Trasferimenti dei rapporti di Cloud Storage

Console

1. Vai alla pagina BigQuery nella console Google Cloud.

   Vai alla pagina di BigQuery

2. Fai clic su sync_alt Trasferimenti di dati.

3. Fai clic su add Crea trasferimento.

4. Nella sezione Tipo di origine, per Origine, scegli Google Cloud Storage.

   

5. Nella sezione Nome configurazione trasferimento, in Nome visualizzato, inserisci un nome per il trasferimento, ad esempio My Transfer. Il nome del trasferimento può essere qualsiasi valore che ti consenta di identificare il trasferimento se devi modificarlo in un secondo momento.

   

6. Nella sezione Opzioni di pianificazione:

   • Seleziona Frequenza di ripetizione. Se selezioni Ore, Giorni, Settimane o Mesi, devi specificare anche una frequenza. Puoi anche selezionare Personalizzata per specificare una frequenza di ripetizione personalizzata. Se selezioni On demand, questo trasferimento verrà eseguito quando attivi manualmente il trasferimento.

   • Se applicabile, seleziona Inizia ora o Inizia all'ora impostata e fornisci una data di inizio e un'ora di esecuzione.

7. Nella sezione Impostazioni destinazione, per Set di dati di destinazione, scegli il set di dati creato per archiviare i dati.

   

8. Nella sezione Dettagli origine dati:

   1. In Tabella di destinazione, inserisci il nome della tabella di destinazione. La tabella di destinazione deve seguire le regole di denominazione delle tabelle. I nomi delle tabelle di destinazione supportano anche i parametri.
   2. In URI Cloud Storage, inserisci l'URI Cloud Storage. Sono supportati i caratteri jolly e i parametri.
   3. In Preferenza di scrittura, scegli:
      • APPEND per aggiungere in modo incrementale nuovi dati alla tabella di destinazione esistente. APPEND è il valore predefinito per Write preference (Preferenza di scrittura).
      • MIRROR per sovrascrivere i dati nella tabella di destinazione durante ogni esecuzione di trasferimento.

   Per ulteriori informazioni su come BigQuery Data Transfer Service importa i dati utilizzando APPEND o MIRROR, consulta Importazione dei dati per i trasferimenti di Cloud Storage. Per ulteriori informazioni sul campo writeDisposition, consulta JobConfigurationLoad.

   1. In Elimina i file di origine dopo il trasferimento, seleziona la casella se vuoi eliminare i file di origine dopo ogni trasferimento riuscito. Eliminare i job fa il possibile. I job di eliminazione non riprovano se il primo tentativo per eliminare i file di origine non va a buon fine.

   2. Nella sezione Opzioni di trasferimento:

      1. In Tutti i formati:
         1. In Numero di errori consentiti, inserisci il numero massimo di record non validi che BigQuery può ignorare durante l'esecuzione del job. Se il numero di record non validi supera questo valore, nel risultato del job viene restituito un errore "non valido" e il job non riesce. Il valore predefinito è 0.
         2. (Facoltativo) Per i tipi di destinazione decimale, inserisci un elenco separato da virgole di possibili tipi di dati SQL in cui potrebbero essere convertiti i valori decimali di origine. Il tipo di dati SQL selezionato per la conversione dipende dalle seguenti condizioni:
            • Il tipo di dati selezionato per la conversione sarà il primo tipo di dati dell'elenco seguente a supportare la precisione e la scala dei dati di origine in questo ordine: NUMERIC, BIGNUMERIC e STRING.
            • Se nessuno dei tipi di dati elencati supporta la precisione e la scala, viene selezionato il tipo di dati che supporta l'intervallo più ampio nell'elenco specificato. Se un valore supera l'intervallo supportato durante la lettura dei dati di origine, verrà generato un errore.
            • Il tipo di dati STRING supporta tutti i valori di precisione e scala.
            • Se questo campo viene lasciato vuoto, il tipo di dati predefinito sarà "NUMERIC,STRING" per ORC e "NUMERIC" per gli altri formati file.
            • Questo campo non può contenere tipi di dati duplicati.
            • L'ordine dei tipi di dati elencati in questo campo viene ignorato.
      2. In JSON, CSV:
         • In Ignora valori sconosciuti, seleziona la casella se vuoi che il trasferimento trasmetta i dati che non corrispondono allo schema della tabella di destinazione.
      3. In AVRO:
         • Per Utilizza tipi logici avro, seleziona la casella se vuoi che il trasferimento convertirà i tipi logici Avro nei tipi di dati BigQuery corrispondenti. Il comportamento predefinito prevede di ignorare l'attributo logicalType per la maggior parte dei tipi e utilizzare invece il tipo Avro sottostante.

      4. In CSV:

         1. In Delimitatore di campo, inserisci il carattere che separa i campi. Il valore predefinito è una virgola.
         2. Per Carattere, inserisci il carattere utilizzato per citare le sezioni di dati in un file CSV. Il valore predefinito sono le virgolette doppie (").
         3. In Righe di intestazione da saltare, inserisci il numero di righe di intestazione nei file di origine se non vuoi importarli. Il valore predefinito è 0.
         4. Per Consenti nuove righe tra virgolette, seleziona la casella se vuoi consentire gli a capo all'interno dei campi tra virgolette.
         5. Per Consenti righe frastagliate, seleziona la casella se vuoi consentire il trasferimento di righe con NULLABLE colonne mancanti.

9. Nel menu Account di servizio, seleziona un account di servizio dagli account di servizio associati al tuo progetto Google Cloud. Puoi associare un account di servizio al trasferimento anziché utilizzare le tue credenziali utente. Per ulteriori informazioni sull'utilizzo di account di servizio con trasferimenti di dati, vedi Utilizzare account di servizio.

   • Se hai eseguito l'accesso con un'identità federata, sarà necessario un account di servizio per creare un trasferimento. Se hai eseguito l'accesso con un Account Google, un account di servizio per il trasferimento è facoltativo.
   • L'account di servizio deve disporre delle autorizzazioni richieste sia per BigQuery che per Cloud Storage.

10. (Facoltativo) Nella sezione Opzioni di notifica:

    1. Fai clic sul pulsante di attivazione/disattivazione per abilitare le notifiche via email. Quando abiliti questa opzione, il proprietario della configurazione di trasferimento riceve una notifica via email quando un trasferimento non va a buon fine.
    2. In Seleziona un argomento Pub/Sub, scegli il nome dell'argomento o fai clic su Crea un argomento. Questa opzione consente di configurare le notifiche di Pub/Sub per il trasferimento.

11. (Facoltativo) Nella sezione Opzioni avanzate:

    • Se utilizzi CMEK, seleziona Chiave gestita dal cliente. Viene visualizzato un elenco delle CMEK disponibili tra cui puoi scegliere.

    Per informazioni su come funzionano le CMEK con BigQuery Data Transfer Service, vedi Specificare la chiave di crittografia con i trasferimenti.

12. Fai clic su Salva.

bq

Inserisci il comando bq mk e fornisci il flag di creazione del trasferimento --transfer_config. Sono necessari anche i seguenti flag:

• --data_source
• --display_name
• --target_dataset
• --params

Flag facoltativi:

• --destination_kms_key: specifica l'ID risorsa della chiave per la chiave Cloud KMS se utilizzi una chiave di crittografia gestita dal cliente (CMEK) per questo trasferimento. Per informazioni su come funzionano le CMEK con BigQuery Data Transfer Service, vedi Specificare la chiave di crittografia con i trasferimenti.
• --service_account_name: specifica un account di servizio da utilizzare per l'autenticazione del trasferimento di Cloud Storage al posto del tuo account utente.

bq mk \
--transfer_config \
--project_id=PROJECT_ID \
--data_source=DATA_SOURCE \
--display_name=NAME \
--target_dataset=DATASET \
--destination_kms_key="DESTINATION_KEY" \
--params='PARAMETERS' \
--service_account_name=SERVICE_ACCOUNT_NAME

Dove:

• PROJECT_ID è l'ID progetto. Se --project_id non è fornito per specificare un particolare progetto, viene utilizzato il progetto predefinito.
• DATA_SOURCE è l'origine dati, ad esempio google_cloud_storage.
• NAME è il nome visualizzato della configurazione di trasferimento. Il nome del trasferimento può essere qualsiasi valore che ti consenta di identificare il trasferimento, qualora dovessi modificarlo in un secondo momento.
• DATASET è il set di dati di destinazione per la configurazione del trasferimento.
• DESTINATION_KEY: l'ID risorsa della chiave Cloud KMS, ad esempio projects/project_name/locations/us/keyRings/key_ring_name/cryptoKeys/key_name.
• PARAMETERS contiene i parametri per la configurazione di trasferimento creata in formato JSON. Ad esempio: --params='{"param":"param_value"}'.
  • destination_table_name_template: il nome della tabella BigQuery di destinazione.
  • data_path_template: l'URI Cloud Storage contenente i file da trasferire, che può includere un carattere jolly.
  • write_disposition: determina se i file corrispondenti vengono aggiunti alla tabella di destinazione o sottoposti a mirroring completo. I valori supportati sono APPEND o MIRROR. Per informazioni su come BigQuery Data Transfer Service aggiunge o esegue il mirroring dei dati nei trasferimenti di Cloud Storage, consulta Importazione dei dati per i trasferimenti di Cloud Storage.
  • file_format: il formato dei file che vuoi trasferire. Il formato può essere CSV, JSON, AVRO, PARQUET o ORC. Il valore predefinito è CSV.
  • max_bad_records: per qualsiasi valore file_format, il numero massimo di record non validi che possono essere ignorati. Il valore predefinito è 0.
  • decimal_target_types: per qualsiasi valore file_format, un elenco separato da virgole di possibili tipi di dati SQL in cui potrebbero essere convertiti i valori decimali di origine. Se questo campo non viene fornito, il tipo di dati predefinito è "NUMERIC,STRING" per ORC e "NUMERIC" per gli altri formati file.
  • ignore_unknown_values: per qualsiasi valore file_format, imposta su TRUE per accettare righe contenenti valori che non corrispondono allo schema. Per maggiori informazioni, consulta i dettagli del campo ignoreUnknownvalues nella tabella di riferimento di JobConfigurationLoad.
  • use_avro_logical_types: per i valori file_format di AVRO, imposta su TRUE per interpretare i tipi logici nei tipi corrispondenti (ad esempio TIMESTAMP), anziché utilizzare solo i tipi non elaborati (ad esempio INTEGER).
  • parquet_enum_as_string: per i valori file_format di PARQUET, imposta su TRUE per dedurre il tipo logico PARQUET ENUM come STRING anziché il valore predefinito BYTES.
  • parquet_enable_list_inference: per i valori file_format di PARQUET, imposta su TRUE per utilizzare l'inferenza dello schema specifica per il tipo logico PARQUET LIST.
  • reference_file_schema_uri: un percorso URI di un file di riferimento con lo schema del lettore.
  • field_delimiter: per i valori file_format di CSV, un carattere che separa i campi. Il valore predefinito è una virgola.
  • quote: per i valori file_format di CSV, un carattere utilizzato per citare le sezioni di dati in un file CSV. Il valore predefinito è le virgolette doppie (").
  • skip_leading_rows: per i valori file_format di CSV, indica il numero di righe di intestazione iniziali che non vuoi importare. Il valore predefinito è 0.
  • allow_quoted_newlines: per i valori file_format di CSV, imposta su TRUE per consentire gli a capo all'interno dei campi tra virgolette.
  • allow_jagged_rows : per i valori file_format di CSV, imposta su TRUE per accettare le righe in cui mancano le colonne facoltative finali. I valori mancanti vengono inseriti con NULL.
  • preserve_ascii_control_characters: per i valori file_format di CSV, imposta su TRUE per conservare tutti i caratteri di controllo ASCII incorporati.
  • encoding: specifica il tipo di codifica CSV. I valori supportati sono UTF8, ISO_8859_1, UTF16BE, UTF16LE, UTF32BE e UTF32LE.
  • delete_source_files: imposta su TRUE per eliminare i file di origine dopo ogni trasferimento riuscito. I job di eliminazione non vengono eseguiti nuovamente se il primo tentativo di eliminare il file di origine non va a buon fine. Il valore predefinito è FALSE.
• SERVICE_ACCOUNT_NAME è il nome dell'account di servizio utilizzato per autenticare il trasferimento. L'account di servizio deve essere di proprietà dello stesso project_id utilizzato per creare il trasferimento e deve avere tutte le autorizzazioni richieste.

Ad esempio, il seguente comando crea un trasferimento Cloud Storage denominato My Transfer utilizzando un valore data_path_template di gs://mybucket/myfile/*.csv, un set di dati di destinazione mydataset e file_format CSV. Questo esempio include valori non predefiniti per i parametri facoltativi associati al file_format CSV.

Il trasferimento viene creato nel progetto predefinito:

bq mk --transfer_config \
--target_dataset=mydataset \
--project_id=myProject \
--display_name='My Transfer' \
--destination_kms_key=projects/myproject/locations/mylocation/keyRings/myRing/cryptoKeys/myKey \
--params='{"data_path_template":"gs://mybucket/myfile/*.csv",
"destination_table_name_template":"MyTable",
"file_format":"CSV",
"max_bad_records":"1",
"ignore_unknown_values":"true",
"field_delimiter":"|",
"quote":";",
"skip_leading_rows":"1",
"allow_quoted_newlines":"true",
"allow_jagged_rows":"false",
"delete_source_files":"true"}' \
--data_source=google_cloud_storage \
--service_account_name=abcdef-test-sa@abcdef-test.iam.gserviceaccount.com projects/862514376110/locations/us/transferConfigs/ 5dd12f26-0000-262f-bc38-089e0820fe38

Dopo aver eseguito il comando, viene visualizzato un messaggio simile al seguente:

[URL omitted] Please copy and paste the above URL into your web browser and follow the instructions to retrieve an authentication code.

Segui le istruzioni e incolla il codice di autenticazione nella riga di comando.

API

Utilizza il metodo projects.locations.transferConfigs.create e fornisci un'istanza della risorsa TransferConfig.

Java

import com.google.api.gax.rpc.ApiException;
import com.google.cloud.bigquery.datatransfer.v1.CreateTransferConfigRequest;
import com.google.cloud.bigquery.datatransfer.v1.DataTransferServiceClient;
import com.google.cloud.bigquery.datatransfer.v1.ProjectName;
import com.google.cloud.bigquery.datatransfer.v1.TransferConfig;
import com.google.protobuf.Struct;
import com.google.protobuf.Value;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;

// Sample to create google cloud storage transfer config
public class CreateCloudStorageTransfer {

  public static void main(String[] args) throws IOException {
    // TODO(developer): Replace these variables before running the sample.
    final String projectId = "MY_PROJECT_ID";
    String datasetId = "MY_DATASET_ID";
    String tableId = "MY_TABLE_ID";
    // GCS Uri
    String sourceUri = "gs://cloud-samples-data/bigquery/us-states/us-states.csv";
    String fileFormat = "CSV";
    String fieldDelimiter = ",";
    String skipLeadingRows = "1";
    Map<String, Value> params = new HashMap<>();
    params.put(
        "destination_table_name_template", Value.newBuilder().setStringValue(tableId).build());
    params.put("data_path_template", Value.newBuilder().setStringValue(sourceUri).build());
    params.put("write_disposition", Value.newBuilder().setStringValue("APPEND").build());
    params.put("file_format", Value.newBuilder().setStringValue(fileFormat).build());
    params.put("field_delimiter", Value.newBuilder().setStringValue(fieldDelimiter).build());
    params.put("skip_leading_rows", Value.newBuilder().setStringValue(skipLeadingRows).build());
    TransferConfig transferConfig =
        TransferConfig.newBuilder()
            .setDestinationDatasetId(datasetId)
            .setDisplayName("Your Google Cloud Storage Config Name")
            .setDataSourceId("google_cloud_storage")
            .setParams(Struct.newBuilder().putAllFields(params).build())
            .setSchedule("every 24 hours")
            .build();
    createCloudStorageTransfer(projectId, transferConfig);
  }

  public static void createCloudStorageTransfer(String projectId, TransferConfig transferConfig)
      throws IOException {
    try (DataTransferServiceClient client = DataTransferServiceClient.create()) {
      ProjectName parent = ProjectName.of(projectId);
      CreateTransferConfigRequest request =
          CreateTransferConfigRequest.newBuilder()
              .setParent(parent.toString())
              .setTransferConfig(transferConfig)
              .build();
      TransferConfig config = client.createTransferConfig(request);
      System.out.println("Cloud storage transfer created successfully :" + config.getName());
    } catch (ApiException ex) {
      System.out.print("Cloud storage transfer was not created." + ex.toString());
    }
  }
}

Console

1. Vai alla pagina BigQuery nella console Google Cloud.

   Vai alla pagina di BigQuery

2. Fai clic su sync_alt Trasferimenti di dati.

3. Seleziona il trasferimento dall'elenco.

4. Fai clic su Esegui trasferimento ora o Pianifica backfill (per le configurazioni di trasferimento con parametri di runtime).

   • Se hai fatto clic su Esegui trasferimento ora, seleziona Esegui trasferimento una tantum o Esegui per una data specifica, a seconda dei casi. Se hai selezionato Esegui per una data specifica, seleziona una data e un'ora specifiche:

     

   • Se hai fatto clic su Pianifica backfill, seleziona Esegui trasferimento una tantum o Esegui per un intervallo di date, a seconda dei casi. Se hai selezionato Esegui per un intervallo di date, seleziona una data e un'ora di inizio e di fine:

     

5. Fai clic su Ok.

bq

Inserisci il comando bq mk e fornisci il flag --transfer_run. Puoi utilizzare il flag --run_time o i flag --start_time e --end_time.

bq mk \
--transfer_run \
--start_time='START_TIME' \
--end_time='END_TIME' \
RESOURCE_NAME

bq mk \
--transfer_run \
--run_time='RUN_TIME' \
RESOURCE_NAME

Dove:

• START_TIME e END_TIME sono timestamp che terminano con Z o contengono una differenza di fuso orario valida. Ad esempio:

  • 2017-08-19T12:11:35.00Z
  • 2017-05-25T00:00:00+00:00

• RUN_TIME è un timestamp che specifica l'ora di pianificare l'esecuzione del trasferimento di dati. Se vuoi eseguire un trasferimento una tantum per l'ora corrente, puoi utilizzare il flag --run_time.

• RESOURCE_NAME è il nome della risorsa del trasferimento (chiamato anche configurazione del trasferimento), ad esempio projects/myproject/locations/us/transferConfigs/1234a123-1234-1a23-1be9-12ab3c456de7. Se non conosci il nome della risorsa del trasferimento, esegui il comando bq ls --transfer_config --transfer_location=LOCATION per trovarlo.

API

Utilizza il metodo projects.locations.transferConfigs.startManualRuns e fornisci la risorsa di configurazione del trasferimento utilizzando il parametro parent.