Cloud Storage 到 JDBC 範本
使用 Serverless for Apache Spark Cloud Storage to JDBC 範本,從 Cloud Storage 擷取資料到 JDBC 資料庫。
使用範本
使用 gcloud CLI 或 Dataproc API 執行範本。
gcloud
使用下方的任何指令資料之前,請先替換以下項目:
- PROJECT_ID:必填。IAM 設定中列出的 Google Cloud 專案 ID。
- REGION:必填。Compute Engine 區域。
- SUBNET:選用。如未指定子網路,系統會選取
default
網路中指定 REGION 的子網路。示例:
projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME
- JDBC_CONNECTOR_CLOUD_STORAGE_PATH:必填。完整的 Cloud Storage 路徑,包括儲存 JDBC 連接器 JAR 的檔案名稱。您可以使用下列指令下載 JDBC 連接器,然後上傳至 Cloud Storage:
- MySQL:
wget http://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.30.tar.gz
- Postgres SQL:
wget https://jdbc.postgresql.org/download/postgresql-42.2.6.jar
- Microsoft SQL Server:
wget https://repo1.maven.org/maven2/com/microsoft/sqlserver/mssql-jdbc/6.4.0.jre8/mssql-jdbc-6.4.0.jre8.jar
- Oracle:
wget https://repo1.maven.org/maven2/com/oracle/database/jdbc/ojdbc8/21.7.0.0/ojdbc8-21.7.0.0.jar
- MySQL:
- CLOUD_STORAGE_PATH:必填。儲存輸入檔案的 Cloud Storage 路徑。
示例:
gs://dataproc-templates/cloud_storage_to_jdbc_input
- FORMAT:必填。輸出資料格式。選項:
avro
、parquet
、csv
或orc
。預設值:avro
。 注意:如果avro
,則必須將「file:///usr/lib/spark/connector/spark-avro.jar
」新增至jars
gcloud CLI 旗標或 API 欄位。範例 (
file://
前置字串參照 Serverless for Apache Spark JAR 檔案):--jars=file:///usr/lib/spark/connector/spark-avro.jar,
[, ... other jars] - MODE:選用。Cloud Storage 輸出內容的寫入模式。
選項:
Append
、Overwrite
、Ignore
或ErrorIfExists
。預設值:ErrorIfExists
。 - 下列變數用於建構必要 JDBC_CONNECTION_URL:
- JDBC_HOST
- JDBC_PORT
- JDBC_DATABASE,或 (如果是 Oracle) JDBC_SERVICE
- JDBC_USERNAME
- JDBC_PASSWORD
使用下列其中一種連接器專屬格式,建構 JDBC_CONNECTION_URL:
- MySQL:
jdbc:mysql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD
- Postgres SQL:
jdbc:postgresql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD
- Microsoft SQL Server:
jdbc:sqlserver://JDBC_HOST:JDBC_PORT;databaseName=JDBC_DATABASE;user=JDBC_USERNAME;password=JDBC_PASSWORD
- Oracle:
jdbc:oracle:thin:@//JDBC_HOST:JDBC_PORT/JDBC_SERVICE?user=JDBC_USERNAME&password=
- JDBC_TABLE:必填。要寫入輸出內容的資料表名稱。
- DRIVER:必填。用於連線的 JDBC 驅動程式:
- MySQL:
com.mysql.cj.jdbc.Driver
- Postgres SQL:
org.postgresql.Driver
- Microsoft SQL Server:
com.microsoft.sqlserver.jdbc.SQLServerDriver
- Oracle:
oracle.jdbc.driver.OracleDriver
- MySQL:
- TEMPLATE_VERSION:必填。指定
latest
代表最新範本版本,或指定特定版本的日期,例如2023-03-17_v0.1.0-beta
(請前往 gs://dataproc-templates-binaries 或執行gcloud storage ls gs://dataproc-templates-binaries
,列出可用的範本版本)。 - LOG_LEVEL:選用。記錄層級。可設為
ALL
、DEBUG
、ERROR
、FATAL
、INFO
、OFF
、TRACE
或WARN
。預設值:INFO
。 - NUM_PARTITIONS:選用。可用於平行處理資料表寫入作業的分區數量上限。如果指定,這個值會用於 JDBC 輸出連線。預設值為 Spark
read()
設定的初始分割區。 - BATCH_SIZE:選用。每次往返要插入的記錄數。預設值:
1000
。 - SERVICE_ACCOUNT:選用。如未提供,系統會使用預設的 Compute Engine 服務帳戶。
- PROPERTY 和 PROPERTY_VALUE:
選用。以半形逗號分隔的 Spark 屬性=
value
組合清單。 - LABEL 和 LABEL_VALUE:
選用。以半形逗號分隔的
label
=value
配對清單。 -
KMS_KEY:選用。用於加密的 Cloud Key Management Service 金鑰。如果未指定金鑰,系統會使用 Google-owned and Google-managed encryption key加密靜態資料。
示例:
projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
執行下列指令:
Linux、macOS 或 Cloud Shell
gcloud dataproc batches submit spark \ --class=com.google.cloud.dataproc.templates.main.DataProcTemplate \ --project="PROJECT_ID" \ --region="REGION" \ --version="1.2" \ --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar,JDBC_CONNECTOR_CLOUD_STORAGE_PATH" \ --subnet="SUBNET" \ --kms-key="KMS_KEY" \ --service-account="SERVICE_ACCOUNT" \ --properties="PROPERTY=PROPERTY_VALUE" \ --labels="LABEL=LABEL_VALUE" \ -- --template=GCSTOJDBC \ --templateProperty project.id="PROJECT_ID" \ --templateProperty log.level="LOG_LEVEL" \ --templateProperty gcs.jdbc.input.location="CLOUD_STORAGE_PATH" \ --templateProperty gcs.jdbc.input.format="FORMAT" \ --templateProperty gcs.jdbc.output.saveMode="MODE" \ --templateProperty gcs.jdbc.output.url="JDBC_CONNECTION_URL" \ --templateProperty gcs.jdbc.output.table="JDBC_TABLE" \ --templateProperty gcs.jdbc.output.driver="DRIVER" \ --templateProperty gcs.jdbc.spark.partitions="NUM_PARTITIONS" \ --templateProperty gcs.jdbc.output.batchInsertSize="BATCH_SIZE"
Windows (PowerShell)
gcloud dataproc batches submit spark ` --class=com.google.cloud.dataproc.templates.main.DataProcTemplate ` --project="PROJECT_ID" ` --region="REGION" ` --version="1.2" ` --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar,JDBC_CONNECTOR_CLOUD_STORAGE_PATH" ` --subnet="SUBNET" ` --kms-key="KMS_KEY" ` --service-account="SERVICE_ACCOUNT" ` --properties="PROPERTY=PROPERTY_VALUE" ` --labels="LABEL=LABEL_VALUE" ` -- --template=GCSTOJDBC ` --templateProperty project.id="PROJECT_ID" ` --templateProperty log.level="LOG_LEVEL" ` --templateProperty gcs.jdbc.input.location="CLOUD_STORAGE_PATH" ` --templateProperty gcs.jdbc.input.format="FORMAT" ` --templateProperty gcs.jdbc.output.saveMode="MODE" ` --templateProperty gcs.jdbc.output.url="JDBC_CONNECTION_URL" ` --templateProperty gcs.jdbc.output.table="JDBC_TABLE" ` --templateProperty gcs.jdbc.output.driver="DRIVER" ` --templateProperty gcs.jdbc.spark.partitions="NUM_PARTITIONS" ` --templateProperty gcs.jdbc.output.batchInsertSize="BATCH_SIZE"
Windows (cmd.exe)
gcloud dataproc batches submit spark ^ --class=com.google.cloud.dataproc.templates.main.DataProcTemplate ^ --project="PROJECT_ID" ^ --region="REGION" ^ --version="1.2" ^ --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar,JDBC_CONNECTOR_CLOUD_STORAGE_PATH" ^ --subnet="SUBNET" ^ --kms-key="KMS_KEY" ^ --service-account="SERVICE_ACCOUNT" ^ --properties="PROPERTY=PROPERTY_VALUE" ^ --labels="LABEL=LABEL_VALUE" ^ -- --template=GCSTOJDBC ^ --templateProperty project.id="PROJECT_ID" ^ --templateProperty log.level="LOG_LEVEL" ^ --templateProperty gcs.jdbc.input.location="CLOUD_STORAGE_PATH" ^ --templateProperty gcs.jdbc.input.format="FORMAT" ^ --templateProperty gcs.jdbc.output.saveMode="MODE" ^ --templateProperty gcs.jdbc.output.url="JDBC_CONNECTION_URL" ^ --templateProperty gcs.jdbc.output.table="JDBC_TABLE" ^ --templateProperty gcs.jdbc.output.driver="DRIVER" ^ --templateProperty gcs.jdbc.spark.partitions="NUM_PARTITIONS" ^ --templateProperty gcs.jdbc.output.batchInsertSize="BATCH_SIZE"
REST
使用任何要求資料之前,請先替換以下項目:
- PROJECT_ID:必填。IAM 設定中列出的 Google Cloud 專案 ID。
- REGION:必填。Compute Engine 區域。
- SUBNET:選用。如未指定子網路,系統會選取
default
網路中指定 REGION 的子網路。示例:
projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME
- JDBC_CONNECTOR_CLOUD_STORAGE_PATH:必填。完整的 Cloud Storage 路徑,包括儲存 JDBC 連接器 JAR 的檔案名稱。您可以使用下列指令下載 JDBC 連接器,然後上傳至 Cloud Storage:
- MySQL:
wget http://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.30.tar.gz
- Postgres SQL:
wget https://jdbc.postgresql.org/download/postgresql-42.2.6.jar
- Microsoft SQL Server:
wget https://repo1.maven.org/maven2/com/microsoft/sqlserver/mssql-jdbc/6.4.0.jre8/mssql-jdbc-6.4.0.jre8.jar
- Oracle:
wget https://repo1.maven.org/maven2/com/oracle/database/jdbc/ojdbc8/21.7.0.0/ojdbc8-21.7.0.0.jar
- MySQL:
- CLOUD_STORAGE_PATH:必填。儲存輸入檔案的 Cloud Storage 路徑。
示例:
gs://dataproc-templates/cloud_storage_to_jdbc_input
- FORMAT:必填。輸出資料格式。選項:
avro
、parquet
、csv
或orc
。預設值:avro
。 注意:如果avro
,則必須將「file:///usr/lib/spark/connector/spark-avro.jar
」新增至jars
gcloud CLI 旗標或 API 欄位。範例 (
file://
前置字串參照 Serverless for Apache Spark JAR 檔案):--jars=file:///usr/lib/spark/connector/spark-avro.jar,
[, ... other jars] - MODE:選用。Cloud Storage 輸出內容的寫入模式。
選項:
Append
、Overwrite
、Ignore
或ErrorIfExists
。預設值:ErrorIfExists
。 - 下列變數用於建構必要 JDBC_CONNECTION_URL:
- JDBC_HOST
- JDBC_PORT
- JDBC_DATABASE,或 (如果是 Oracle) JDBC_SERVICE
- JDBC_USERNAME
- JDBC_PASSWORD
使用下列其中一種連接器專屬格式,建構 JDBC_CONNECTION_URL:
- MySQL:
jdbc:mysql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD
- Postgres SQL:
jdbc:postgresql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD
- Microsoft SQL Server:
jdbc:sqlserver://JDBC_HOST:JDBC_PORT;databaseName=JDBC_DATABASE;user=JDBC_USERNAME;password=JDBC_PASSWORD
- Oracle:
jdbc:oracle:thin:@//JDBC_HOST:JDBC_PORT/JDBC_SERVICE?user=JDBC_USERNAME&password=
- JDBC_TABLE:必填。要寫入輸出內容的資料表名稱。
- DRIVER:必填。用於連線的 JDBC 驅動程式:
- MySQL:
com.mysql.cj.jdbc.Driver
- Postgres SQL:
org.postgresql.Driver
- Microsoft SQL Server:
com.microsoft.sqlserver.jdbc.SQLServerDriver
- Oracle:
oracle.jdbc.driver.OracleDriver
- MySQL:
- TEMPLATE_VERSION:必填。指定
latest
代表最新範本版本,或指定特定版本的日期,例如2023-03-17_v0.1.0-beta
(請前往 gs://dataproc-templates-binaries 或執行gcloud storage ls gs://dataproc-templates-binaries
,列出可用的範本版本)。 - LOG_LEVEL:選用。記錄層級。可設為
ALL
、DEBUG
、ERROR
、FATAL
、INFO
、OFF
、TRACE
或WARN
。預設值:INFO
。 - NUM_PARTITIONS:選用。可用於平行處理資料表寫入作業的分區數量上限。如果指定,這個值會用於 JDBC 輸出連線。預設值為 Spark
read()
設定的初始分割區。 - BATCH_SIZE:選用。每次往返要插入的記錄數。預設值:
1000
。 - SERVICE_ACCOUNT:選用。如未提供,系統會使用預設的 Compute Engine 服務帳戶。
- PROPERTY 和 PROPERTY_VALUE:
選用。以半形逗號分隔的 Spark 屬性=
value
組合清單。 - LABEL 和 LABEL_VALUE:
選用。以半形逗號分隔的
label
=value
配對清單。 -
KMS_KEY:選用。用於加密的 Cloud Key Management Service 金鑰。如果未指定金鑰,系統會使用 Google-owned and Google-managed encryption key加密靜態資料。
示例:
projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME
HTTP 方法和網址:
POST https://dataproc.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/batches
JSON 要求主體:
{ "environmentConfig": { "executionConfig": { "subnetworkUri": "SUBNET", "kmsKey": "KMS_KEY", "serviceAccount": "SERVICE_ACCOUNT" } }, "labels": { "LABEL": "LABEL_VALUE" }, "runtimeConfig": { "version": "1.2", "properties": { "PROPERTY": "PROPERTY_VALUE" } }, "sparkBatch": { "mainClass": "com.google.cloud.dataproc.templates.main.DataProcTemplate", "args": [ "--template=GCSTOJDBC", "--templateProperty","project.id=PROJECT_ID", "--templateProperty","log.level=LOG_LEVEL", "--templateProperty","gcs.jdbc.input.location=CLOUD_STORAGE_PATH", "--templateProperty","gcs.jdbc.input.format=FORMAT", "--templateProperty","gcs.jdbc.output.saveMode=MODE", "--templateProperty","gcs.jdbc.output.url=JDBC_CONNECTION_URL", "--templateProperty","gcs.jdbc.output.table=JDBC_TABLE", "--templateProperty","gcs.jdbc.output.driver=DRIVER", "--templateProperty","gcs.jdbc.spark.partitions=NUM_PARTITIONS", "--templateProperty","gcs.jdbc.output.batchInsertSize=BATCH_SIZE" ], "jarFileUris": [ "gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar", "JDBC_CONNECTOR_CLOUD_STORAGE_PATH" ] } }
如要傳送要求,請展開以下其中一個選項:
您應該會收到如下的 JSON 回應:
{ "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" } }