从旧版 Dataform 迁移

旧版 Dataform 将于 2024 年 2 月 26 日弃用，届时您将无法访问旧版项目。 本文档介绍了 Google Cloud 中旧版 Dataform 与 Dataform 之间的区别，以及如何将旧版 Dataform 项目导入 Google Cloud 中的 Dataform。

关于 Google Cloud 中的旧版 Dataform 和 Dataform 之间的差异

Dataform 是一种无服务器服务，可供数据分析师开发表、增量表或视图并将其部署到 BigQuery。Dataform 为 SQL 工作流开发、与 GitHub、GitLab 和 Bitbucket Cloud 连接、持续集成、持续部署和工作流执行提供了一个 Web 环境。

Google Cloud 中的 Dataform 与旧版 Dataform 的不同之处体现在以下几个方面：

  • Google Cloud 中的 Dataform 支持将 Dataform 代码库连接到 Bitbucket Cloud 代码库。
  • 访问权限控制以 IAM 为基础。

  • 移除了 dataform.json 中查询并发限制 (concurrentQueryLimit) 的配置。

    在旧版 Dataform 中，并发限制阻止了 Dataform 向 BigQuery 发送过多的并发查询。如需在 Google Cloud 中管理 Dataform 中的并发，我们建议您启用 BigQuery 查询队列。

  • 旧环境已被版本配置取代。

  • 旧版时间表已被工作流配置取代。

  • 工作流失败提醒在 Cloud Logging 中配置。

  • Google Cloud 中的 Dataform 和旧版 Dataform 使用不同的 NPM 版本和不同格式的 package-lock.json。

    如需同时使用旧版 Dataform 和 Google Cloud 中的 Dataform 开发 SQL 工作流，请使用旧版 package-lock.json 格式进行软件包安装。在完全迁移到 Google Cloud 中的 Dataform 之前，请勿在 Google Cloud 的 Dataform 中安装软件包。

如需详细了解 Google Cloud 中 Dataform 的功能，请参阅 Dataform 功能概览。

Google Cloud 目前尚不支持的旧版 Dataform 功能

目前，Google Cloud 的 Dataform 不支持旧版 Dataform 的以下功能：

  • 配置一致的出站 IP 地址。若要允许使用 Dataform IP 与第三方远程代码库，必须配置一致的出站 IP 地址。

  • 目前不支持在开发工作区的 Code 标签页中设置代码格式。

  • 手动运行单元测试。

  • 目前不支持在开发工作区中搜索文件名和文件内容。

  • 目前不支持在开发工作区中使用标签页。

随着 Google Cloud 中 Dataform 的新功能的发布，此列表将不断更新。

已知限制

Google Cloud 中的 Dataform 具有以下已知限制：

  • Google Cloud 中的 Dataform 在普通的 V8 运行时上运行，不支持 Node.js 提供的其他功能和模块。如果您的现有代码库需要任何 Node.js 模块，您需要移除这些依赖项。

    每次安装软件包时，package.json 中不含名称字段的项目都会在 package-lock.json 上生成差异。为避免出现这种情况，您需要在 package.json 中添加 name 属性。

  • 目前不支持 package.json 中的依赖项的 git+https:// 网址。

    将此类网址转换为普通的 https:// 归档网址。例如，将 git+https://github.com/dataform-co/dataform-segment.git#1.5 转换为 https://github.com/dataform-co/dataform-segment/archive/1.5.tar.gz。

须知事项

  1. 登录您的 Google Cloud 帐号。如果您是 Google Cloud 新手，请创建一个帐号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

  2. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

    转到“项目选择器”

  3. 确保您的 Google Cloud 项目已启用结算功能。

  4. 启用 BigQuery and Dataform API。

    启用 API

    5.

  5. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

    转到“项目选择器”

  6. 确保您的 Google Cloud 项目已启用结算功能。

  7. 启用 BigQuery and Dataform API。

    启用 API

    8.

所需的角色

如需获取导入旧版项目所需的权限，请让管理员授予您代码库的 Dataform Admin (roles/dataform.admin) IAM 角色。如需详细了解如何授予角色，请参阅管理访问权限。

您也可以通过自定义角色或其他预定义角色来获取所需的权限。

导入旧版项目

如需在 Google Cloud 的 Dataform 中导入旧版项目，请在 Google Cloud 控制台中执行以下步骤：

  1. 确保 app.dataform.co 中的 Dataform 项目已连接到 GitHub 或 GitLab。

  2. 在 Google Cloud 控制台中，转到 Dataform 页面。

    转到 Dataform 页面

  3. 创建新代码库。

  4. 将代码库连接到包含旧版项目的远程 Git 代码库。

配置导入的 Dataform 项目

如需将旧版项目调整为 Google Cloud 中的 Dataform，请按以下步骤操作：

  1. 在 Google Cloud 控制台中，转到 Dataform 页面。

    转到 Dataform 页面

  2. 选择您的代码库。

  3. 创建开发工作区。

  4. 进入开发工作区。

  5. 在 dataform.json 中，添加 defaultLocation 参数。此参数会被 app.dataform.co 忽略。

    "defaultLocation": "DATASET_LOCATION",

    将 DATASET_LOCATION 替换为 BigQuery 数据集的默认位置，例如 US、EU 或 us-east1。

  6. 删除 package-lock.json。

  7. 在 package.json 中，执行以下操作：

    1. 将 @dataform/core 升级到 2.3.2 或更高版本。

    2. 请按以下格式添加软件包名称：

      {
    "name": "PACKAGE_NAME",
    "dependencies": {
        "@dataform/core": "^2.3.2"
    }
}

      将 PACKAGE_NAME 替换为您的 Dataform 软件包的名称，例如您的项目名称。

    3. 将 package.json 依赖项中的 git+https:// 网址转换为普通的 https:// 归档网址。

      例如，将 git+https://github.com/dataform-co/dataform-segment.git#1.5 转换为 https://github.com/dataform-co/dataform-segment/archive/1.5.tar.gz。

      如果您在预构建的 Dataform 软件包中使用 git+https:// 网址，请在其发布页面（例如 dataform-segment 发布页面）上查看这些软件包的更新安装说明。

  8. 配置 BigQuery 权限和用户权限。

  9. 将环境从 environments.json 迁移到发布配置。

  10. 将时间表从 environments.json 迁移到工作流配置。

  11. 通过 Cloud Logging 配置提醒。

后续步骤