Modello Hive to BigQuery
Utilizza il modello Dataproc Serverless Hive to BigQuery per estrarre i dati da Hive a BigQuery.
Utilizzare il modello
Esegui il modello utilizzando l'interfaccia a riga di comando gcloud o l'API Dataproc.
gcloud
Prima di utilizzare i dati dei comandi riportati di seguito, effettua le seguenti sostituzioni:
- PROJECT_ID: obbligatorio. Il tuo Google Cloud ID progetto elencato nelle Impostazioni IAM.
- REGION: obbligatorio. Regione Compute Engine.
- TEMPLATE_VERSION: obbligatorio. Specifica
latest
per la versione del modello più recente o la data di una versione specifica, ad esempio2023-03-17_v0.1.0-beta
(visita gs://dataproc-templates-binaries o eseguigcloud storage ls gs://dataproc-templates-binaries
per elencare le versioni del modello disponibili). - SUBNET: facoltativo. Se non viene specificata una subnet, viene selezionata la subnet nella REGIONE specificata nella rete
default
.Esempio:
projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME
- HOST e PORT: obbligatori.
Nome host o indirizzo IP e porta dell'host del database Hive di origine.
Esempio:
10.0.0.33:9083
- DATASET: obbligatorio. Nome del set di dati di output BigQuery.
- TABLE: obbligatorio. Nome della tabella di output BigQuery.
- QUERY: obbligatorio. Query per l'estrazione di dati da Hive.
- TEMP_BUCKET: obbligatorio. Nome del bucket Cloud Storage (specifica solo il nome del bucket). Questo bucket viene utilizzato per il caricamento di BigQuery.
- MODE: obbligatorio. Modalità di scrittura per l'output BigQuery.
Opzioni:
Append
,Overwrite
,Ignore
oErrorIfExists
. - TEMPVIEW e TEMPVIEW_SQL_QUERY: facoltativi. Puoi utilizzare questi due parametri facoltativi per applicare una trasformazione Spark SQL durante il caricamento dei dati in BigQuery. TEMPVIEW è il nome della visualizzazione temporanea e TEMPVIEW_SQL_QUERY è l'istruzione di query. TEMPVIEW e il nome della tabella in TEMPVIEW_SQL_QUERY devono corrispondere.
- SERVICE_ACCOUNT: facoltativo. Se non viene specificato, viene utilizzato l'account di servizio Compute Engine predefinito.
- PROPERTY e PROPERTY_VALUE:
facoltativi. Elenco separato da virgole di
coppie Proprietà Spark=
value
. - LABEL e LABEL_VALUE:
facoltativi. Elenco separato da virgole di coppie
label
=value
. - LOG_LEVEL: facoltativo. Livello di registrazione. Può essere uno dei seguenti valori:
ALL
,DEBUG
,ERROR
,FATAL
,INFO
,OFF
,TRACE
oWARN
. Valore predefinito:INFO
. -
KMS_KEY: facoltativo. Cloud Key Management Service da utilizzare per la crittografia. Se non viene specificata una chiave, i dati vengono criptati at-rest utilizzando un Google-owned and Google-managed encryption key.
Esempio:
projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
Esegui il seguente comando:
Linux, macOS o Cloud Shell
gcloud dataproc batches submit spark \ --class=com.google.cloud.dataproc.templates.main.DataProcTemplate \ --version="1.2" \ --project="PROJECT_ID" \ --region="REGION" \ --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar" \ --subnet="SUBNET" \ --service-account="SERVICE_ACCOUNT" \ --properties="spark.hadoop.hive.metastore.uris=thrift://HOST:PORT,PROPERTY=PROPERTY_VALUE" \ --kms-key="KMS_KEY" \ --labels="LABEL=LABEL_VALUE" \ -- --template HIVETOBIGQUERY \ --templateProperty log.level="LOG_LEVEL" \ --templateProperty hivetobq.bigquery.location="PROJECT_ID.DATASET.TABLE" \ --templateProperty hivetobq.sql="QUERY" \ --templateProperty hivetobq.temp.gcs.bucket="TEMP_BUCKET" \ --templateProperty hivetobq.write.mode="MODE" \ --templateProperty hivetobq.temp.table="TEMPVIEW" \ --templateProperty hivetobq.temp.query="TEMPVIEW_SQL_QUERY"
Windows (PowerShell)
gcloud dataproc batches submit spark ` --class=com.google.cloud.dataproc.templates.main.DataProcTemplate ` --version="1.2" ` --project="PROJECT_ID" ` --region="REGION" ` --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar" ` --subnet="SUBNET" ` --service-account="SERVICE_ACCOUNT" ` --properties="spark.hadoop.hive.metastore.uris=thrift://HOST:PORT,PROPERTY=PROPERTY_VALUE" ` --kms-key="KMS_KEY" ` --labels="LABEL=LABEL_VALUE" ` -- --template HIVETOBIGQUERY ` --templateProperty log.level="LOG_LEVEL" ` --templateProperty hivetobq.bigquery.location="PROJECT_ID.DATASET.TABLE" ` --templateProperty hivetobq.sql="QUERY" ` --templateProperty hivetobq.temp.gcs.bucket="TEMP_BUCKET" ` --templateProperty hivetobq.write.mode="MODE" ` --templateProperty hivetobq.temp.table="TEMPVIEW" ` --templateProperty hivetobq.temp.query="TEMPVIEW_SQL_QUERY"
Windows (cmd.exe)
gcloud dataproc batches submit spark ^ --class=com.google.cloud.dataproc.templates.main.DataProcTemplate ^ --version="1.2" ^ --project="PROJECT_ID" ^ --region="REGION" ^ --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar" ^ --subnet="SUBNET" ^ --service-account="SERVICE_ACCOUNT" ^ --properties="spark.hadoop.hive.metastore.uris=thrift://HOST:PORT,PROPERTY=PROPERTY_VALUE" ^ --kms-key="KMS_KEY" ^ --labels="LABEL=LABEL_VALUE" ^ -- --template HIVETOBIGQUERY ^ --templateProperty log.level="LOG_LEVEL" ^ --templateProperty hivetobq.bigquery.location="PROJECT_ID.DATASET.TABLE" ^ --templateProperty hivetobq.sql="QUERY" ^ --templateProperty hivetobq.temp.gcs.bucket="TEMP_BUCKET" ^ --templateProperty hivetobq.write.mode="MODE" ^ --templateProperty hivetobq.temp.table="TEMPVIEW" ^ --templateProperty hivetobq.temp.query="TEMPVIEW_SQL_QUERY"
REST
Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:
- PROJECT_ID: obbligatorio. Il tuo Google Cloud ID progetto elencato nelle Impostazioni IAM.
- REGION: obbligatorio. Regione Compute Engine.
- TEMPLATE_VERSION: obbligatorio. Specifica
latest
per la versione del modello più recente o la data di una versione specifica, ad esempio2023-03-17_v0.1.0-beta
(visita gs://dataproc-templates-binaries o eseguigcloud storage ls gs://dataproc-templates-binaries
per elencare le versioni del modello disponibili). - SUBNET: facoltativo. Se non viene specificata una subnet, viene selezionata la subnet nella REGIONE specificata nella rete
default
.Esempio:
projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME
- HOST e PORT: obbligatori.
Nome host o indirizzo IP e porta dell'host del database Hive di origine.
Esempio:
10.0.0.33:9083
- DATASET: obbligatorio. Nome del set di dati di output BigQuery.
- TABLE: obbligatorio. Nome della tabella di output BigQuery.
- QUERY: obbligatorio. Query per l'estrazione di dati da Hive.
- TEMP_BUCKET: obbligatorio. Nome del bucket Cloud Storage (specifica solo il nome del bucket). Questo bucket viene utilizzato per il caricamento di BigQuery.
- MODE: obbligatorio. Modalità di scrittura per l'output BigQuery.
Opzioni:
Append
,Overwrite
,Ignore
oErrorIfExists
. - TEMPVIEW e TEMPVIEW_SQL_QUERY: facoltativi. Puoi utilizzare questi due parametri facoltativi per applicare una trasformazione Spark SQL durante il caricamento dei dati in BigQuery. TEMPVIEW è il nome della visualizzazione temporanea e TEMPVIEW_SQL_QUERY è l'istruzione di query. TEMPVIEW e il nome della tabella in TEMPVIEW_SQL_QUERY devono corrispondere.
- SERVICE_ACCOUNT: facoltativo. Se non viene specificato, viene utilizzato l'account di servizio Compute Engine predefinito.
- PROPERTY e PROPERTY_VALUE:
facoltativi. Elenco separato da virgole di
coppie Proprietà Spark=
value
. - LABEL e LABEL_VALUE:
facoltativi. Elenco separato da virgole di coppie
label
=value
. - LOG_LEVEL: facoltativo. Livello di registrazione. Può essere uno dei seguenti valori:
ALL
,DEBUG
,ERROR
,FATAL
,INFO
,OFF
,TRACE
oWARN
. Valore predefinito:INFO
. -
KMS_KEY: facoltativo. Cloud Key Management Service da utilizzare per la crittografia. Se non viene specificata una chiave, i dati vengono criptati at-rest utilizzando un Google-owned and Google-managed encryption key.
Esempio:
projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
Metodo HTTP e URL:
POST https://dataproc.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/batches
Corpo JSON della richiesta:
{ "environmentConfig":{ "executionConfig":{ "subnetworkUri":"SUBNET", "kmsKey": "KMS_KEY", "serviceAccount": "SERVICE_ACCOUNT" } }, "labels": { "LABEL": "LABEL_VALUE" }, "runtimeConfig": { "version": "1.2", "properties": { "spark.hadoop.hive.metastore.uris":"thrift://HOST:PORT", "PROPERTY": "PROPERTY_VALUE" } }, "sparkBatch":{ "mainClass":"com.google.cloud.dataproc.templates.main.DataProcTemplate", "args":[ "--template","HIVETOBIGQUERY", "--templateProperty","log.level=LOG_LEVEL", "--templateProperty","hivetobq.bigquery.location=PROJECT_ID.DATASET.TABLE", "--templateProperty","hivetobq.sql=QUERY", "--templateProperty","hivetobq.temp.gcs.bucket=TEMP_BUCKET", "--templateProperty","hivetobq.write.mode=MODE", "--templateProperty","hivetobq.temp.table=TEMPVIEW", "--templateProperty","hivetobq.temp.query=TEMPVIEW_SQL_QUERY" ], "jarFileUris":[ "gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar" ] } }
Per inviare la richiesta, espandi una di queste opzioni:
Dovresti ricevere una risposta JSON simile alla seguente:
{ "name": "projects/PROJECT_ID/regions/REGION/operations/OPERATION_ID", "metadata": { "@type": "type.googleapis.com/google.cloud.dataproc.v1.BatchOperationMetadata", "batch": "projects/PROJECT_ID/locations/REGION/batches/BATCH_ID", "batchUuid": "de8af8d4-3599-4a7c-915c-798201ed1583", "createTime": "2023-02-24T03:31:03.440329Z", "operationType": "BATCH", "description": "Batch" } }