Créer et exécuter un workflow SQL dans Dataform

Créer et exécuter un workflow SQL dans Dataform

Ce guide de démarrage rapide vous présente le processus suivant dans Dataform pour créer un workflow SQL et l'exécuter dans BigQuery:

• Créez un dépôt Dataform.
• Créez et initialisez un espace de travail de développement Dataform.
• Créez une vue.
• Créez une table.
• Accordez à Dataform l'accès à BigQuery.
• Exécutez le workflow créé.
• Affichez les journaux d'exécution dans Dataform.
• Nettoyez les composants créés.

Avant de commencer

1. Connectez-vous à votre compte Google Cloud. Si vous débutez sur Google Cloud, créez un compte pour évaluer les performances de nos produits en conditions réelles. Les nouveaux clients bénéficient également de 300 $ de crédits gratuits pour exécuter, tester et déployer des charges de travail.

2. Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

   Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

   Accéder au sélecteur de projet

3. Vérifiez que la facturation est activée pour votre projet Google Cloud.

4. Activer les API BigQuery and Dataform.

   Activer les API

5. Dans Google Cloud Console, sur la page de sélection du projet, sélectionnez ou créez un projet Google Cloud.

   Remarque : Si vous ne comptez pas conserver les ressources créées dans cette procédure, créez un projet au lieu de sélectionner un projet existant. Après avoir suivi ces étapes, vous pouvez supprimer le projet. Cela entraîne la suppression de toutes les ressources qui lui sont associées.

   Accéder au sélecteur de projet

6. Vérifiez que la facturation est activée pour votre projet Google Cloud.

7. Activer les API BigQuery and Dataform.

   Activer les API

Rôles requis

Pour obtenir les autorisations nécessaires pour effectuer toutes les tâches de ce tutoriel, demandez à votre administrateur de vous attribuer les rôles IAM suivants:

• Administrateur Dataform (roles/dataform.admin) sur les dépôts
• Éditeur Dataform (roles/dataform.editor) sur les espaces de travail et les appels de workflow

Pour en savoir plus sur l'attribution de rôles, consultez la section Gérer les accès.

Vous pouvez également obtenir les autorisations requises via des rôles personnalisés ou d'autres rôles prédéfinis.

Créer un dépôt Dataform

1. Dans la console Google Cloud, accédez à la page Dataform.

   Accéder à Dataform

2. Cliquez sur Créer un dépôt.

3. Sur la page Créer un dépôt, procédez comme suit:

   1. Dans le champ ID du dépôt, saisissez quickstart-repository.

   2. Dans la liste Région, sélectionnez europe-west4.

   3. Cliquez sur Créer.

Créer et initialiser un espace de travail de développement Dataform

1. Dans la console Google Cloud, accédez à la page Dataform.

   Accéder à Dataform

2. Cliquez sur quickstart-repository.

3. Cliquez sur Créer un espace de travail de développement.

4. Dans la fenêtre Créer un espace de travail de développement, procédez comme suit:

   1. Dans le champ ID de l'espace de travail, saisissez quickstart-workspace.

   2. Cliquez sur Créer.

   La page de l'espace de travail de développement s'affiche.

5. Cliquez sur Initialiser l'espace de travail.

Remarque :Dataform initialise votre espace de travail avec un ensemble de répertoires et de fichiers de configuration contenant des paramètres par défaut pour le déploiement de workflows. Vous pouvez remplacer les paramètres par défaut dans le fichier dataform.json en fonction de vos besoins, mais il n'est pas obligatoire de déployer des workflows SQL sur BigQuery. Ce guide de démarrage rapide utilise les paramètres Dataform par défaut.

Créer une vue

Dans les sections suivantes, vous allez définir une vue que vous utiliserez plus tard comme source de données pour une table.

Créer un fichier SQLX pour définir une vue

1. Dans le volet Fichiers, à côté de definitions/, cliquez sur le menu Plus.

2. Cliquez sur Créer un fichier.

3. Dans le volet Créer un fichier, procédez comme suit:

   1. Dans le champ Ajouter un chemin d'accès au fichier, saisissez definitions/quickstart-source.sqlx.

   2. Cliquez sur Créer un fichier.

Définir une vue

1. Dans le volet Fichiers, développez le dossier des définitions.

2. Cliquez sur definitions/quickstart-source.sqlx.

3. Dans le fichier, saisissez l'extrait de code suivant :

   config {
     type: "view"
   }
   
   SELECT
     "apples" AS fruit,
     2 AS count
   UNION ALL
   SELECT
     "oranges" AS fruit,
     5 AS count
   UNION ALL
   SELECT
     "pears" AS fruit,
     1 AS count
   UNION ALL
   SELECT
     "bananas" AS fruit,
     0 AS count
   

4. Cliquez sur Format.

Créer une table

Dans les sections suivantes, vous allez définir le type de table dans un fichier SQLX, puis écrire une instruction SELECT pour définir la structure de la table dans le même fichier.

Créer un fichier SQLX pour définir une table

1. Dans le volet Fichiers, à côté de definitions/, cliquez sur le menu Plus, puis sélectionnez Créer un fichier.

2. Dans le champ Ajouter un chemin d'accès au fichier, saisissez definitions/quickstart-table.sqlx.

3. Cliquez sur Créer un fichier.

Définir le type, la structure et les dépendances de la table

1. Dans le volet Fichiers, développez le répertoire definitions/.

2. Sélectionnez quickstart-table.sqlx, puis saisissez le type de table et l'instruction SELECT suivants:

   config {
     type: "table"
   }
   
   SELECT
     fruit,
     SUM(count) as count
   FROM ${ref("quickstart-source")}
   GROUP BY 1
   

3. Cliquez sur Format.

   Remarque :Dans l'extrait de code précédent, la fonction ref fait référence à la source de données. Pour en savoir plus, consultez Définir une table.

Après avoir défini le type de table, Dataform génère une erreur de validation de requête, car quickstart-source n'existe pas encore dans BigQuery. Cette erreur sera résolue lorsque vous exécuterez le workflow SQL, plus loin dans ce tutoriel.

Accorder à Dataform l'accès à BigQuery

Pour exécuter des workflows dans BigQuery, le compte de service Dataform doit disposer des rôles requis suivants:

• Éditeur de données BigQuery pour les projets pour lesquels Dataform a besoin d'un accès en lecture et en écriture. Ils incluent généralement le projet hébergeant votre dépôt Dataform.
• Lecteur de données BigQuery pour les projets pour lesquels Dataform a besoin d'un accès en lecture seule.
• Utilisateur de tâche BigQuery sur le projet hébergeant votre dépôt Dataform

Pour attribuer ces rôles, procédez comme suit:

1. Dans la console Google Cloud, accédez à la page IAM.

   Accéder à la page IAM

2. Cliquez sur Ajouter.

3. Dans le champ Nouveaux comptes principaux, saisissez l'ID de votre compte de service Dataform.

4. Dans la liste déroulante Sélectionnez un rôle, sélectionnez le rôle Utilisateur de job BigQuery.

5. Cliquez sur Ajouter un autre rôle, puis dans la liste déroulante Sélectionner un rôle, sélectionnez le rôle Éditeur de données BigQuery.

6. Cliquez sur Ajouter un autre rôle, puis dans la liste déroulante Sélectionner un rôle, sélectionnez le rôle Lecteur de données BigQuery.

7. Cliquez sur Enregistrer.

Exécuter le workflow

1. Dans la console Google Cloud, accédez à la page Dataform.

   Accéder à Dataform

2. Sur la page quickstart-workspace, cliquez sur Démarrer l'exécution.

3. Cliquez sur Toutes les actions.

4. Dans le volet Execute (Exécuter), cliquez sur Start execution (Démarrer l'exécution).

   Dataform utilise les paramètres de dépôt par défaut pour créer le contenu de votre workflow dans un ensemble de données BigQuery appelé dataform.

Afficher les journaux d'exécution dans Dataform

1. Sur la page quickstart-repository, cliquez sur Journaux d'exécution de workflow.

2. Pour afficher les détails de votre exécution, cliquez sur la dernière exécution.

Effectuer un nettoyage

Pour éviter que les ressources utilisées sur cette page soient facturées sur votre compte Google Cloud, procédez comme suit :

Supprimer l'ensemble de données créé dans BigQuery

Pour éviter que des frais ne vous soient facturés pour les éléments BigQuery, supprimez l'ensemble de données nommé dataform.

1. Dans la console Google Cloud, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans le panneau Explorateur, développez votre projet et sélectionnez dataform.

3. Cliquez sur le menu Actions , puis sélectionnez Supprimer.

4. Dans la boîte de dialogue Supprimer l'ensemble de données, saisissez delete dans le champ, puis cliquez sur Supprimer.

Supprimer l'espace de travail de développement Dataform

La création d'un espace de travail de développement Dataform n'entraîne aucuns frais. Pour le supprimer, procédez comme suit:

1. Dans la console Google Cloud, accédez à la page Dataform.

   Accéder à Dataform

2. Cliquez sur quickstart-repository.

3. Dans l'onglet Espaces de travail de développement, cliquez sur le menu Plus de quickstart-workspace, puis sélectionnez Supprimer.

4. Pour confirmer l'opération, cliquez sur Supprimer.

Supprimer le dépôt Dataform

La création d'un dépôt Dataform n'entraîne aucuns frais. Pour supprimer le dépôt, procédez comme suit:

1. Dans la console Google Cloud, accédez à la page Dataform.

   Accéder à Dataform

2. Dans quickstart-repository, cliquez sur le menu Plus, puis sélectionnez Supprimer.

3. Dans la fenêtre Supprimer le dépôt, saisissez le nom du dépôt pour confirmer la suppression.

4. Pour confirmer l'opération, cliquez sur Supprimer.

Étapes suivantes

• Pour en savoir plus sur Dataform, consultez la page Présentation de Dataform.

• Pour en savoir plus sur les fonctionnalités de Dataform, consultez la page Présentation des fonctionnalités de Dataform.

• Pour en savoir plus sur Dataform Core, consultez la page Présentation de Dataform Core.

• Pour savoir comment remplacer les paramètres Dataform par défaut de votre dépôt, consultez Configurer les paramètres Dataform.

• Pour en savoir plus sur la gestion des ensembles de données dans BigQuery, consultez la page Gérer les ensembles de données.

• Pour en savoir plus sur la gestion des tables dans BigQuery, consultez la page Gérer des tables.