Esta página foi traduzida pela API Cloud Translation.

Fazer a transferência usando modelos

O Dataplex oferece modelos (com tecnologia do Dataflow) para executar tarefas comuns de processamento de dados, como ingestão, processamento e gerenciamento do ciclo de vida de dados. Este guia descreve como configurar e executar um modelo que ingere dados usando uma conexão JDBC.

Antes de começar

Os modelos de tarefas do Dataplex são gerados pelo Dataflow. Antes de usar os modelos, ative as APIs do Dataflow.

Ativar as APIs Dataflow

Modelo: ingerir dados no Dataplex usando uma conexão JDBC

O modelo de transferência de JDBC do Dataplex copia dados de um banco de dados relacional para um destino de recurso do Dataplex. O recurso do Dataplex pode ser um recurso do Cloud Storage ou do BigQuery.

Esse pipeline usa o JDBC para se conectar ao banco de dados relacional. Para ter uma camada extra de proteção, é possível transmitir uma chave do Cloud KMS com um nome de usuário, senha e parâmetros da string de conexão criptografados em Base64 com a chave do Cloud KMS.

O modelo processa os diferentes tipos de recursos de forma transparente. Os dados armazenados no ativo do Cloud Storage são particionados no estilo Hive, e o Discovery do Dataplex os disponibiliza automaticamente como uma tabela no Data Catalog, no BigQuery (tabela externa) ou em uma instância anexada do Dataproc Metastore.

Parâmetros do modelo

Parâmetro	Descrição
`driverJars`	Use vírgulas para separar os caminhos do Cloud Storage para drivers JDBC. Por exemplo, `gs://your-bucket/driver_jar1.jar`, `gs://your-bucket/driver_jar2.jar.`
`connectionURL`	A string de conexão do URL para se conectar à fonte JDBC. Por exemplo, `jdbc:mysql://some-host:3306/sampledb`. É possível transmitir o URL de conexão como texto simples ou como uma string codificada em Base64 criptografada pelo Cloud KMS.
`driverClassName`	O nome da classe do driver do JDBC. Por exemplo, `com.mysql.jdbc.Driver`.
`connectionProperties`	String de propriedades a ser usada para a conexão JDBC. Por exemplo, `unicode=true&characterEncoding=UTF-8`.
`query`	A consulta a ser executada na origem para extrair os dados. Por exemplo, `select * from sampledb.sample_table`.
`outputAsset`	O ID do recurso de saída do Dataplex em que os resultados são armazenados. Para o ID, use o formato `projects/your-project/locations/<loc>/lakes/<lake-name>/zones/<zone-name>/assets/<asset-name></code>`. Encontre o `outputAsset` no console do Google Cloud, na guia Detalhes do recurso do Dataplex.
`username`	O nome de usuário a ser usado para a conexão JDBC. É possível transmitir o nome de usuário como texto simples ou como uma string codificada em Base64 criptografada pelo Cloud KMS.
`password`	A senha a ser usada para a conexão JDBC. É possível transmitir a senha como texto simples ou como uma string codificada em Base64 e criptografada pelo Cloud KMS.
`outputTable`	O local da tabela do BigQuery ou o nome da pasta principal do Cloud Storage em que a saída será gravada. Se for um local de tabela do BigQuery, o esquema da tabela precisa corresponder ao esquema da consulta de origem e precisa estar no formato `some-project-id:somedataset.sometable`. Se for uma pasta principal do Cloud Storage, informe o nome dela.
`KMSEncryptionKey`	Opcional: se você fornecer o parâmetro `KMSEncryptionKey`, verifique se `password`, `username` e `connectionURL` são criptografados pelo Cloud KMS. Criptografe esses parâmetros usando o endpoint de criptografia da API Cloud KMS. Por exemplo, `projects/your-project/locations/global/keyRings/test/cryptoKeys/quickstart`.
`writeDisposition`	Opcional: a estratégia a ser usada se o arquivo/tabela de destino existir. Os formatos aceitos são `WRITE_APPEND` (as linhas serão anexadas se a tabela existir), `WRITE_TRUNCATE` (a tabela/o arquivo será substituído), `WRITE_EMPTY` (a tabela de saída precisa estar vazia/o arquivo de saída não pode existir) e `SKIP` (pule a gravação no arquivo se ele existir). No BigQuery, os formatos permitidos são: `WRITE_APPEND`, `WRITE_TRUNCATE` e `WRITE_EMPTY`. Para o Cloud Storage, os formatos permitidos são: `SKIP`, `WRITE_TRUNCATE` e `WRITE_EMPTY`. Padrão: `WRITE_EMPTY`.
`partitioningScheme`	Opcional: o esquema de partição ao gravar o arquivo. O valor padrão desse parâmetro é `DAILY`. Outros valores para o parâmetro podem ser `MONTHLY` ou `HOURLY`.
`partitionColumn`	Opcional: a coluna de partição em que a partição é baseada. O tipo de coluna precisa estar no formato `timestamp/date`. Se o parâmetro `partitionColumn` não for fornecido, os dados não serão particionados.
`fileFormat`	Opcional: o formato do arquivo de saída no Cloud Storage. Os arquivos são compactados com a configuração padrão de compactação Snappy. O valor padrão desse parâmetro é `PARQUET`. Outro valor para o parâmetro é `AVRO`.
`updateDataplexMetadata`	Opcional: se os metadados do Dataplex serão atualizados para as entidades recém-criadas. O valor padrão desse parâmetro é `false`. Se ativada, o pipeline vai copiar automaticamente o esquema da origem para as entidades de destino do Dataplex, e a descoberta automática do Dataplex não será executada para elas. Use essa flag nos casos em que você tiver um esquema gerenciado na origem. Somente compatível com o destino do Cloud Storage.

Executar o modelo

Console

No console do Google Cloud, acesse a página do Dataplex:

Acesse o Dataplex.
Navegue até a visualização Processo.
Clique em Criar tarefa.
Em Ingerir JDBC no Dataplex, clique em Criar tarefa.
Escolha um lake do Dataplex.
Informe o nome da tarefa.
Escolha uma região para a execução da tarefa.
Preencha os parâmetros necessários.
Clique em Continuar.

gcloud

No shell ou terminal, execute o seguinte modelo:

gcloud beta dataflow flex-template run JOB_NAME \
--project=PROJECT_ID \
--region=REGION_NAME \
--template-file-gcs-location=gs://dataflow-templates-REGION_NAME/latest/flex/Dataplex_JDBC_Ingestion_Preview \
--parameters \
driverJars=DRIVER_JARS,\
connectionUrl=CONNECTION_URL,\
driverClassName=DRIVER_CLASS_NAME,\
connectionProperties=CONNECTION_PROPERTIES,\
query=QUERY\
outputAsset=OUTPUT_ASSET\

Substitua:

JOB_NAME: a job name of your choice
PROJECT_ID: your template project ID
DRIVER_JARS: path to your JDBC drivers
CONNECTION_URL: your JDBC connection URL string
DRIVER_CLASS_NAME: your JDBC driver class name
CONNECTION_PROPERTIES: your JDBC connection property string
QUERY: your JDBC source SQL query
OUTPUT_ASSET: your Dataplex output asset ID

API REST

Envie uma solicitação POST HTTP:

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/REGION_NAME/flexTemplates:launch
{
   "launch_parameter": {
      "jobName": "JOB_NAME",
      "parameters": {
          "driverJars": "DRIVER_JARS",
          "connectionUrl": "CONNECTION_URL",
          "driverClassName": "DRIVER_CLASS_NAME",
          "connectionProperties": "CONNECTION_PROPERTIES",
          "query": "QUERY"
          "outputAsset": "OUTPUT_ASSET"
      },
      "containerSpecGcsPath": "gs://dataflow-templates-REGION_NAME/latest/flex/Dataplex_JDBC_Ingestion_Preview",
   }
}

Substitua:

PROJECT_ID: your template project ID
REGION_NAME: region in which to run the job
JOB_NAME: a job name of your choice
DRIVER_JARS: path to your JDBC drivers
CONNECTION_URL: your JDBC connection URL string
DRIVER_CLASS_NAME: your JDBC driver class name
CONNECTION_PROPERTIES: your JDBC connection property string
QUERY: your JDBC source SQL query
OUTPUT_ASSET: your Dataplex output asset ID

A seguir

Saiba como gerenciar seu lago.
Saiba como gerenciar suas zonas.