构建数据网格


您可以使用 Dataplex 构建数据网格架构。本指南介绍如何使用 Dataplex 功能(例如数据湖、可用区和资源)构建数据网格。

数据网格是一种组织和技术方法,可在网域数据所有者之间分散数据所有权。这些所有者以标准方式将数据作为产品提供,并促进组织的不同部分之间的通信,以跨不同位置分发数据集。详细了解数据网格架构

目标

在本指南中,您将使用 Dataplex 实体构建数据网格架构:

  • 创建一个 Dataplex 数据湖,用作数据网格的网域。
  • 向您的数据湖添加区域,以代表每个网域中的各个团队并提供代管式数据合同。
  • 将映射到 Cloud Storage 中的数据的资源附加。

费用

在本文档中,您将使用 Google Cloud 的以下收费组件:

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用

完成本文档中描述的任务后,您可以通过删除所创建的资源来避免继续计费。如需了解详情,请参阅清理

准备工作

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

    Go to project selector

  2. 确保您的 Google Cloud 项目已启用结算功能

  3. 启用 Dataplex API。

    启用 Dataplex API

  4. 创建 Dataproc Metastore 服务

创建 Cloud Storage 存储桶

您需要使用 Cloud Storage 存储桶来存储数据网格的数据资源。

按照步骤创建 Cloud Storage 存储桶,然后执行以下操作:

  • 为您的存储桶命名。
  • 对于位置类型,选择区域,然后从下拉菜单中选择 us-central1(爱荷华)

创建网域

  1. 在 Google Cloud 控制台中,转到 Dataplex 页面:

    进入 Dataplex

  2. 进入管理视图。

  3. 点击创建以创建一个新的数据湖,该数据湖将用作您的数据网格。

  4. 显示名称字段中,输入 My data mesh

  5. 对于区域,请选择 us-central1

  6. 选择您之前创建并配置为关联的 Metastore 的 Dataproc Metastore 服务。

  7. 点击创建

在数据湖中创建区域

通过创建 Dataplex 数据湖创建网域后,您可以使用区域在网域内托管代管式数据合同和各个团队。可用区有两种类型:

  • 原始区域通常用于在 Cloud Storage 中存储来自外部来源的任何格式的数据。对于在可供使用之前需要进一步处理的数据,原始区域非常有用。

  • 特选区域用于 Cloud Storage 中必须符合特定文件格式的结构化数据,并以与 Hive 兼容的目录布局进行组织。对于已准备好使用和分析的数据最有用。

每个网域(例如 salescustomersproducts)至少应该有一个原始区域和一个精选区域。

额外区域可用于管理团队之间的数据合约,或用于为给定网域中的团队提供更精细的细分。例如,产品网域内的产品目录管理。数据所有者能够管理其网域中的数据并访问这些数据。

  1. 在 Google Cloud 控制台的 Dataplex 中,转到管理视图。

  2. 点击要添加区域的数据湖的名称 (My data mesh)。

  3. Zones(区域)标签页中,点击 Add Zone(添加区域)。

  4. 显示名称字段中,输入 My sub domain。Dataplex 会自动为您的区域生成 ID。

    注意:地区名称将成为 BigQuery 数据集的名称。因此,在同一 Google Cloud 项目中托管的所有区域都必须具有唯一 ID,即使它们位于不同的数据湖中也是如此。

  5. 对于类型,选择 Raw area

  6. 点击创建

将资源附加到区域

将数据资产挂接到您的区域。数据资源(即包含数据的存储资源)可以是 Cloud Storage 存储桶或 BigQuery 数据集。这是创建数据网格架构的最后一步。

  1. 在 Dataplex 管理视图中,点击您创建的数据湖 (My data mesh)。

  2. 区域标签页中,点击要添加作品的区域 (My sub domain)。

  3. 资产标签页中,点击 添加资产

  4. 点击 Add an Asset(添加资源)。

  5. 类型部分,选择 Cloud Storage 存储桶

  6. 显示名称字段中,输入 Data mesh asset。Dataplex 会自动为您生成资产 ID。

  7. 存储桶字段中,点击浏览

    1. 从列表中选择您的存储桶。
    2. 点击选择
  8. 点击完成,然后点击继续

  9. 点击继续以接受默认的高级设置

  10. 点击提交,将您的 Cloud Storage 存储桶作为数据资源添加到您的区域。

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用,请删除包含这些资源的项目,或者保留项目但删除各个资源。

删除项目

  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.

删除数据网格架构

  1. 在 Google Cloud 控制台的 Dataplex 中,转到管理视图。

  2. 对于要删除的数据湖,点击 查看更多,然后点击删除

  3. 输入 delete 以确认操作,然后点击删除数据湖

后续步骤