メタデータ連携は、1 つのエンドポイントから複数のメタデータ ソースにアクセスできるサービスです。
連携を設定するには、連携サービスを作成してメタデータ ソースを構成します。その後、サービスがすべてのメタデータにアクセスするために使用できる単一の gRPC エンドポイントを公開します。
たとえば、連携を使用すると、単一のエンドポイントを介して複数の Dataproc Metastore サービスを公開する Dataproc クラスタを作成できます。その後、Spark や Hive などのオープンソース ソフトウェア(OSS)エンジンを介してビッグデータ ジョブを実行し、複数のメタストア間でメタデータにアクセスできます。
連携の仕組み
Spark または Hive で実行される OSS ビッグデータ ワークロードは、Hive Metastore API にリクエストを送信して実行時にメタデータを取得します。
- Hive Metastore インターフェースでは、読み取りと書き込みの両方のメソッドがサポートされています。連携サービスは、Hive Metastore インターフェースの gRPC バージョンを公開します。
- 実行時に、連携サービスはリクエストを受信すると、ソースの順序を確認して適切なメタデータを取得します。
メタデータの入手先
連携サービスを作成するときは、メタデータ ソースを追加する必要があります。バックエンド メタストアとして次のソースを使用できます。
- Dataproc Metastore インスタンス。
- 1 つ以上の BigQuery データセットを含むプロジェクト
- Dataplex レイク(プレビュー)。
ソースの制限
次のセクションでは、さまざまなメタデータのソースを使用する際に遵守する必要がある制限を示します。
ソース総数
すべてのメタデータ ソースには次の制限が適用されます。
- 連携サービスには独自のデータは含まれません。代わりに、連携サービスはメタデータ ソースの一つからのみメタデータを提供します。
- 連携サービスを別の連携サービスのメタデータのソースにすることはできません。
Dataproc Metastore
Dataproc Metastore をソースとして使用している場合は、次の制限が適用されます。
- 連携サービスは、gRPC エンドポイントを介してのみ利用できます。Dataproc Metastore を連携で使用するには、gRPC エンドポイントを使用してメタストアを作成します。
- 連携サービスは、任意の単一リージョンで単一リージョンの Dataproc Metastore サービスに接続できます。連携サービスは、マルチリージョン Dataproc Metastore サービスをサポートしていません。
BigQuery
BigQuery データセットをソースとして含むプロジェクトを使用している場合は、次の条件を満たす必要があります。
- BigQuery データセットを含むプロジェクトにアクセスするために、適切な IAM ロールを付与します。
- BigQuery データセットとともに、少なくとも 1 つの Dataproc Metastore サービスをソースとして追加します。
Dataplex レイク
dataplex.lakes.get
権限を含む IAM ロールを付与します。- Dataplex レイクとともに、少なくとも 1 つの Dataproc Metastore サービスをソースとして追加します。
ソースの順序付け
連携サービスは、メタデータ リクエストを優先順位で処理します。このコンセプトをソースの順序付けといいます。実行時に、連携サービスはリクエストを受信するとソースの順序を確認し、次のいずれかのアクションを行います。
- リクエストにデータベース名が含まれている場合。リクエストは、データベース名を含むバックエンド メタストアに転送されます。複数のメタストアに同じデータベース名が含まれている場合、リクエストはランクが最も低いメタストアに転送されます。
- リクエストでデータベースが作成または削除された場合。リクエストは、ランクが最も低いメタストアに転送されます。
- リクエストにデータベース名が含まれておらず、データベースが作成または削除されない場合。リクエストは、ランクが最も低い Dataproc Metastore インスタンスに転送されます。データベースを指定しない Hive Metastore リクエストの例としては、
set_ugi
とcreate_database
があります。 - どのメタストアにもデータベースが含まれていない場合。OSS エンジンが、notFound エラーと同等のレスポンスを返します。