Crea una malla de datos

Puedes usar Dataplex Universal Catalog para crear una arquitectura de malla de datos. En este inicio rápido, se muestra cómo usar las funciones de Dataplex Universal Catalog, como un lake, zonas y recursos, para compilar una malla de datos.

Una malla de datos es un enfoque organizacional y técnico que descentraliza la propiedad de los datos entre los propietarios de datos de dominios. Estos propietarios proporcionan los datos como un producto de forma estándar y facilitan la comunicación entre las diferentes partes de la organización para distribuir los conjuntos de datos en diferentes ubicaciones. Obtén más información sobre las arquitecturas de malla de datos.

Crea un dominio

  1. En la consola de Google Cloud , ve a la página Lakes de Dataplex Universal Catalog.

    Ir a Lakes

  2. Haz clic en Crear para crear un nuevo lago, que actuará como tu malla de datos.

  3. En el campo Nombre visible, escribe My data mesh

  4. En Región, selecciona us-central1.

  5. Selecciona el servicio de Dataproc Metastore que creaste y configuraste anteriormente como el metastore asociado.

  6. Haz clic en Crear.

Crea zonas en tu lake

Después de crear un dominio creando un lake de Dataplex Universal Catalog, puedes alojar contratos de datos administrados y equipos individuales dentro del dominio usando zonas. Existen dos tipos de zonas:

  • Por lo general, las zonas sin procesar se usan para almacenar datos en cualquier formato desde fuentes externas en Cloud Storage. Las zonas sin procesar son útiles para los datos que requieren procesamiento adicional antes de estar listos para el consumo.

  • Las zonas seleccionadas se usan para los datos estructurados en Cloud Storage que deben cumplir con ciertos formatos de archivo y organizarse en un diseño de directorio compatible con Hive. Son más útiles para los datos que están listos para el consumo y el análisis.

Cada dominio (por ejemplo, sales, customers, products) debe tener al menos una zona sin procesar y una zona seleccionada.

Las zonas adicionales se usan para administrar contratos de datos entre equipos o para proporcionar un desglose más detallado para los equipos dentro de un dominio determinado. Por ejemplo, la administración de inventario dentro del dominio del producto. Los propietarios de los datos pueden administrarlos dentro de su dominio y acceder a ellos.

  1. En la consola de Google Cloud , navega a la vista Administrar de Dataplex Universal Catalog.

  2. Haz clic en el nombre del lake (My data mesh) al que deseas agregar una zona.

  3. En la pestaña Zonas, haz clic en Agregar zona.

  4. En el campo Nombre visible, escribe My sub domain Dataplex Universal Catalog genera automáticamente un ID para tu zona.

  5. En Tipo, selecciona Zona sin procesar.

  6. Haz clic en Crear.

Conecta recursos a tus zonas

Conecta recursos de datos a tu zona. Un activo de datos, los recursos de almacenamiento que contienen tus datos, puede ser un bucket de Cloud Storage o un conjunto de datos de BigQuery. Este es el último paso para crear tu arquitectura de malla de datos.

  1. En la vista Administrar de Dataplex Universal Catalog, haz clic en el lake que creaste (My data mesh).

  2. En la pestaña Zonas, haz clic en la zona (My sub domain) a la que deseas agregar el recurso.

  3. En la pestaña Recursos, haz clic en Agregar recursos.

  4. Haz clic en Agregar un recurso.

  5. En Tipo, selecciona Bucket de Cloud Storage.

  6. En el campo Nombre visible , ingresa Data mesh asset. Dataplex Universal Catalog genera automáticamente un ID de recurso.

  7. En el campo Bucket, haz clic en Explorar.

    1. Selecciona tu bucket de la lista.
    2. Haz clic en Seleccionar.

  8. Haz clic en Listo y, luego, en Continuar.

  9. Haz clic en Continuar para aceptar la Configuración avanzada predeterminada.

  10. Haz clic en Enviar.