Hive to BigQuery 模板
使用 Dataproc Serverless Hive to BigQuery 模板将数据从 Hive 提取到 BigQuery。
使用模板
使用 gcloud CLI 或 Dataproc API 运行模板。
gcloud
在使用下面的命令数据之前,请先进行以下替换:
- PROJECT_ID:必填。IAM 设置中列出的 Google Cloud 项目 ID。
- REGION:必填。Compute Engine 区域。
- TEMPLATE_VERSION:必填。指定
latest
为最新版本 模板版本或特定版本的日期,例如2023-03-17_v0.1.0-beta
(访问 gs://dataproc-templates-binaries 或运行gcloud storage ls gs://dataproc-templates-binaries
以列出可用的模板版本)。 - SUBNET:可选。如果未指定子网,
已选择
default
网络中指定 REGION 内的数据。示例:
projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME
- HOST 和 PORT:必需。
源 Hive 数据库主机的主机名或 IP 地址和端口。
示例:
10.0.0.33:9083
- DATASET:必填。BigQuery 输出数据集名称。
- TABLE:必填。BigQuery 输出表名称。
- QUERY:必填。从 Hive 中提取数据的查询。
- TEMP_BUCKET:必填。Cloud Storage 存储桶名称(仅指定存储桶的名称)。此存储桶用于 BigQuery 加载。
- MODE:必填。BigQuery 输出的写入模式。
选项:
Append
、Overwrite
、Ignore
或ErrorIfExists
。 - TEMPVIEW 和 TEMPVIEW_SQL_QUERY:可选。 您可以在将数据加载到 BigQuery 时使用这两个可选参数来应用 Spark SQL 转换。TEMPVIEW 是临时视图名称,TEMPVIEW_SQL_QUERY 是查询语句。TEMPVIEW 和 TEMPVIEW_SQL_QUERY 中的表名称必须匹配。
- SERVICE_ACCOUNT:可选。如果未提供,则系统会使用默认 Compute Engine 服务账号。
- PROPERTY 和 PROPERTY_VALUE:可选。以英文逗号分隔的 Spark 属性=
value
对列表。 - LABEL 和 LABEL_VALUE:
选填。以英文逗号分隔的
label
=value
对列表。 - LOG_LEVEL:可选。日志记录级别。可以是以下其中一项:
ALL
、DEBUG
、ERROR
、FATAL
、INFO
、OFF
、TRACE
或WARN
。默认值:INFO
。 -
KMS_KEY:可选。用于加密的 Cloud Key Management Service。如果未指定密钥,系统会使用 Google 拥有且 Google 管理的密钥对数据进行静态加密。
示例:
projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
执行以下命令:
Linux、macOS 或 Cloud Shell
gcloud dataproc batches submit spark \ --class=com.google.cloud.dataproc.templates.main.DataProcTemplate \ --version="1.1" \ --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="1.1" ` --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="1.1" ^ --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
在使用任何请求数据之前,请先进行以下替换:
- PROJECT_ID:必填。您的 Google Cloud 项目 ID 列于 IAM 设置。
- REGION:必填。Compute Engine 区域。
- TEMPLATE_VERSION:必填。指定
latest
为最新版本 模板版本或特定版本的日期,例如2023-03-17_v0.1.0-beta
(访问 gs://dataproc-templates-binaries 或运行gcloud storage ls gs://dataproc-templates-binaries
以列出可用的模板版本)。 - SUBNET:可选。如果未指定子网,系统会选择
default
网络中指定区域中的子网。示例:
projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME
- HOST 和 PORT:必需。
源 Hive 数据库主机的主机名或 IP 地址和端口。
示例:
10.0.0.33:9083
- DATASET:必填。BigQuery 输出数据集名称。
- TABLE:必填。BigQuery 输出表名称。
- QUERY:必填。从 Hive 中提取数据的查询。
- TEMP_BUCKET:必填。Cloud Storage 存储桶名称(仅指定存储桶的名称)。此存储桶用于 BigQuery 加载。
- MODE:必填。BigQuery 输出的写入模式。
选项:
Append
、Overwrite
、Ignore
或ErrorIfExists
。 - TEMPVIEW 和 TEMPVIEW_SQL_QUERY:可选。 您可以在将数据加载到 BigQuery 时使用这两个可选参数来应用 Spark SQL 转换。TEMPVIEW 是临时视图名称,TEMPVIEW_SQL_QUERY 是查询语句。TEMPVIEW 和 TEMPVIEW_SQL_QUERY 中的表名称必须匹配。
- SERVICE_ACCOUNT:可选。如果未提供, 默认的 Compute Engine 服务账号 。
- PROPERTY 和 PROPERTY_VALUE:可选。以逗号分隔的
Spark 属性=
value
对。 - LABEL 和 LABEL_VALUE:可选。以英文逗号分隔的
label
=value
对列表。 - LOG_LEVEL:可选。日志记录级别。可以是以下其中一项:
ALL
、DEBUG
、ERROR
、FATAL
、INFO
、OFF
、TRACE
或WARN
。默认值:INFO
。 -
KMS_KEY:可选。用于加密的 Cloud Key Management Service。如果未指定密钥,系统会使用 Google 拥有且 Google 管理的密钥对数据进行静态加密。
示例:
projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
HTTP 方法和网址:
POST https://dataproc.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/batches
请求 JSON 正文:
{ "environmentConfig":{ "executionConfig":{ "subnetworkUri":"SUBNET", "kmsKey": "KMS_KEY", "serviceAccount": "SERVICE_ACCOUNT" } }, "labels": { "LABEL": "LABEL_VALUE" }, "runtimeConfig": { "version": "1.1", "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" ] } }
如需发送您的请求,请展开以下选项之一:
您应该收到类似以下内容的 JSON 响应:
{ "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" } }