Criar um serviço Metastore do Dataproc

Nesta página, mostramos como criar um serviço do metastore do Dataproc.

Depois de criar o serviço Metastore do Dataproc, você pode importar e se conectam a qualquer um dos seguintes serviços:

Depois que você conecta um desses serviços, ele usa seus Serviço do metastore do Dataproc como seu metastore Hive durante a consulta execução.

Antes de começar

Papéis necessários

Para receber a permissão necessária para criar uma Metastore do Dataproc, peça ao administrador para conceder a você os seguintes papéis do IAM no projeto, com base no princípio do privilégio mínimo:

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Esse papel predefinido contém metastore.services.create permissão, que é necessário para criar um metastore do Dataproc.

Também é possível conseguir essa permissão com papéis personalizados ou outros papéis predefinidos.

Para mais informações sobre permissões e papéis específicos do metastore do Dataproc, consulte Gerenciar acesso com o IAM.

Criar o metastore do Dataproc usando as configurações padrão

A criação de um metastore do Dataproc usando as configurações padrão configura seu serviço com um nível empresarial, um tamanho de instância médio, a versão mais recente do metastore do Hive, um endpoint Thrift e um local de dados de us-central.

Dataproc Metastore 2

As instruções a seguir mostram como criar um metastore do Dataproc. 2 usando um endpoint Thrift e outras configurações padrão fornecidas.

Console

  1. No console do Google Cloud, acesse a página Metastore do Dataproc.

    Ir para Metastore do Dataproc

  2. Na barra de navegação, clique em +Criar.

    A caixa de diálogo Criar serviço de metastore é aberta.

  3. Selecione Dataproc Metastore 2.

  4. Na seção Preços e capacidade, escolha um tamanho de instância.

    Para mais informações, consulte planos de preços e configurações de escalonamento.

  5. No campo Nome do serviço, insira um nome exclusivo para o serviço.

    Para informações sobre convenções de nomenclatura, consulte Convenção de nomenclatura de recursos.

  6. Selecione o Local dos dados.

    Para mais informações sobre como selecionar a região apropriada, consulte Regiões e zonas disponíveis e o endpoint regional.

  7. Para as outras opções de configuração do serviço, use os padrões fornecidos.

  8. Para criar e iniciar o serviço, clique em Enviar.

    O novo serviço de metastore aparece na página Metastore do Dataproc. O status Criando será exibido até que o serviço esteja pronto para uso. Quando estiver pronto, o status vai mudar para Ativo. O provisionamento do serviço pode levar alguns minutos.

CLI da gcloud

Para criar um serviço 2 de metastore do Dataproc Metastore usando o fornecidos, execute o seguinte gcloud metastore services create comando:

gcloud metastore services create SERVICE \
  --location=LOCATION \
  --instance-size=INSTANCE_SIZE \
  --scaling-factor=SCALING_FACTOR

Substitua:

  • SERVICE: o nome do novo serviço Metastore do Dataproc.
  • LOCATION: a região do Google Cloud que você quer em que o metastore do Dataproc será criado. Também é possível definir um local padrão.

    Para informações sobre convenções de nomenclatura, consulte Convenção de nomenclatura de recursos.

  • INSTANCE_SIZE: o tamanho da instância. do seu metastore multirregional do Dataproc. Por exemplo, small, medium ou large. Se você especificar um valor para INSTANCE_SIZE, não especifique especifique um valor para SCALING_FACTOR.

  • SCALING_FACTOR: o fator de escalonamento do seu serviço do metastore do Dataproc. Por exemplo, 0.1. Se você especificar um valor para SCALING_FACTOR, não especifique um para INSTANCE_SIZE.

REST

Siga as instruções da API para criar um serviço usando o APIs Explorer.

Dataproc Metastore 1

As instruções a seguir mostram como criar um metastore do Dataproc 1 usando um endpoint Thrift e outras configurações padrão fornecidas.

Console

  1. No console do Google Cloud, acesse a página Metastore do Dataproc.

    Ir para Metastore do Dataproc

  2. Na barra de navegação, clique em +Criar.

    A caixa de diálogo Criar serviço de metastore é aberta.

  3. Selecione Metastore do Dataproc 1.

  4. No campo Nome do serviço, insira um nome exclusivo para o serviço.

    Para informações sobre convenções de nomenclatura, consulte Convenção de nomenclatura de recursos.

  5. Selecione o Local dos dados.

    Para mais informações sobre como selecionar a região adequada, consulte Regiões e zonas disponíveis e Endpoint regional.

  6. Para as outras opções de configuração do serviço, use os padrões fornecidos.

  7. Para criar e iniciar o serviço, clique em Enviar.

    Seu novo serviço de metastore aparece no Metastore do Dataproc página. O status exibido será Creating até que o serviço esteja pronto para uso. Quando ela estiver pronta, o status vai mudar para Ativo. O provisionamento do serviço pode levar alguns minutos.

CLI da gcloud

Para criar um serviço de metastore básico usando os padrões fornecidos, execute o seguinte gcloud metastore services create comando:

gcloud metastore services create SERVICE \
  --location=LOCATION

Substitua:

  • SERVICE: o nome do novo serviço Metastore do Dataproc.
  • LOCATION: a região do Google Cloud em que você quer criar o metastore do Dataproc. Você também pode definir um local padrão.

    Para informações sobre as convenções de nomenclatura, consulte Convenção de nomenclatura de recursos.

REST

Siga as instruções da API para criar um serviço usando o APIs Explorer.

Criar o Metastore do Dataproc usando configurações avançadas

Como criar um metastore do Dataproc usando as configurações avançadas mostra que é preciso modificar configurações, como configurações de rede, de endpoint, de segurança e de recursos opcionais.

Metastore do Dataproc 2 ou 1

As instruções a seguir mostram como criar um metastore do Dataproc. 2 ou um serviço do Dataproc Metastore 1 usando configurações.

Console

Primeiros passos

  1. No console do Google Cloud, abra a página Metastore do Dataproc:

    Metastore do Dataproc aberta

  2. No menu de navegação, clique em + Criar.

    A caixa de diálogo Criar serviço do Metastore será aberta.

  3. Selecione a versão do metastore que você quer usar, Dataproc Metastore 1. ou Dataproc Metastore 2.

    Informações do serviço

    Criar página de serviço
    Exemplo da página Criar serviço

    1. Opcional: para o Dataproc Metastore 2. Na seção Preço e capacidade, escolha um tamanho de instância.

      Para mais informações, consulte planos de preços e configurações de escalonamento.

    2. No campo Nome do serviço, insira um nome exclusivo para o serviço.

      Para informações sobre as convenções de nomenclatura, consulte Convenção de nomenclatura de recursos.

    3. Selecione o Local dos dados.

      Para mais informações sobre como selecionar a região adequada, consulte Regiões e zonas disponíveis e Endpoint regional.

    4. Selecione a versão Metastore do Hive.

      Se esse valor não for modificado, o serviço vai usar a versão mais recente do Hive com suporte (atualmente, a versão 3.1.2).

      Para mais informações sobre como selecionar a versão correta, consulte a política de versões.

    5. Selecione o Canal de lançamento.

      Se esse valor não for modificado, a metastore vai usar o valor Stable. Para mais informações, consulte Canal de lançamento.

    6. Insira a Porta TCP.

      A porta TCP com que o endpoint do Thrift se conecta. Se esse valor não for modificado, a porta número 9083 será usada. Se você mudar o endpoint para gRPC, esse valor vai mudar automaticamente para 443 e não poderá ser alterado.

    7. (Opcional) Para Dataproc Metastore 1. Selecione o Nível de serviço.

      O nível de serviço influencia a capacidade do seu serviço. Para mais informações, consulte Nível de serviço.

    Protocolo do endpoint

    • Opcional: escolha um protocolo de endpoint.

      A opção selecionada padrão é Apache Thrift. Para mais informações sobre os diferentes endpoints, consulte Escolher o protocolo de endpoint.

    Configuração de rede

    1. Selecione uma Configuração de rede.

      Por padrão, o serviço é exposto apenas em uma rede VPC e usa a rede default. A rede default só permite que seu serviço se conecte a outros serviços no mesmo projeto.

      Altere as configurações de rede padrão para concluir a seguintes ações:

      • Conectar o serviço do metastore do Dataproc ao metastore do Dataproc serviços em outros projetos.
      • Use o serviço do Dataproc Metastore com outros serviços do Google Cloud, como o cluster do Dataproc.
    2. Opcional: clique em Usar rede VPC compartilhada e insira o ID do projeto e o nome da rede VPC.

    3. Opcional: clique em Tornar os serviços acessíveis em várias sub-redes da VPC e selecione as sub-redes. É possível especificar até cinco sub-redes.

    4. Clique em Concluído.

    Integração de metadados

    Janela de manutenção

    • Opcional: selecione o Dia da semana e a Hora do dia como seu durante a janela de manutenção do dispositivo.

      Para mais informações, consulte Janelas de manutenção.

    Segurança

    1. Opcional: ative o Kerberos.

      1. Para ativar o Kerberos, clique no botão de alternância.
      2. Selecione ou insira o código do recurso secret.
      3. Use a versão mais recente do secret ou selecione uma mais antiga um para usar.
      4. Insira o principal do Kerberos.

        Este é o principal alocado para este metastore do Dataproc serviço.

      5. Navegue até o arquivo krb5 config.

    2. Opcional: escolha um tipo de criptografia.

      • A opção selecionada por padrão é Chave de criptografia gerenciada pelo Google.

      • Para selecionar uma chave gerenciada pelo cliente, clique em Usar uma chave gerenciada pelo cliente de criptografia de dados (CMEK, na sigla em inglês).

        Para mais informações, consulte Como usar chaves de criptografia gerenciadas pelo cliente.

    Substituições de configuração do metastore

    Configuração da versão auxiliar

    • Opcional: para adicionar uma configuração de versão auxiliar, clique em Ativar.

      Para mais informações, consulte Versões auxiliares.

    Tipo de banco de dados

    • Opcional: escolha um tipo de banco de dados.

      Em Tipo de banco de dados, selecione MySQL ou Spanner. O MySQL é o tipo de banco de dados padrão.

      Para mais informações sobre como escolher um tipo de banco de dados específico, consulte Tipos de banco de dados.

    Marcadores

    • Opcional: para adicionar ou remover rótulos opcionais que descrevem seus metadados, Clique em + Adicionar rótulos.

Iniciar o serviço

Para criar e iniciar o serviço, clique em Enviar.

O novo serviço de metastore aparece na página Metastore do Dataproc. O status exibido será Creating até que o serviço esteja pronto para uso. Quando ela estiver pronta, o status vai mudar para Ativo. O provisionamento do serviço pode levar alguns minutos.

CLI da gcloud

  1. Para criar um metastore, execute o seguinte comando gcloud metastore services create:

    gcloud metastore services create SERVICE \
      --location=LOCATION \
      --instance-size=INSTANCE_SIZE \
      --scaling-factor=SCALING_FACTOR \
      --port=PORT \
      --tier=TIER \
      --endpoint-protocol=ENDPOINT_PROTOCOL \
      --database-type=DATABASE_TYPE \
      --hive-metastore-version=HIVE_METASTORE_VERSION \
      --data-catalog-sync=DATA_CATALOG_SYNC \
      --release-channel=RELEASE_CHANNEL \
      --hive-metastore-configs=METADATA_OVERRIDE \
      --labels=LABELS \
      --auxiliary-versions=AUXILIARY_VERSION \
      --network=NETWORK \
      --consumer-subnetworks="projects/PROJECT_ID/regions/LOCATION/subnetworks/SUBNET1, projects/PROJECT_ID/regions/LOCATION/subnetworks/SUBNET2" \
      --kerberos-principal=KERBEROS_PRINCIPAL \
      --krb5-config=KRB5_CONFIG \
      --keytab=CLOUD_SECRET \
      --encryption-kms-key=KMS_KEY

    Substitua:

    Configurações do serviço:

    • SERVICE: o nome do novo serviço Metastore do Dataproc. do serviço Metastore do Dataproc. Por exemplo, 0.1. Se você especificar um valor para SCALING_FACTOR, não especifique um para INSTANCE_SIZE.
    • LOCATION: a região do Google Cloud que você quer em que o metastore do Dataproc será criado. Também é possível definir um local padrão.
    • PORT: opcional: a porta TCP usada pelo endpoint do Thrift. Se não for definido, a porta 9083 será usada. Se você optar por usar um endpoint gRPC, o número da porta será alterado automaticamente para 443.
    • TIER: opcional para o Dataproc Metastore 1: o nível de serviço do seu novo serviço. Se não for definido, o valor Developer será usado.
    • ENDPOINT_PROTOCOL: Opcional: escolha o protocolo do endpoint para seu serviço.
    • DATABASE_TYPE: Opcional: escolha o tipo de banco de dados para seu serviço. Para mais informações sobre como escolher um tipo específico de banco de dados, consulte Tipos de banco de dados.
    • DATA_CATALOG_SYNC (opcional): ative o Recurso de sincronização do Data Catalog.
    • HIVE_METASTORE_VERSION: opcional: a versão da metastore do Hive que você quer usar com seu serviço. Por exemplo, 3.1.2. Se não for definido, a versão mais recente do Hive será usada.
    • RELEASE_CHANNEL (opcional): o canal de lançamento. do serviço. Se não for definido, o valor Stable será usado.
    • METADATA_OVERRIDE: opcional: as configurações de substituição do metastore do Hive que você quer aplicar ao serviço. Use uma lista separada por vírgulas no formato k1=v1,k2=v2,k3=v3.
    • LABELS: opcional: pares de chave-valor para adicionar mais metadados ao serviço. Use uma lista separada por vírgulas no seguinte formato k1=v1,k2=v2,k3=v3. Dataproc Metastore
    • AUXILIARY_VERSION: opcional: ative versões auxiliares. Para mais informações, consulte Versões auxiliares.

    Configurações de escalonamento:

    • INSTANCE_SIZE: opcional para o Dataproc Metastore 2: o tamanho da instância do seu metastore multirregional do Dataproc. Por exemplo, small, medium ou large. Se você especificar um valor para INSTANCE_SIZE, não especifique um para SCALING_FACTOR.
    • SCALING_FACTOR: opcional para Dataproc Metastore 2: o fator de escalonamento do serviço do Dataproc Metastore. Por exemplo, 0.1. Se você especificar um valor para SCALING_FACTOR, não especificar um valor para INSTANCE_SIZE

    Configurações de rede:

    • NETWORK: o nome da rede VPC que você está conectando ao serviço. Se não for definido, o valor default será usado.

      Se você usa uma rede VPC que pertence a um projeto diferente do seu serviço, você deve fornecer toda a o nome relativo do recurso precisa ser fornecido. Por exemplo, projects/HOST_PROJECT/global/networks/NETWORK_ID.

    • SUBNET1, SUBNET2: Opcional: uma lista de sub-redes que podem acessar o serviço. É possível usar o ID, o URL totalmente qualificado ou o nome relativo da sub-rede. É possível especificar até cinco sub-redes.

    Configurações do Kerberos:

    • KERBEROS_PRINCIPAL: opcional: um princípio Kerberos que existe na guia key e no KDC. Um princípio típico é o formato "primary/instance@REALM", mas não há um formato exato.
    • KRB5_CONFIG (opcional): o arquivo krb5.config especifica as informações de domínio do KDC e do Kerberos, que incluem locais de KDCs e padrões para os aplicativos real e Kerberos.
    • CLOUD_SECRET (opcional): o recurso relativo nome de um Secret Manager versão do secret.
    • KMS_KEY: opcional: refere-se ao ID do recurso chave.
  2. Verifique se a criação foi bem-sucedida.

REST

Siga as instruções da API para criar um serviço usando o APIs Explorer.

Definir uma substituição da configuração do metastore do Hive para o metastore do Dataproc

Se o diretório do armazenamento do Apache Hive estiver no Cloud Storage, defina uma modificação de configuração do metastore. Essa substituição define o armazenamento de dados personalizado como o diretório de armazenamento padrão do serviço do Metastore do Dataproc.

Antes de definir essa substituição, verifique se o metastore do Dataproc tem permissões de leitura e gravação de objetos para acessar o diretório do warehouse. Saiba mais em Diretório de armazenamento do Hive.

As instruções a seguir mostram como definir uma substituição de configuração do Hive Metastore. para um novo serviço do metastore do Dataproc.

Console

  1. No console do Google Cloud, abra a página Metastore do Dataproc:

    Metastore do Dataproc aberta

  2. Na barra de navegação, clique em +Criar.

  3. Em Substituições de configuração do Metastore, insira os seguintes valores:

    • Chave: hive.metastore.warehouse.dir.
    • Valor: o local do Cloud Storage do diretório do warehouse. Por exemplo, gs://my-bucket/path/to/location.
  4. Configure as outras opções de serviço conforme necessário ou use os padrões fornecidos.

  5. Clique em Enviar.

    Retorne à página Metastore do Dataproc e verifique se o serviço foi criado.

CLI da gcloud

  1. Para criar um serviço do Dataproc Metastore com uma substituição do Hive, execute o seguinte gcloud metastore services create comando:

    gcloud metastore services create SERVICE \
      --location=LOCATION \
      --hive-metastore-configs="hive.metastore.warehouse.dir=CUSTOMER_DIR"
    

    Substitua:

    • SERVICE: o nome do novo serviço Metastore do Dataproc.
    • LOCATION: a região do Google Cloud em que você quer criar o metastore do Dataproc. Você também pode definir um local padrão.
    • CUSTOMER_DIR: o local do Cloud Storage do diretório do armazém. Por exemplo, gs://my-bucket/path/to/location.
  2. Verifique se a criação foi bem-sucedida.

Criar o Metastore do Dataproc com escalonamento automático

O Dataproc Metastore 2 oferece suporte ao escalonamento automático. Se você ativar o escalonamento automático, poderá definir um fator de escalonamento mínimo e um máximo. Depois disso, definido, seu serviço aumenta ou diminui automaticamente o fator de escalonamento necessários para executar as cargas de trabalho.

Considerações sobre o escalonamento automático

  • O escalonamento automático e os fatores de escalonamento são opções mutuamente exclusivas. Por exemplo: Se você ativar o escalonamento automático, não será possível definir manualmente um fator ou tamanho de escalonamento.
  • O escalonamento automático está disponível apenas para o metastore do Dataproc de região única instâncias.
  • Quando o escalonamento automático está ativado, as configurações de fatores de escalonamento atuais são limpas.
  • Quando o escalonamento automático está desativado:
    • As configurações de escalonamento automático atuais são apagadas.
    • O fator de escalonamento está definido como o último autoscaling_factor que foi configurado no serviço.
  • Os fatores mínimo e máximo de escalonamento automático são opcionais. Se não for definido, o os valores padrão são 0.1 e 6, respectivamente.

Escolha uma das guias a seguir para saber como criar um metastore do Dataproc serviço 2 com escalonamento automático ativado.

Console

  1. No console do Google Cloud, acesse o Metastore do Dataproc página.

    Acesse o metastore do Dataproc

  2. Na barra de navegação, clique em +Criar.

    A caixa de diálogo Criar serviço de metastore é aberta.

  3. Selecione Metastore do Dataproc 2.

  4. Na seção Preços e capacidade, selecione Enterprise: região única.

  5. Em Tamanho da instância, clique em Ativar escalonamento automático.

  6. Em Tamanho da instância, use o controle deslizante para escolher o mínimo e o máximo de instâncias. tamanho.

  7. Para criar e iniciar o serviço, clique em Enviar.

    O novo serviço de metastore aparece na página Metastore do Dataproc. O status será Creating até que o serviço esteja pronto para uso. Quando estiver pronto, o status vai mudar para Ativo. O provisionamento do serviço pode levar alguns minutos.

REST

curl -X POST -s -i -H "Authorization: Bearer $(gcloud auth print-access-token)" \
-d '{"scaling_config":{"autoscaling_config":{"autoscaling_enabled": true,"limit_config":{"max_scaling_factor":MAX_SCALING_FACTOR,"min_scaling_factor": MIN_SCALING_FACTOR}}}}' \
-H "Content-Type:application/json" \
https://metastore.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/services?service_id=SERVICE_ID

Substitua:

  • MIN_INSTANCES (opcional) o número mínimo de instâncias para usar na configuração de escalonamento automático. Se esses valores não forem especificados, um valor padrão de 0.1 será usado.
  • MAX_INSTANCESOpcional: o número máximo de instâncias para usar na configuração de escalonamento automático. Se esses valores não forem especificados, será usado o valor padrão 6.

Criar um serviço Metastore do Dataproc multirregional

Para criar uma Metastore multirregional do Dataproc, consulte Configurar um serviço Metastore multirregional do Dataproc.

Criar um serviço do metastore do Dataproc usando a VPC compartilhada

Com uma VPC compartilhada, você pode conectar recursos da metastore do Dataproc de vários projetos a uma rede VPC comum.

Para criar um serviço do metastore do Dataproc configurado com uma VPC compartilhada, consulte Criar um serviço usando configurações avançadas.

Considerações

  • As redes VPC não são relevantes para os serviços do metastore do Dataproc configurados com o protocolo de endpoint gRPC.

  • Para serviços do Dataproc Metastore configurados com o endpoint Thrift , verifique se o serviço Metastore do Dataproc e o O cluster do Dataproc ao qual está anexado usa a mesma VPC compartilhada em uma rede VPC.

  • Para serviços do Dataproc Metastore configurados com o endpoint Thrift e o Private Service Connect, use sub-redes da rede VPC compartilhada.

Papéis do IAM necessários para redes VPC compartilhadas

Para criar um serviço do Dataproc Metastore com uma VPC acessível em uma rede pertencente a um projeto diferente, você precisa conceder roles/metastore.serviceAgent ao projeto de serviço Agente de serviço do Dataproc Metastore (service-SERVICE_PROJECT_NUMBER@gcp-sa-metastore.iam.gserviceaccount.com) na política do IAM do projeto de rede.

gcloud projects add-iam-policy-binding NETWORK_PROJECT_ID \
   --role "roles/metastore.serviceAgent" \
   --member "serviceAccount:service-SERVICE_PROJECT_NUMBER@gcp-sa-metastore.iam.gserviceaccount.com"

Resolver problemas comuns

Alguns problemas comuns incluem:

  • Como restringir o peering de VPC. Antes de criar um metastore, não defina um restrição org-policy para restringir o peering de VPC ou a criação do metastore falhar. Para mais informações sobre como definir as configurações corretas da VPC, consulte A criação de serviços falha devido à restrição para restringir o peering de VPC.

  • Problemas com redes VPC. Ao criar um metastore, a rede VPC que você estão usando podem ficar sem endereços RFC 1918 disponíveis exigidos pelo Serviços do Dataproc Metastore. Para mais informações sobre como corrigir esse problema, consulte O intervalo de IP alocado está esgotado.

A seguir