Crea una malla de datos

---

Puedes usar Dataplex para crear una arquitectura de malla de datos. En esta guía, se muestra cómo usar funciones de Dataplex, 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 diferentes partes de la organización para distribuir conjuntos de datos en diferentes ubicaciones. Obtén más información sobre las arquitecturas de malla de datos.

Objetivos

En esta guía, usarás las entidades de Dataplex para compilar una arquitectura de malla de datos:

• Crea un lake de Dataplex que actúe como el dominio de tu malla de datos.
• Agrega zonas a tu lake que representen equipos individuales dentro de cada dominio y proporciona contratos de datos administrados.
• Adjunta recursos que se asignan a datos almacenados en Cloud Storage.

Costos

En este documento, usarás los siguientes componentes facturables de Google Cloud:

• Dataplex
• Cloud Storage

Para generar una estimación de costos en función del uso previsto, usa la calculadora de precios. Es posible que los usuarios nuevos de Google Cloud califiquen para obtener una prueba gratuita.

Cuando finalices las tareas que se describen en este documento, puedes borrar los recursos que creaste para evitar que continúe la facturación. Para obtener más información, consulta Cómo realizar una limpieza.

Antes de comenzar

1. 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

2. Make sure that billing is enabled for your Google Cloud project.

3. Habilita la API de Dataplex.

   Habilitar la API de Dataplex

4. Crea un servicio de Dataproc Metastore.

   Nota: Puedes conectar cada Dataproc Metastore a un solo lago de Dataplex. Habilita gRPC para tu metastore.

Cree un bucket de Cloud Storage

Necesitas un bucket de Cloud Storage para almacenar los recursos de datos de tu malla de datos.

Para crear un bucket de Cloud Storage, sigue las instrucciones en Crea un bucket de Cloud Storage. Cuando lo hagas, ten en cuenta lo siguiente:

• Asigna un nombre a tu bucket.
• En Tipo de ubicación, elige Región y selecciona us-central1 (Iowa) en el menú.

Crea un dominio

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

   Ir a Dataplex

2. Navega a la vista Administrar.

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

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

   Nota: Dataplex genera automáticamente un ID de lake.

5. En Región, selecciona us-central1.

   Nota: La región que selecciones para tu malla de datos determina la ubicación de los datos (sin incluir los recursos adjuntos) que administra Dataplex. Se usa la misma región cuando Dataplex crea recursos en otros servicios, pero no para los datos contenidos en los activos.

6. Selecciona el servicio de Dataproc Metastore que creaste y configuraste antes como el metastore asociado.

7. Haz clic en Crear.

Crea zonas en tu lake

Después de crear un dominio a partir de un lago de Dataplex, puedes alojar contratos de datos administrados y equipos individuales dentro del dominio con 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 datos estructurados en Cloud Storage que deben cumplir con ciertos formatos de archivo y se organizan 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 de los equipos dentro de un dominio determinado. Por ejemplo, la administración de inventario dentro del dominio del producto. Los propietarios de los datos pueden administrar los datos dentro de su dominio y acceder a ellos.

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

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 genera automáticamente un ID para tu zona.

   Nota: El nombre de la zona se convierte en el nombre de un conjunto de datos de BigQuery. Por lo tanto, todas las zonas alojadas en el mismo Google Cloud proyecto deben tener un ID único, incluso si existen en lagos diferentes.

5. En Tipo, selecciona Zona sin procesar.

6. Haz clic en Crear.

Cómo conectar recursos a tus zonas

Adjunta 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, 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 genera automáticamente un ID de activo por ti.

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.

Limpia

Para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos usados en este instructivo, borra el proyecto que contiene los recursos o conserva el proyecto y borra los recursos individuales.

Borra el proyecto

Precaución: Borrar un proyecto tiene las siguientes consecuencias:

• Se borra todo en el proyecto. Si usaste un proyecto existente para las tareas de este documento, cuando lo borres, también se borrará cualquier otro trabajo que hayas realizado en el proyecto.
• Se pierden los ID personalizados de proyectos. Cuando creaste este proyecto, es posible que hayas creado un ID del proyecto personalizado que desees utilizar en el futuro. Para conservar las URL que utilizan el ID del proyecto, como una URL appspot.com, borra los recursos seleccionados dentro del proyecto en lugar de borrar todo el proyecto.

Si planeas explorar varias infraestructuras, instructivos y guías de inicio rápido la reutilización de proyectos puede ayudarte a evitar exceder los límites de las cuotas del proyecto.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Cómo borrar tu arquitectura de malla de datos

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

2. En el lago que deseas borrar, haz clic en Ver más y, luego, en Borrar.

3. Para confirmar la acción, ingresa delete y haz clic en Borrar lake.

¿Qué sigue?

• Obtén información sobre las tareas de procesamiento de datos.
• Obtén información para descubrir datos
• Obtén información para usar tareas de calidad de los datos