Daten mit Cloud Data Fusion aufnehmen

Cloud Data Fusion bietet ein Dataplex-Sink-Plug-in zum Aufnehmen von Daten in eines der von Dataplex unterstützten Assets.

Hinweis

  • Wenn Sie noch keine Cloud Data Fusion-Instanz haben, erstellen Sie eine. Dieses Plug-in ist in Instanzen verfügbar, die in Cloud Data Fusion Version 6.6 oder höher ausgeführt werden. Weitere Informationen finden Sie unter Öffentliche Cloud Data Fusion-Instanz erstellen.
  • Das BigQuery-Dataset oder der Cloud Storage-Bucket, in den Daten aufgenommen werden, muss Teil eines Dataplex-Lakes sein.
  • Damit Daten aus Cloud Storage-Entitäten gelesen werden können, muss Dataproc Metastore mit dem Data Lake verbunden sein.
  • CSV-Daten in Cloud Storage-Entitäten werden nicht unterstützt.
  • Aktivieren Sie im Dataplex-Projekt den privaten Google-Zugriff für das Subnetzwerk, das normalerweise auf default festgelegt ist, oder legen Sie internal_ip_only auf false fest.

Erforderliche Rollen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen für den Dataproc-Dienst-Agenten und den Cloud Data Fusion-Dienst-Agenten (service-CUSTOMER_PROJECT_NUMBER@gcp-sa-datafusion.iam.gserviceaccount.com) zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Verwalten von Rollen benötigen:

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Sie können die erforderlichen Berechtigungen auch über benutzerdefinierte Rollen oder andere vordefinierte Rollen erhalten.

Fügen Sie das Plug-in Ihrer Pipeline hinzu.

  1. Rufen Sie in der Google Cloud Console die Seite Cloud Data Fusion-Instanzen auf.

    Zur Seite „VM-Instanzen“

    Auf dieser Seite können Sie Ihre Instanzen verwalten.

  2. Klicken Sie auf Instanz ansehen, um die Instanz zu öffnen.

  3. Rufen Sie die Seite Studio auf, maximieren Sie das Menü Senke und klicken Sie auf Dataplex.

Plug-in konfigurieren

Nachdem Sie dieses Plug-in Ihrer Pipeline auf der Seite Studio hinzugefügt haben, klicken Sie auf die Dataplex-Senke, um ihre Eigenschaften zu konfigurieren und zu speichern.

Weitere Informationen zu Konfigurationen finden Sie in der Referenz zum Dataplex-Sink.

Optional: Erste Schritte mit einer Beispielpipeline

Es sind Beispielpipelines verfügbar, darunter eine Pipeline von einer SAP-Quelle zu einer Dataplex-Senke und eine Pipeline von einer Dataplex-Quelle zu einer BigQuery-Senke.

Wenn Sie eine Beispielpipeline verwenden möchten, öffnen Sie Ihre Instanz in der Cloud Data Fusion-Benutzeroberfläche, klicken Sie auf Hub > Pipelines und wählen Sie eine der Dataplex-Pipelines aus. Es wird ein Dialogfeld geöffnet, in dem Sie die Pipeline erstellen können.

Pipeline ausführen

  1. Öffnen Sie die Pipeline nach der Bereitstellung auf der Seite Studio von Cloud Data Fusion.

  2. Klicken Sie auf Konfigurieren > Ressourcen.

  3. Optional: Ändern Sie die Executor-CPU und den Arbeitsspeicher entsprechend der Gesamtdatengröße und der Anzahl der in der Pipeline verwendeten Transformationen.

  4. Klicken Sie auf Speichern.

  5. Klicken Sie zum Starten der Datenpipeline auf Ausführen.

Nächste Schritte