflow_settings.yaml, consulta la pagina relativa al riferimento alle configurazioni per le impostazioni di flusso di lavoro su GitHub.

Puoi accedere alle proprietà definite in workflow_settings.yaml nel codice Dataform come proprietà dell'oggetto dataform.projectConfig.

Si applicano le seguenti mappature dalle opzioni workflow_settings.yaml alle opzioni dataform.projectConfig accessibili per il codice:

  • defaultProject => defaultDatabase.
  • defaultDataset => defaultSchema.
  • defaultAssertionDataset => assertionSchema.
  • projectSuffix => databaseSuffix.
  • datasetSuffix => schemaSuffix.
  • namePrefix => tablePrefix.

Il seguente esempio di codice mostra l'oggetto dataform.projectConfig a cui viene fatto riferimento in un'istruzione SELECT in una vista:

  config { type: "view" }
  SELECT ${when(
    !dataform.projectConfig.tablePrefix,
    "table prefix is set!",
    "table prefix is not set!"
  )}

Informazioni su dataform.json

Il file dataform.json memorizza le impostazioni del flusso di lavoro Dataform nel formato JSON.

Il seguente esempio di codice mostra un file dataform.json di esempio:

  {
    "warehouse": "bigquery",
    "defaultDatabase": "my-gcp-project-id",
    "defaultSchema": "dataform",
    "defaultLocation": "australia-southeast2",
    "assertionSchema": "dataform_assertions"
  }

Nell'esempio di codice precedente, le coppie chiave-valore sono descritte come segue:

  • warehouse: puntatore a BigQuery, dove Dataform crea gli asset.
  • defaultDatabase: l'ID del tuo progetto Google Cloud BigQuery.
  • defaultSchema: il set di dati BigQuery in cui Dataform crea gli asset.
  • defaultLocation: la regione del set di dati BigQuery predefinito. Per ulteriori informazioni sulle località dei set di dati BigQuery, consulta Località dei set di dati. In questa posizione, Dataform elabora il codice e archivia i dati eseguiti. Questa regione di elaborazione deve corrispondere alla località degli set di dati BigQuery, ma non deve corrispondere alla regione del repository Dataform.
  • assertionSchema: il set di dati BigQuery in cui Dataform crea viste con i risultati delle asserzioni, chiamato dataform_assertions per impostazione predefinita.

Puoi accedere alle proprietà definite in dataform.json nel codice del progetto come proprietà dell'oggetto dataform.projectConfig.

Prima di iniziare

  1. Crea un repository.

  2. Crea e inizializza un'area di lavoro di sviluppo nel tuo repository.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per configurare le impostazioni di Dataform, chiedi all'amministratore di concederti il ruolo IAM Amministratore Dataform (roles/dataform.admin) nei repository. Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

Configura i nomi degli schemi

Per configurare i nomi degli schemi, devi modificare le proprietà defaultDataset e defaultAssertionSchema nel file workflow_settings.yaml o le proprietà defaultSchema e assertionSchema nel file dataform.json.

Per configurare il nome di uno schema:

workflow_settings.yaml

  1. Nella tua area di lavoro di sviluppo, fai clic sul file workflow_settings.yaml nel riquadro File.

  2. Modifica il valore di defaultDataset, defaultAssertionSchema o di entrambi.

Il seguente esempio di codice mostra un nome defaultDataset personalizzato definito nel file workflow_settings.yaml:

  ...
  defaultDataset: mytables
  ...

dataform.json

  1. Nella tua area di lavoro di sviluppo, fai clic sul file dataform.json nel riquadro File.

  2. Modifica il valore di defaultSchema, assertionSchema o di entrambi.

Il seguente esempio di codice mostra un nome defaultSchema personalizzato definito nel dataform.json file:

{
  ...
  "defaultSchema": "mytables",
  ...
}

Creare variabili di compilazione personalizzate

Le variabili di compilazione contengono valori che puoi modificare con le override di compilazione in una configurazione di release o in una richiesta dell'API Dataform.

Dopo aver definito una variabile di compilazione in workflow_settings.yaml e averla aggiunta alle tabelle selezionate, puoi modificarne il valore in una configurazione di release o nelle sostituzione della compilazione dell'API Dataform per eseguire le tabelle in modo condizionale.

Per ulteriori informazioni sull'esecuzione condizionale delle tabelle mediante variabili di compilazione, consulta Introduzione al ciclo di vita del codice in Dataform.

Per creare una variabile di compilazione che puoi utilizzare in un repository:

workflow_settings.yaml

  1. Vai alla tua area di lavoro di sviluppo Dataform.
  2. Nel riquadro File, seleziona il file workflow_settings.yaml.
  3. Inserisci il seguente snippet di codice:

    "vars": {
      "YOUR_VARIABLE":"VALUE"
    }
    

    Sostituisci quanto segue:

    • YOUR_VARIABLE con un nome per la variabile.
    • VALUE con il valore predefinito della variabile di compilazione.

Il seguente esempio di codice mostra la variabile di compilazione myVariableName impostata su myVariableValue nel file workflow_settings.yaml:

...
vars:
  myVariableName: myVariableValue
...

Il seguente esempio di codice mostra il file workflow_settings.yaml con la variabile di compilazione executionSetting impostata su dev:

defaultProject: default_bigquery_database
defaultLocation: us-west1
defaultDataset: dataform_data,
vars:
executionSetting: dev

dataform.json

  1. Vai alla tua area di lavoro di sviluppo Dataform.
  2. Nel riquadro File, seleziona il file dataform.json.
  3. Inserisci il seguente snippet di codice:

    "vars": {
      "YOUR_VARIABLE":"VALUE"
    }
    

    Sostituisci quanto segue:

    • YOUR_VARIABLE con un nome per la variabile.
    • VALUE con il valore predefinito della variabile di compilazione.

Il seguente esempio di codice mostra la variabile di compilazione myVariableName impostata su myVariableValue nel file dataform.json:

{
  ...
  "vars": {
    "myVariableName": "myVariableValue"
  },
  ...
}

Il seguente esempio di codice mostra il file dataform.json con la variabile di compilazione executionSetting impostata su dev:

{
"warehouse": "bigquery",
"defaultSchema": "dataform_data",
"defaultDatabase": "default_bigquery_database".
"defaultLocation":"us-west-1",
"vars": {
"executionSetting":"dev"
}
}

Aggiungere una variabile di compilazione a una tabella

Per aggiungere una variabile di compilazione a un file di definizione della tabella SQLX:

  1. Vai alla tua area di lavoro di sviluppo Dataform.
  2. Nel riquadro File, seleziona un file di definizione della tabella SQLX.
  3. Nel file, inserisci una clausola when nel seguente formato:

    ${when(dataform.projectConfig.vars.YOUR_VARIABLE === "SET_VALUE", "CONDITION")}
    

    Sostituisci quanto segue:

    • YOUR_VARIABLE con il nome della variabile, ad esempio executionSetting.
    • SET_VALUE con un valore per la variabile, ad esempio staging.
    • CONDITION con una condizione per l'esecuzione della tabella.

Il seguente esempio di codice mostra un file SQLX di definizione della tabella con una clausola when e la variabile executionSetting che esegue il 10% dei dati nell'impostazione di esecuzione di staging:

  select
    *
  from ${ref("data")}
  ${when(
    dataform.projectConfig.vars.executionSetting === "staging",
    "where mod(farm_fingerprint(id) / 10) = 0",
  )}

Il seguente esempio di codice mostra un file SQLX di definizione della vista con una clausola when e la variabile myVariableName:

  config { type: "view" }
  SELECT ${when(
    dataform.projectConfig.vars.myVariableName === "myVariableValue",
    "myVariableName is set to myVariableValue!",
    "myVariableName is not set to myVariableValue!"
  )}

Esegui la migrazione delle impostazioni del flusso di lavoro in workflow_settings.yaml

Per assicurarti che il file delle impostazioni di flusso di lavoro sia compatibile con le versioni future del framework di Dataform, devi eseguire la migrazione delle impostazioni di flusso di lavoro dal file dataform.json al file workflow_settings.yaml.

Il file workflow_settings.yaml sostituisce il file dataform.json.

Se Dataform Core è l'unico pacchetto di dipendenze nel tuo repository, il file workflow_settings.yaml sostituisce anche il file package.json. Per maggiori informazioni sulla sostituzione di package.json con workflow_settings.yaml, consulta Gestire il pacchetto principale di Dataform.

La tabella seguente mostra la mappatura delle proprietà delle impostazioni di flusso di lavoro da dataform.json a workflow_settings.yaml:

Proprietà a dataform.json Proprietà a workflow_settings.yaml Descrizione
assertionSchema defaultAssertionDataset Obbligatorio. Il set di dati predefinito per le asserzioni.
defaultDatabase defaultProject Obbligatorio. Il nome predefinito del progetto Google Cloud.
defaultLocation defaultLocation Obbligatorio. La posizione BigQuery predefinita in cui Dataform creerà le tabelle. Per ulteriori informazioni sulle località di BigQuery, consulta Località dei set di dati.
defaultSchema defaultDataset Obbligatorio. Il set di dati predefinito.
databaseSuffix projectSuffix Facoltativo. Il suffisso da aggiungere a tutti i riferimenti ai progetti Google Cloud.
schemaSuffix datasetSuffix Facoltativo. Il suffisso da aggiungere a tutti i set di dati delle azioni.
tablePrefix namePrefix Facoltativo. Il prefisso da anteporre a tutti i nomi delle azioni.
vars vars Facoltativo. Variabili definite dall'utente rese disponibili al codice del progetto durante la compilazione. Un oggetto contenente un elenco di coppie key: value.
warehouse - Obbligatorio in dataform.json. Deve essere impostato su bigquery. Non disponibile in workflow_settings.yaml.
- dataformCoreVersion Non disponibile in dataform.json. Installato in workflow_settings.yaml per impostazione predefinita per i nuovi repository. Per saperne di più, consulta Gestire il pacchetto principale di Dataform.

Per eseguire la migrazione delle impostazioni di flusso di lavoro in workflow_settings.yaml:

  1. Nella console Google Cloud, vai alla pagina Dataform.

    Vai alla pagina Dataform

  2. Seleziona un repository e poi uno spazio di lavoro.

  3. Nel riquadro File, fai clic su AggiungiAggiungi, quindi su Crea file.

  4. Nel campo Aggiungi un percorso del file, inserisci workflow_settings.yaml.

  5. Fai clic su Crea file.

  6. Nel file workflow_settings.yaml, aggiungi le impostazioni del file dataform.json, mappate al formato YAML.

  7. Nel riquadro File, fai clic sul menu Altro accanto a dataform.json, quindi su Elimina.

  8. Per confermare l'eliminazione di dataform.json, fai clic su Elimina.

Il seguente esempio di codice mostra le impostazioni del flusso di lavoro definite in un file dataform.json:

{
  "warehouse": "bigquery",
  "defaultDatabase": "dataform-demos",
  "defaultLocation": "US",
  "defaultSchema": "dataform",
  "assertionSchema": "dataform_assertions"
  "vars": {
    "environmentName": "development"
  }
}

Il seguente esempio di codice mostra il file dataform.json precedente convertito in workflow_settings.yaml:

defaultProject: dataform-demos
defaultLocation: US
defaultDataset: dataform
defaultAssertionDataset: dataform_assertions
vars:
    environmentName: "development"

Passaggi successivi