Melacak asal-usul data untuk tabel BigQuery

Melacak asal-usul data untuk tabel BigQuery

Silsilah data memungkinkan Anda melacak bagaimana data bergerak melalui sistem: dari mana data berasal, ke mana data diteruskan, dan transformasi yang diterapkan pada data.

Panduan memulai ini menunjukkan cara mulai melacak asal data untuk tugas kueri dan penyalinan BigQuery:

1. Salin dua tabel dari set data new_york_taxi_trips yang tersedia secara publik.

2. Gabungkan jumlah total perjalanan taksi dari kedua tabel ke dalam tabel baru.

3. Lihat grafik visualisasi silsilah untuk ketiga operasi.

Sebelum memulai

Siapkan project Anda:

Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

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

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Dataplex, BigQuery, and Data Lineage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

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

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Dataplex, BigQuery, and Data Lineage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

Perhatian: Silsilah data diaktifkan berdasarkan per project, bukan per layanan. Setelah Anda mengaktifkan Data Lineage API, informasi silsilah akan otomatis dilaporkan untuk beberapa layanan Google Cloud dalam project, bergantung pada kontrol silsilah tingkat produknya. Untuk mengetahui detail selengkapnya, lihat Pertimbangan silsilah data.

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan guna melihat grafik visualisasi silsilah, minta administrator untuk memberi Anda peran IAM berikut:

• Pelihat Katalog Dataplex (roles/dataplex.catalogViewer) pada project resource Katalog Universal Dataplex
• Data Lineage Viewer (roles/datalineage.viewer) di project tempat Anda menggunakan BigQuery
• BigQuery Data Viewer (roles/bigquery.dataViewer) di project tempat Anda menggunakan BigQuery

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran kustom atau peran yang telah ditentukan lainnya.

Menambahkan set data publik ke project Anda

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di panel Explorer, klik Tambahkan data.

3. Di panel Add data, pilih Public datasets.

4. Di panel Marketplace, telusuri NYC TLC Trips, lalu klik hasil NYC TLC Trips.

5. Klik View dataset.

Tindakan ini akan menambahkan project set data publik sebagai referensi yang dapat Anda lihat di panel Explorer. Panel detail menampilkan Info set data, termasuk informasi seperti ID set data, Lokasi data, dan tanggal Terakhir diubah.

Membuat set data di project Anda

1. Di panel Explorer, pilih project tempat Anda ingin membuat set data.

2. Klik Actions, lalu klik Create dataset.

3. Di halaman Create dataset, pada kolom Dataset ID, masukkan: data_lineage_demo. Biarkan kolom lain tetap pada nilai defaultnya.

4. Klik Create dataset.

5. Di panel Explorer, klik data_lineage_demo yang baru ditambahkan.

Panel detail menampilkan Info set data-nya.

Menyalin dua tabel yang dapat diakses secara publik ke set data Anda

1. Buka editor kueri: Di panel detail, di samping tab yang disebut data_lineage_demo, klik (Buat kueri baru). Langkah ini akan membuat tab bernama Untitled.

2. Di editor kueri, salin tabel pertama dengan memasukkan kueri berikut. Ganti PROJECT_ID dengan ID project Anda.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.nyc_green_trips_2021`
   COPY `bigquery-public-data.new_york_taxi_trips.tlc_green_trips_2021`
   

3. Klik Run. Langkah ini membuat tabel pertama, yang disebut nyc_green_trips_2021.

4. Di panel Query results, klik Go to table. Langkah ini menampilkan isi tabel pertama.

5. Di editor kueri, salin tabel kedua dengan mengganti kueri sebelumnya dengan kueri berikut. Ganti PROJECT_ID dengan ID project Anda.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.nyc_green_trips_2022`
   COPY `bigquery-public-data.new_york_taxi_trips.tlc_green_trips_2022`
   

6. Klik Run. Langkah ini membuat tabel kedua, yang disebut nyc_green_trips_2022.

7. Di panel Query results, klik Go to table. Langkah ini menampilkan isi tabel kedua.

Menggabungkan data ke dalam tabel baru

1. Di editor kueri, masukkan kueri berikut. Ganti PROJECT_ID dengan ID project Anda.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.total_green_trips_22_21`
   AS SELECT vendor_id, COUNT(*) AS number_of_trips
   FROM (
        SELECT vendor_id FROM `PROJECT_ID.data_lineage_demo.nyc_green_trips_2022`
        UNION ALL
        SELECT vendor_id FROM `PROJECT_ID.data_lineage_demo.nyc_green_trips_2021`
   )
   GROUP BY vendor_id
   

2. Klik Run. Langkah ini akan membuat tabel gabungan, yang disebut total_green_trips_22_21.

3. Di panel Query results, klik Go to table. Langkah ini menampilkan tabel gabungan.

Melihat grafik silsilah di Dataplex Universal Catalog

1. Di konsol Google Cloud , buka halaman Penelusuran Dataplex Universal Catalog.

   Buka Penelusuran

2. Untuk Choose search platform, pilih Dataplex Universal Catalog sebagai mode penelusuran.

3. Di kotak Penelusuran, masukkan total_green_trips_22_21, lalu klik Telusuri.

4. Dari daftar hasil, klik total_green_trips_22_21. Langkah ini menampilkan tab Detail tabel BigQuery.

5. Klik tab Silsilah.

Catatan: Mungkin perlu waktu beberapa saat agar silsilah otomatis mengambil perubahan ini. Jika Anda belum melihat grafik silsilah, periksa lagi setelah beberapa menit.



Gambar 1. Silsilah data dengan detail node

Dalam grafik silsilah, setiap node persegi panjang mewakili tabel, baik tabel asli, yang disalin, atau yang digabungkan. Anda dapat melakukan hal berikut:

• Untuk menampilkan atau menyembunyikan asal tabel, klik + (Luaskan) atau - (Ciutkan).

• Untuk menampilkan informasi tabel, klik sebuah node. Langkah ini menampilkan panel Detail node.

• Untuk menampilkan informasi proses, klik . Langkah ini menampilkan panel Detail proses yang menunjukkan tugas yang mengubah tabel sumber menjadi tabel target.



Gambar 2. Silsilah data dengan detail proses

Pembersihan

Agar akun Google Cloud Anda tidak dikenai biaya untuk resource yang digunakan pada halaman ini, ikuti langkah-langkah berikut.

Menghapus project

Perhatian: Menghapus project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika menggunakan project yang sudah ada untuk tugas dalam dokumen ini, saat Anda menghapusnya, pekerjaan lain yang telah Anda lakukan dalam project tersebut juga akan terhapus.
• Project ID kustom hilang. Saat membuat project ini, Anda mungkin telah membuat project ID kustom yang ingin digunakan di masa mendatang. Untuk mempertahankan URL yang menggunakan project ID, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa arsitektur, tutorial atau panduan memulai, dengan menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

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.

Menghapus set data

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di panel Explorer, telusuri set data data_lineage_demo yang Anda buat.

3. Klik kanan set data, lalu pilih Hapus.

4. Konfirmasi tindakan penghapusan Anda.

Langkah berikutnya

• Pelajari lebih lanjut silsilah data.
• Pelajari cara menjalankan kueri BigQuery.
• Pelajari cara menggunakan asal-usul data.
• Pelajari harga Katalog Universal Dataplex.