Esegui il deployment di un servizio Dataproc Metastore

Esegui il deployment di un servizio Dataproc Metastore

Questa pagina mostra come creare un servizio Dataproc Metastore e connettersi da un cluster Dataproc. Dopodiché, esegui SSH nel cluster, lancia un'istanza di Apache Hive ed esegui alcune query di base.

Dataproc Metastore fornisce un metastore Hive (HMS) completamente compatibile, che è lo standard consolidato nell'ecosistema big data open source per la gestione dei metadati tecnici. Questo servizio ti aiuta a gestire i metadati dei tuoi data lake e fornisce l'interoperabilità tra i vari strumenti di elaborazione dati che utilizzi.

Nota: questa guida mostra come configurare Dataproc Metastore utilizzando le opzioni predefinite fornite. Per scoprire come configurare Dataproc Metastore con impostazioni avanzate, consulta Creare un metastore.

---

Per seguire le indicazioni dettagliate per questa attività direttamente nella console Google Cloud, fai clic su Procedura guidata:

Procedura guidata

---

Prima di iniziare

1. 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.

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

   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

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Dataproc Metastore, Dataproc APIs.

   Enable the APIs

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

   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

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Dataproc Metastore, Dataproc APIs.

   Enable the APIs

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per creare un Dataproc Metastore e un cluster Dataproc, chiedi all'amministratore di concederti i seguenti ruoli IAM:

• Per concedere l'accesso completo a tutte le risorse Dataproc Metastore, inclusa l'impostazione delle autorizzazioni IAM: (roles/metastore.admin) all'account utente o all'account di servizio
• Per concedere il controllo completo delle risorse di Dataproc Metastore: Dataproc Metastore Editor (roles/metastore.editor) nell'account utente o nell'account di servizio
• Per creare un cluster Dataproc: (roles/dataproc.worker) nell'account di servizio

Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso a progetti, cartelle e organizzazioni.

Questi ruoli predefiniti contengono le autorizzazioni necessarie per creare un Dataproc Metastore e un cluster Dataproc. Per visualizzare le autorizzazioni esatte richieste, espandi la sezione Autorizzazioni richieste:

Autorizzazioni obbligatorie

Per creare un Dataproc Metastore e un cluster Dataproc sono necessarie le seguenti autorizzazioni:

• Per creare un servizio Dataproc Metastore: metastore.services.create nell'account utente o nell'account di servizio
• Per creare un cluster Dataproc: Dataproc worker (roles/dataproc.worker) sul account di servizio

Potresti anche ottenere queste autorizzazioni con ruoli personalizzati o altri ruoli predefiniti.

Per ulteriori informazioni su ruoli e autorizzazioni specifici di Dataproc Metastore, consulta la panoramica di IAM di Dataproc Metastore.

Crea un servizio Dataproc Metastore

Le istruzioni riportate di seguito mostrano come creare un servizio Dataproc Metastore di base utilizzando le impostazioni predefinite fornite.

Console

1. Nella console Google Cloud, vai alla pagina Dataproc Metastore.

   Vai a Dataproc Metastore

2. Nel menu di navigazione, fai clic su +Crea.

   Si apre la finestra di dialogo Crea servizio Metastore.

3. Seleziona Dataproc Metastore 2.

4. Nel campo Nome servizio, inserisci example-service.

5. Nel campo Località dei dati, seleziona us-central1.

6. Per le restanti opzioni di configurazione del servizio, utilizza quelle predefinite.

7. Per creare e avviare il servizio, fai clic su Invia.

Il nuovo servizio metastore viene visualizzato nella pagina Dataproc Metastore. Lo stato visualizzato è Creazione finché il servizio non è pronto per l'uso. Quando è pronto, lo stato diventa Attivo. Il provisioning del servizio potrebbe richiedere alcuni minuti.

Lo screenshot seguente mostra un esempio della pagina Crea servizio che utilizza alcune delle impostazioni predefinite fornite.

Interfaccia a riga di comando gcloud

Per creare un servizio metastore utilizzando i valori predefiniti forniti, esegui il seguente comando gcloud metastore services create:

 gcloud metastore services create example-service \
     --location=us-central1 \
     --instance-size=MEDIUM

Questo comando crea un servizio denominato example-service nella regione predefinita (us-central1) e con la dimensione dell'istanza predefinita (MEDIUM).

REST

Segui le istruzioni dell'API per creare un servizio utilizzando Explorer API.

Crea un cluster Dataproc e connettiti a Dataproc Metastore

Successivamente, crea un cluster Dataproc e connettiti al metastore dal cluster. In seguito, il cluster utilizza il servizio metastore come HMS. Il cluster creato qui utilizza le impostazioni predefinite fornite.

Console

1. Nella console Google Cloud, vai alla pagina Cluster Dataproc.

   Vai a Cluster Dataproc

2. Nella barra di navigazione, seleziona +Crea cluster.

   Viene visualizzata la finestra di dialogo Crea un cluster, che offre più opzioni di infrastruttura tra cui scegliere.

3. Nella riga Cluster su Compute Engine, seleziona Crea.

   Viene visualizzata la pagina Creare un cluster Dataproc su Compute Engine.

4. Nel campo Nome cluster, inserisci example-cluster.

5. Nei menu Regione e Zona, seleziona us-central1.

6. Per le restanti opzioni di Configura cluster, utilizza i valori predefiniti forniti.

7. Nel menu di navigazione, fai clic sulla scheda Personalizza cluster (facoltativo).

8. Nella sezione Dataproc Metastore, seleziona il servizio metastore creato in precedenza.

   Se hai seguito questo tutorial così com'è, il nome è example-service.

9. Per le restanti opzioni di configurazione del servizio, utilizza i valori predefiniti forniti.

10. Per creare il cluster, fai clic su Crea.

    Il nuovo cluster viene visualizzato nell'elenco Cluster. Lo stato del cluster viene visualizzato come Provisioning finché il cluster non è pronto per essere utilizzato. Quando è pronto, lo stato diventa Attivo. Il provisioning del cluster potrebbe richiedere un paio di minuti.

    Nota: la procedura di creazione del cluster Dataproc può non riuscire se il tuo account di servizio non dispone dei ruoli appropriati. Per ulteriori informazioni, consulta La creazione del cluster non riesce a causa di ruoli insufficienti.

Interfaccia a riga di comando gcloud

Per creare un cluster utilizzando le impostazioni predefinite fornite, esegui il seguente comando gcloud dataproc clusters create:

 gcloud dataproc clusters create example-cluster \
    --dataproc-metastore=projects/PROJECT_ID/locations/us-central1/services/example-service \
    --region=us-central1

Sostituisci PROJECT_ID con l'ID del progetto in cui hai creato il servizio Dataproc Metastore.

Nota: la procedura di creazione del cluster Dataproc può non riuscire se il tuo account di servizio non dispone dei ruoli appropriati. Per ulteriori informazioni, consulta La creazione del cluster non riesce a causa di ruoli insufficienti.

REST

Segui le istruzioni dell'API per creare un cluster utilizzando Explorer API.

Connettiti ad Apache Hive con un cluster Dataproc

I passaggi successivi mostrano come eseguire alcuni comandi di esempio in Apache Hive per creare un database e una tabella.

A questo punto, apri una sessione SSH sul cluster Dataproc e avvia una sessione Hive.

1. Nella console Google Cloud, vai alla pagina Istanze VM.
2. Nell'elenco delle istanze della macchina virtuale, fai clic su SSH accanto a example-cluster.

Nella home directory del nodo si apre una finestra del browser con un output simile al seguente:

Connected, host fingerprint: ssh-rsa ...
Linux cluster-1-m 3.16.0-0.bpo.4-amd64 ...
...
example-cluster@cluster-1-m:~$

Per avviare Hive e creare un database e una tabella, esegui i seguenti comandi nella sessione SSH:

1. Avvia Hive.

   hive
   

2. Crea un database denominato myDatabase.

   create database myDatabase;
   

3. Mostra il database che hai creato.

   show databases;
   

4. Utilizza il database che hai creato.

   use myDatabase;
   

5. Crea una tabella denominata myTable.

   create table myTable(id int,name string);
   

6. Elenca le tabelle in myDatabase.

   show tables;
   

7. Descrivi lo schema della tabella che hai creato.

   desc MyTable;
   

L'esecuzione di questi comandi mostra un output simile al seguente:

$hive

hive> show databases;
OK
default
hive> create database myDatabase;
OK
hive> use myDatabase;
OK
hive> create table myTable(id int,name string);
OK
hive> show tables;
OK
myTable
hive> desc myTable;
OK
id                      int
name                    string

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi.

Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

• L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività descritte in questo documento, quando lo elimini elimini anche tutto il lavoro svolto nel progetto.
• Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un appspot.com URL, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

Se intendi esplorare più architetture, tutorial o guide rapide, il riuso dei progetti può aiutarti a non superare i limiti di quota.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. If the project that you plan to delete is attached to an organization, expand the Organization list in the Name column.
3. In the project list, select the project that you want to delete, and then click Delete.
4. In the dialog, type the project ID, and then click Shut down to delete the project.

In alternativa, puoi eliminare le risorse utilizzate in questo tutorial:

1. Elimina il servizio Dataproc Metastore.

   Console

   1. Nella console Google Cloud, apri la pagina Dataproc Metastore:

      Vai a Dataproc Metastore

   2. Nell'elenco dei servizi, seleziona example-service.

   3. Nella barra di navigazione, fai clic su Elimina.

      Viene visualizzata la finestra di dialogo Elimina servizio.

   4. Nella finestra di dialogo, fai clic su Elimina.

      Il servizio non è più visualizzato nell'elenco dei servizi.

   Interfaccia a riga di comando gcloud

   Per eliminare il servizio, esegui il seguente comando gcloud metastore services delete.

    gcloud metastore services delete example-service \
        --location=us-central1

   REST

   Segui le istruzioni dell'API per eliminare un servizio utilizzando Explorer API.

   Tutte le eliminazioni vengono eseguite immediatamente.

2. Elimina il bucket Cloud Storage per il servizio Dataproc Metastore.

   Nota: l'eliminazione del servizio Dataproc Metastore non comporta la rimozione automatica del relativo bucket.

3. Elimina il cluster Dataproc che utilizzava il servizio Dataproc Metastore.

Passaggi successivi

• Concedere agli utenti ruoli IAM di Dataproc Metastore di base
• Importare metadati in un servizio
• Panoramica di Dataproc Metastore