使用 Cloud Data Fusion 提取数据

Cloud Data Fusion 提供了 Dataplex Sink 插件，用于将数据注入任何支持 Dataplex 的资产。

准备工作

• 如果您没有 Cloud Data Fusion 实例，请创建一个。此插件适用于在 Cloud Data Fusion 6.6 或更高版本中运行的实例。如需了解详情，请参阅创建 Cloud Data Fusion 公共实例。
• 提取数据的 BigQuery 数据集或 Cloud Storage 存储分区必须属于 Dataplex 数据湖。
• 如需从 Cloud Storage 实体读取数据，必须将 Dataproc Metastore 附加到数据湖。
• 不支持 Cloud Storage 实体中的 CSV 数据。
• 在 Dataplex 项目中，为子网启用专用 Google 访问通道（通常设置为 default），或将 internal_ip_only 设置为 false。

所需的角色

如需获得管理角色所需的权限，请让管理员为您授予 Dataproc 服务代理和 Cloud Data Fusion 服务代理 ([e-mail]) 的以下 IAM 角色：

• Dataplex Developer (roles/dataplex.developer)
• Dataplex Data Reader (roles/dataplex.dataReader)
• Dataproc Metastore Metadata User (roles/metastore.metadataUser)
• Cloud Dataplex Service Agent (roles/dataplex.serviceAgent)
• Dataplex Metadata Reader (roles/dataplex.metadataReader)

如需详细了解如何授予角色，请参阅管理对项目、文件夹和组织的访问权限。

您也可以通过自定义角色或其他预定义角色来获取所需的权限。

将插件添加到流水线

1. 在 Google Cloud 控制台中，前往 Cloud Data Fusion 实例页面。

   转到实例

   您可以在该页面中管理实例。

2. 如需打开实例，请点击查看实例。

3. 前往 Studio 页面，展开 Sink 菜单，然后点击 Dataplex。

配置插件

在 Studio 页面上将此插件添加到流水线后，点击 Dataplex 接收器以配置并保存其属性。

如需详细了解配置，请参阅 Dataplex Sink 参考文档。

可选：使用示例流水线入门

提供了示例流水线，包括 SAP 源到 Dataplex 接收器流水线和 Dataplex 源到 BigQuery 接收器流水线。

如需使用示例流水线，请在 Cloud Data Fusion 界面中打开您的实例，依次点击 Hub > 流水线，然后选择其中一个 Dataplex 流水线。系统会打开一个对话框，以帮助您创建数据流水线。

运行流水线

1. 部署流水线后，在 Cloud Data Fusion 的 Studio 页面上打开流水线。

2. 依次点击配置 > 资源。

3. 可选：根据整体数据大小和流水线中使用的转换数量来更改执行器 CPU 和内存。

4. 点击保存。

5. 如需启动数据流水线，请点击运行。

后续步骤

• 使用 Dataplex 源插件通过 Cloud Data Fusion 处理数据。