Nesta página, explicamos como usar a interface de administrador do metastore do Dataproc.
A interface do administrador fornece uma ferramenta centralizada para inspecionar e gerenciar os metadados armazenados no seu serviço Metastore do Dataproc, tudo sem precisar se conectar a um cluster do Dataproc ou a uma instância do Hive. Em vez disso, é possível gerenciar seus metadados com a CLI gcloud ou as APIs do Dataproc Metastore.
Por exemplo, usando a interface do administrador, é possível executar uma consulta SQL diretamente
nos metadados de back-end para buscar um nome de tabela específico. Esse processo envolve
seguir menos etapas do que o fluxo de trabalho típico, como criar um
cluster do Dataproc, conectar-se ao cluster usando SSH, iniciar uma instância do Hive
e, por fim, executar uma consulta (por exemplo, SELECT * FROM table_name
).
Como resultado, a interface do administrador pode ajudar você a economizar tempo e diminuir a quantidade de recursos do Google Cloud necessários para recuperar seus dados.
Antes de começar
- Ative o metastore do Dataproc no seu projeto.
- Crie um serviço metastore do Dataproc.
- Importar metadados para o metastore do Dataproc.
Funções exigidas
Para ter as permissões necessárias para usar a interface de administrador do metastore do Dataproc, peça ao administrador para conceder a você os seguintes papéis do IAM no seu projeto, com base no princípio de privilégio mínimo:
-
Para consultar metadados do metastore do Dataproc:
Administrador de consultas de metadados (
roles/metastore.metadataQueryAdmin
) na conta de usuário ou de serviço -
Para mudar o local dos recursos dos seus metadados, incluindo bancos de dados, tabelas e partições, ou mover uma tabela para outro banco de dados:
-
Administrador de mutação de metadados (
roles/metastore.metadataMutateAdmin
) na conta de usuário ou de serviço -
Editor do metastore do Dataproc (
roles/metastore.editor
) na conta de usuário ou de serviço
-
Administrador de mutação de metadados (
Para mais informações sobre como conceder papéis, consulte Gerenciar acesso.
Esses papéis predefinidos contêm as permissões necessárias para usar a interface de administrador do metastore do Dataproc. Para conferir as permissões exatas necessárias, expanda a seção Permissões necessárias:
Permissões necessárias
As seguintes permissões são necessárias para usar a interface de administrador do Metastore do Dataproc:
-
Para consultar metadados do metastore do Dataproc:
metastore.services.queryMetadata
-
Para alterar ou mover tabelas do metastore do Dataproc:
metastore.services.mutateMetadata
Talvez você também consiga receber essas permissões com papéis personalizados ou outros papéis predefinidos.
Para mais informações sobre permissões e papéis específicos do metastore do Dataproc, consulte Visão geral do IAM do metastore do Dataproc.Operações de administrador compatíveis
Só é possível executar operações de interface de administrador usando a CLI gcloud ou as APIs metastore do Dataproc. As operações da interface do administrador não são compatíveis com o console do Google Cloud.
A interface do administrador é compatível com as operações a seguir.
Operações somente leitura.
- Metadados de consulta.
Operações de leitura e gravação.
- Altere o local dos recursos dos seus metadados, incluindo bancos de dados, tabelas e partições.
- alterar as propriedades da tabela, como pares de chave-valor personalizados;
- Mover uma tabela para outro banco de dados.
Metadados de consulta
Essa operação permite procurar informações de metadados no seu banco de dados usando consultas SQL. Depois de executar uma consulta, os resultados são despejados no bucket de artefatos do Google Cloud.
Antes de executar essa operação, considere as seguintes considerações:
- As operações aceitas incluem apenas consultas
read-only
do MySQL ou do Spanner. Se a consulta tentar modificar os dados, a operação falhará. - O arquivo de saída contém no máximo 1.000 linhas. Não é possível alterar essa configuração.
Os arquivos de saída não são excluídos automaticamente. Em vez disso, é preciso excluí-las manualmente do bucket do Google Cloud. Se você não excluí-los, poderá ter custos extras de armazenamento.
CLI da gcloud
Para consultar metadados, execute o seguinte comando
gcloud metastore services query-metadata
:gcloud metastore services query-metadata SERVICE \ --location=LOCATION \ --query=QUERY
Substitua:
SERVICE
: o nome do serviço Metastore do Dataproc.LOCATION
: a região do Google Cloud em que o serviço Metastore do Dataproc reside.QUERY
: a consulta SQL para segmentar seus metadados.- Se estiver usando um banco de dados MySQL, use uma consulta normal do MySQL.
- Se você estiver usando um banco de dados do Spanner, use uma consulta SQL padrão do Google.
Confira o arquivo de saída no seu bucket de artefatos do Google Cloud.
REST
curl -X POST -s -i \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-X POST -d '{"query": "QUERY"}' \
-H "Content-Type:application/json" \
https://metastore.googleapis.com/projects/PROJECT_ID/locations/LOCATION/services/SERVICE:queryMetadata
Substitua:
QUERY
: a consulta SQL que você está usando para segmentar seus metadados.- Se estiver usando um banco de dados MySQL, use uma consulta normal do MySQL.
- Se você estiver usando um banco de dados do Spanner, use uma consulta SQL padrão do Google.
PROJECT_ID
: o ID do projeto do Google Cloud em que o serviço do Metastore do Dataproc está localizado.SERVICE
: o nome do serviço do Dataproc Metastore.LOCATION
: a região em que o metastore do Dataproc reside.
O exemplo a seguir mostra um comando de amostra que executa uma consulta select *
de um banco de dados chamado DBS.
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" -X POST -d '{"query": "select * from DBS;"}' \
https://metastore.googleapis.com/projects/dpms/locations/us-central1/services/dpms1:queryMetadata
Interpretar a saída de uma operação de metadados de consulta
Quando você executa pela primeira vez um comando de metadados de consulta, o metastore do Dataproc cria automaticamente
uma pasta do Google Cloud nos seus artefatos do bucket do Google Cloud.
O nome desta pasta é query-results
. Após cada execução de consulta bem-sucedida (chamada de API), uma nova pasta é criada dentro da pasta query-results
, que é nomeada com um UUID gerado aleatoriamente.
Cada nova pasta contém um arquivo result manifest
com os resultados da consulta. O local dessa pasta é retornado na resposta da chamada de API.
Por exemplo, na resposta, o campo resultManifestUri
contém a localização do arquivo.
"response": {
"@type": "type.googleapis.com/google.cloud.metastore.QueryMetadataResponse",
"resultManifestUri": "gs://gcs-bucket-6a3638b8-e319-46363-ad33-e632a5e/query-results/800156f5-2d13-4b80-bec3-2345a9e880f6/result-manifest"
}
A saída do arquivo result manifest
será semelhante a esta:
{
"status": {
"code": 0,
"message": "Query results are successfully uploaded to cloud storage",
"details": []
},
"filenames": ["result-001"]
}
Detalhes do arquivo de manifesto do resultado:
- O campo
status
mostra se a consulta foi bem-sucedida ou não. - Se a execução da consulta for bem-sucedida, o campo
filenames
listará todos os arquivos criados. Esses arquivos estão na mesma pasta que o arquivoresult manifest
. - Se a consulta resultar em falha, o campo
details
mostrará a mensagem de erro.
Alterar o local dos recursos dos seus metadados
Essa operação permite alterar o local do recurso de um banco de dados, tabela ou partição.
Quando você executa esse comando, ele só atualiza o diretório pai ou o respectivo recurso de metadados. Esse comando não transfere nenhum dado atual para o novo local.
CLI da gcloud
Para alterar o local dos metadados dos recursos, execute o seguinte comando
gcloud metastore services alter-metadata-resource-location
:gcloud metastore services alter-metadata-resource-location SERVICE \ --location=LOCATION \ --resource_name=RESOURCE_NAME \ --location_uri=LOCATION_URI
Substitua:
SERVICE
: o nome do serviço do Dataproc Metastore.LOCATION
: a região do Google Cloud em que o serviço Metastore do Dataproc reside.RESOURCE_NAME
: o nome do banco de dados, da tabela ou da partição que você está alterando.LOCATION_URI
: o novo caminho do Cloud Storage para o conteúdo deRESOURCE_NAME
. Esse valor é o caminho para onde você está movendo o local do recurso de metadados. Esse caminho precisa começar comgs://
. Por exemplo,gs://bucket/object
.
Verifique se a alteração do local do recurso foi bem-sucedida.
REST
curl -X POST -s -i \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
POST -d '{"resource_name": "RESOURCE_NAME", "location_uri":"LOCATION_URI"}' \
-H "Content-Type:application/json" \
https://metastore.googleapis.com/projects/PROJECT_ID/locations/LOCATION/services/SERVICE:alterLocation
Substitua:
PROJECT_ID
: o ID do projeto do Google Cloud em que o serviço do Metastore do Dataproc está localizado.SERVICE
: o nome do serviço do metastore do Dataproc.LOCATION
: a região em que o metastore do Dataproc reside.RESOURCE_NAME
: o nome do banco de dados, da tabela ou da partição que você está alterando.LOCATION_URI
: o novo caminho do Cloud Storage para o conteúdo deRESOURCE_NAME
. Esse valor é o caminho para onde você está movendo o local do recurso de metadados. Esse caminho precisa começar comgs://
. Por exemplo,gs://bucket/object
.
Veja a seguir um comando que move uma tabela chamada test-table2
para um novo bucket do Cloud Storage.
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
-X POST -d '{"resource_name": "databases/testdb1/tables/test-table2",
"location_uri":"gs://gcs-bucket-dpms1-9425bd83-b794-4f1c-9e79-2d833f758cc1/empty"}'
https://metastore.googleapis.com/projects/dpms/locations/us-central1/services/dpms1:alterLocation
Alterar propriedades da tabela
Essa operação permite alterar as propriedades de uma tabela, como um par de chave-valor personalizado usado para armazenar dados. Por exemplo, é possível alterar
um par de chave-valor de properties.customerID_1
para properties.customerID_2
.
CLI da gcloud
Para alterar as propriedades de uma tabela, execute o seguinte comando
gcloud metastore services alter-table-properties
:gcloud metastore services alter-table-properties SERVICE \ --location=LOCATION \ --table-name=TABLE_NAME \ --update-mask=UPDATE_MASK \ --properties=PROPERTIES
Substitua:
SERVICE
: o nome do serviço Metastore do Dataproc.LOCATION
: a região do Google Cloud em que o serviço Metastore do Dataproc reside.TABLE_NAME
: o nome da tabela que contém as propriedades que você está alterando no seguinte formato:databases/{database_id}/tables/{table_id}
.UPDATE_MASK
: os valores de propriedade existentes que você está atualizando. Use uma lista separada por vírgulas para descrever os pares de chave-valor, por exemplo,properties.1,properties.2,properties.3,...
.PROPERTIES
: as novas propriedades da tabela. Use uma lista separada por vírgulas para descrever os pares de chave-valor. Por exemplo,a=1,b=2,c=3,...
. Os valores listados aqui substituem os valores emUPDATE_MASK
.
REST
curl -X POST -s -i \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
POST -d '{"table_name": "TABLE_NAME", "update_mask":"UPDATE_MASK", "properties":PROPERTIES}'\
-H "Content-Type:application/json" \
https://metastore.googleapis.com/projects/PROJECT_ID/locations/LOCATION/services/SERVICE:alterTableProperties
Substitua:
SERVICE
: o nome do serviço Metastore do Dataproc.LOCATION
: a região do Google Cloud em que o serviço Metastore do Dataproc reside.TABLE_NAME
: o nome da tabela que contém as propriedades que você está alterando no seguinte formato:databases/{database_id}/tables/{table_id}
.UPDATE_MASK
: os valores da propriedade existente que você está atualizando. Use uma lista separada por vírgulas para descrever os pares de chave-valor, por exemplo,properties.1,properties.2,properties.3,...
.PROPERTIES
: as novas propriedades da tabela. Use uma lista separada por vírgulas para descrever os pares de chave-valor, por exemplo,a=1,b=2,c=3,...
. Os valores listados aqui substituem os valores emUPDATE_MASK
.
Veja no exemplo a seguir um comando que altera as propriedades de uma tabela chamada test-table
. Neste exemplo, o par de chave-valor atual,
properties.customerID_1
, é atualizado para o novo valor properties.customerID_2
.
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json"
-X POST -d '{"table_name": "databases/default/tables/test-table", "update_mask":{"paths":"properties.customerID_1"}, "properties":{"customerID_1":"customerID_2"}}' https://metastore.googleapis.com/projects/dpms-p
Mover uma tabela para outro banco de dados
Essa operação permite mover uma tabela interna (tabela gerenciada) para outro banco de dados. Nesse caso, o diretório pai do banco de dados e os dados dele são movidos.
Não é possível mover dados armazenados em tabelas externas.
CLI da gcloud
Para mover uma tabela para outro banco de dados, execute o seguinte comando
gcloud metastore services move-table-to-database
:gcloud metastore services move-table-to-database SERVICE \ --location=LOCATION \ --db_name=DB_NAME \ --table_name=TABLE_NAME \ --destination_db_name=DESTINATION_DB_NAME
Substitua:
SERVICE
: o nome do serviço do metastore do Dataproc.LOCATION
: a região do Google Cloud em que o serviço Metastore do Dataproc reside.DB_NAME
: o nome do banco de dados de origem que contém a tabela que você quer mover.TABLE_NAME
: o nome da tabela que você quer mover.DESTINATION_DB_NAME
: o nome do novo banco de dados para o qual você quer mover a tabela.
Verifique se a alteração da tabela foi bem-sucedida.
REST
curl -X POST -s -i \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
POST -d '{"table_name": "TABLE_NAME", "db_name": "DB_NAME", "destination_db_name": "DESTINATION_DB_NAME"}'\
-H "Content-Type:application/json" \
https://metastore.googleapis.com/projects/PROJECT_ID/locations/LOCATION/services/SERVICE:moveTableToDatabase
Substitua:
PROJECT_ID
: o ID do projeto do Google Cloud em que o serviço Metastore do Dataproc reside.SERVICE
: o nome do serviço do Dataproc Metastore.LOCATION
: a região em que o metastore do Dataproc reside.DB_NAME
: o nome do banco de dados de origem que contém a tabela que você quer mover.TABLE_NAME
: o nome da tabela que você quer mover.DESTINATION_DB_NAME
: o nome do novo banco de dados para o qual você quer mover a tabela.
O exemplo a seguir mostra um comando que move um banco de dados chamado
testdb1
para um banco de dados diferente chamado testdb2
.
curl -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json"
-X POST -d '{"table_name": "testtb1", "db_name": "testdb1",
"destination_db_name": "testdb2"}' https://metastore.googleapis.com/projects/dpms/locations/asia-northeast2/services/dpms1:moveTableToDatabase