Crea un repositorio de Dataform

En este documento, se muestra cómo crear un repositorio, configurar y editar la cuenta de servicio del repositorio, y borrar un repositorio en Dataform.

Cuando creas un repositorio de Dataform, debes establecer la siguiente configuración del repositorio:

ID del repositorio

Un ID único del repositorio. Los ID solo pueden incluir números, letras, guiones y guiones bajos.

Región

Región de Dataform para almacenar el repositorio y su contenido.

Esta región de almacenamiento puede ser diferente de la región de procesamiento en la que Dataform procesa tu código y almacena el resultado de las ejecuciones. De forma predeterminada, la región de procesamiento es la región predeterminada de tu conjunto de datos de BigQuery. Puedes editar la región de procesamiento en el archivo de configuración del flujo de trabajo después de crear el repositorio. Para obtener más información, consulta Establece la configuración de Dataform.

Cuenta de servicio

La cuenta de servicio asociada con el repositorio. Puedes seleccionar la cuenta de servicio predeterminada de Dataform, una cuenta de servicio asociada a tu proyecto de Google Cloud, o bien ingresar de forma manual una cuenta de servicio diferente. De forma predeterminada, Dataform usa una cuenta de servicio derivada del número de tu proyecto en el siguiente formato:

[e-mail]

Dataform usa la cuenta de servicio predeterminada para todas las operaciones del repositorio. Puedes usar una cuenta de servicio diferente para ejecutar flujos de trabajo en tu repositorio, pero la cuenta de servicio predeterminada se sigue usando para todas las demás operaciones del repositorio.

Encriptación

Es el método de encriptación del repositorio. Puedes usar la encriptación predeterminada o aplicar una clave de encriptación de Cloud KMS administrada por el cliente. Para obtener más información sobre el uso de claves de encriptación administradas por el cliente (CMEK) en Dataform, consulta Usa claves de encriptación administradas por el cliente.

Después de crear un repositorio, puedes conectarlo a GitHub o GitLab.

Importante: Para crear un repositorio de Dataform conectado a un repositorio de Git remoto que no está incluido en la lista de entidades permitidas de la política dataform.restrictGitRemotes, primero agrega el repositorio de Git remoto a la lista allowedValues de la política y, luego, crea un repositorio de Dataform nuevo y conéctalo al repositorio remoto. Para obtener más información, consulta Restringe repositorios remotos.

Antes de comenzar

1. Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

4. Habilita las API de BigQuery and Dataform.

   Habilita las API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Asegúrate de que la facturación esté habilitada para tu proyecto de Google Cloud.

7. Habilita las API de BigQuery and Dataform.

   Habilita las API

8. Si quieres usar la encriptación CMEK para el repositorio, habilita la encriptación CMEK para los repositorios de Dataform.

Importante: Antes de crear un repositorio de Dataform que desees conectar a un repositorio de Git remoto, verifica si tu organización o proyecto restringe los repositorios remotos de Git con la política de la organización dataform.restrictGitRemotes. Si aplicas la política, asegúrate de que el repositorio remoto esté en la lista de entidades permitidas antes de crear el repositorio de Dataform y conectarlo al repositorio remoto. Para obtener más información, consulta Restringe repositorios remotos

Funciones obligatorias

Si quieres obtener los permisos que necesitas para crear y borrar un repositorio, pídele a tu administrador que te otorgue el rol de IAM de Administrador de Dataform (roles/dataform.admin) en los repositorios. Para obtener más información sobre cómo otorgar roles, consulta Administra el acceso.

Es posible que también puedas obtener los permisos necesarios a través de funciones personalizadas o, también, otras funciones predefinidas.

Para usar una cuenta de servicio que no sea la predeterminada de Dataform, otorga acceso a la cuenta de servicio personalizada.

Nota: Una cuenta de servicio personalizada asociada con un repositorio de Dataform solo se usa para ejecutar los flujos de trabajo de ese repositorio. La cuenta de servicio predeterminada de Dataform realiza todas las demás operaciones del repositorio.

Crear un repositorio

Para crear un repositorio de Dataform, sigue estos pasos:

1. En la consola de Google Cloud, ve a la página Dataform.

   Ir a Dataform

2. Haz clic en Crear repositorio.

3. En la página Crear repositorio, en el campo ID del repositorio, ingresa un ID único.

   Los IDs solo pueden incluir números, letras, guiones y guiones bajos.

4. En la lista desplegable Región, selecciona una región de Dataform para almacenar el repositorio y su contenido. Selecciona la región de Dataform más cercana a tu ubicación.

   Para obtener una lista de las regiones de Dataform disponibles, consulta Ubicaciones. La región del repositorio no tiene que coincidir con la ubicación de los conjuntos de datos de BigQuery.

   En el archivo workflow_settings.yaml, puedes configurar la región de procesamiento en la que Dataform procesa tu código y almacena el resultado de las ejecuciones. La región de procesamiento debe coincidir con la ubicación de tus conjuntos de datos de BigQuery, pero no es necesario que coincida con la región del repositorio. Para obtener más información, consulta Establece la configuración de Dataform.

5. En el menú desplegable Cuenta de servicio, selecciona una cuenta de servicio para el repositorio.

   En el menú desplegable, puedes seleccionar la cuenta de servicio predeterminada de Dataform o cualquier cuenta de servicio asociada con tu proyecto de Google Cloud a la que tienes acceso. Ten en cuenta que las cuentas de servicio personalizadas solo se usan para la ejecución del flujo de trabajo. La cuenta de servicio predeterminada de Dataform realiza todas las demás operaciones del repositorio.

   1. Opcional: Para seleccionar una cuenta de servicio que no se muestra en el menú desplegable, haz clic en Ingresar manualmente y, luego, ingresa un ID de cuenta de servicio.

6. En la sección Encriptación, selecciona el método de encriptación para el repositorio.

   1. Para usar la encriptación predeterminada, selecciona la opción Clave de encriptación administrada por Google.

   2. Para usar CMEK, selecciona la opción Claves de encriptación administradas por el cliente (CMEK).

      1. En el menú desplegable Selecciona una clave administrada por el cliente, selecciona una clave CMEK para el repositorio.
   Nota: No puedes cambiar el mecanismo de encriptación de un repositorio de Dataform después de crearlo.

   Para obtener más información, consulta Restricciones de CMEK de Dataform.

7. Haz clic en Crear y, luego, en Listo.

Edita la cuenta de servicio

Puedes asociar una cuenta de servicio personalizada con un repositorio de Dataform para la ejecución del flujo de trabajo. La cuenta de servicio predeterminada de Dataform realiza todas las demás operaciones del repositorio.

Para editar la cuenta de servicio de un repositorio de Dataform, sigue estos pasos:

1. En la consola de Google Cloud, ve a la página Dataform.

   Ir a Dataform

2. Selecciona un repositorio y, luego, haz clic en Configuración.

3. En el campo Cuenta de servicio, haz clic en Editar cuenta de servicio.

4. En el menú desplegable Cuenta de servicio, selecciona una cuenta de servicio para el repositorio.

   En el menú desplegable, puedes seleccionar la cuenta de servicio predeterminada de Dataform o cualquier cuenta de servicio asociada con tu proyecto de Google Cloud a la que tienes acceso.

   1. Opcional: Para seleccionar una cuenta de servicio que no se muestra en el menú desplegable, haz clic en Ingresar manualmente y, luego, ingresa un ID de cuenta de servicio.

5. Haz clic en Guardar.

Borra un repositorio

Para borrar un repositorio y todo su contenido, sigue estos pasos:

1. En la consola de Google Cloud, ve a la página Dataform.

   Ir a Dataform

2. Junto al repositorio que deseas borrar, haz clic en el menú Más y, luego, selecciona Borrar.

3. En la ventana Borrar repositorio, ingresa el nombre del repositorio para confirmar su eliminación.

4. Haz clic en Borrar.

¿Qué sigue?

• Si quieres aprender a definir la configuración del procesamiento de Dataform, consulta Configura Dataform.

• Para obtener información sobre cómo vincular un repositorio de Dataform a un proveedor de Git de terceros, consulta Conéctate a un repositorio de Git de terceros.

• Para obtener más información sobre el uso de CMEK en Dataform, consulta Usa claves de encriptación administradas por el cliente.

• Si quieres obtener información para crear un lugar de trabajo de desarrollo, consulta Crea un lugar de trabajo.