使用 Cloud Data Fusion 注入数据

Cloud Data Fusion 提供了一个 Dataplex 接收器插件，用于将数据注入任何支持 Dataplex 的资产。

前期准备

  • 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。
  • 用于提取数据的 BigQuery 数据集或 Cloud Storage 存储桶必须是 Dataplex 数据湖的一部分。
  • 如需从 Cloud Storage 实体中读取数据，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，对子网启用专用 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

如需获取管理角色所需的权限，请让管理员向您授予对 Dataproc 服务帐号和 Google 代管式服务帐号 (service-CUSTOMER_PROJECT_NUMBER@gcp-sa- datafusion.iam.gserviceaccount.com) 的以下 IAM 角色：

如需详细了解如何授予角色，请参阅管理访问权限。

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，转到 Cloud Data Fusion 实例页面。

    转到实例

    通过此页面，您可以管理自己的实例。

  2. 点击查看实例，在 Cloud Data Fusion 界面中打开您的实例。

  3. 转到 Studio 页面，展开接收器菜单，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 接收器参考文档。

可选：通过示例流水线开始使用

可用示例流水线，包括 SAP 来源到 Dataplex 接收器流水线，以及 Dataplex 来源到 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，点击中心 > 流水线，然后选择一个 Dataplex 流水线。系统会打开一个对话框，帮助您创建流水线。

运行流水线

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

  2. 点击配置 > 资源。

  3. 可选：根据总体数据大小和流水线中使用的转换数量更改 Executor CPU 和 Memory。

  4. 点击保存。

  5. 如需启动数据流水线，请点击运行。

后续步骤