Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Connettiti ad Apache Spark

Una connessione Apache Spark in BigQuery consente agli utenti di connettere BigQuery a Managed Service for Apache Spark in modo da poter eseguire stored procedure per Apache Spark. Puoi creare questa connessione, concedere le autorizzazioni richieste al relativo account di servizio e condividere la connessione con gli utenti.

Prima di iniziare

Abilita l'API BigQuery Connection.

Abilitare l'API
Per ottenere le autorizzazioni necessarie per creare una connessione Spark, chiedi all'amministratore di concederti il ruolo IAM BigQuery Connection Admin (roles/bigquery.connectionAdmin) nel progetto. Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.
(Facoltativo) Per gestire i metadati utilizzando Dataproc Metastore, assicurati di aver creato un servizio Dataproc Metastore.
(Facoltativo) Per visualizzare la cronologia dei job utilizzando le interfacce web del server di cronologia Spark, assicurati di aver creato un server di cronologia permanente (PHS) di Managed Service for Apache Spark.

Considerazioni sulla località

Quando scegli una località per i tuoi dati, tieni presente quanto segue:

Multi-regioni

Devi specificare risorse Google Cloud situate nella stessa grande area geografica:

Una connessione nella multiregione BigQuery US può fare riferimento a un Spark History Server o a un Dataproc Metastore in qualsiasi singola regione dell'area geografica degli Stati Uniti, ad esempio us-central1, us-east4 o us-west2.
Una connessione nella località multiregionale dell'UE di BigQuery può fare riferimento a un server di cronologia Spark o a un Dataproc Metastore negli stati membri dell'Unione Europea, come europe-north1 o europe-west3.

Regioni singole

Una connessione in una singola regione può fare riferimento solo alle risorse Google Cloudnella stessa regione. Ad esempio, una connessione nella singola regione us-east4 può fare riferimento solo a un server di cronologia Spark o a un Dataproc Metastore in us-east4.

Crea connessioni

Seleziona una delle seguenti opzioni:

Console

Vai alla pagina BigQuery.

Vai a BigQuery
Nel riquadro Explorer, fai clic su Aggiungi dati.

Si apre la finestra di dialogo Aggiungi dati.
Nel riquadro Filtra per, nella sezione Tipo di origine dati, seleziona Applicazioni aziendali.

In alternativa, nel campo Cerca origini dati, puoi inserire Spark.
Nella sezione Origini dati in primo piano, fai clic su Apache Spark.
Fai clic sulla scheda della soluzione Apache Spark: federazione di BigQuery.
Nel riquadro Origine dati esterna, inserisci le seguenti informazioni:
- Nell'elenco Tipo di connessione, seleziona Apache Spark.
- Nel campo ID connessione, inserisci un nome per la connessione, ad esempio spark_connection.
- Nell'elenco Località dei dati, seleziona una regione.
Puoi creare una connessione in regioni e multi-regioni che supportano BigQuery. Per saperne di più, consulta Considerazioni sulla località.
- (Facoltativo) Dall'elenco Servizio Metastore, seleziona un Dataproc Metastore.
- (Facoltativo) Nel campo Cluster server di cronologia, inserisci un Persistent History Server di Managed Service for Apache Spark.
Fai clic su Crea connessione.
Fai clic su Vai alla connessione.
Nel riquadro Informazioni sulla connessione, copia l'ID account di servizio da utilizzare in un passaggio successivo.

bq

In un ambiente a riga di comando, utilizza il comando bq mk per creare una connessione:
```
bq mk --connection --connection_type='SPARK' \
 --properties=PROPERTIES \
 --project_id=PROJECT_ID \
 --location=LOCATION
 CONNECTION_ID
```
Sostituisci quanto segue:
- PROPERTIES: una coppia chiave-valore per fornire parametri specifici della connessione in formato JSON
  
  Ad esempio:
```
--properties='{
"metastoreServiceConfig": {"metastoreService": "METASTORE_SERVICE_NAME"},
"sparkHistoryServerConfig": {"dataprocCluster": "MANAGED_SERVICE_FOR_APACHE_SPARK_CLUSTER_NAME"}
}'
```
  Sostituisci quanto segue:
  - METASTORE_SERVICE_NAME: Dataproc Metastore con una configurazione di rete gRPC, ad esempio projects/my-project-id/locations/us-central1/services/my-service
    
    Per saperne di più, scopri come accedere ai metadati del metastore Hive archiviati utilizzando un protocollo endpoint.
  - MANAGED_SERVICE_FOR_APACHE_SPARK_CLUSTER_NAME: la configurazione del server di cronologia Spark, ad esempio projects/my-project-id/regions/us-central1/clusters/my-cluster
    
    Per saperne di più, consulta Crea un cluster di server di cronologia permanente.
- PROJECT_ID: il tuo ID progetto Google Cloud
- LOCATION: la località in cui vuoi archiviare la connessione, ad esempio US
- CONNECTION_ID: l'ID connessione, ad esempio myconnection
  
  Quando visualizzi i dettagli della connessione nella console Google Cloud , l'ID connessione è il valore nell'ultima sezione dell'ID connessione completo mostrato in ID connessione, ad esempio projects/.../locations/.../connections/myconnection

Recupera e copia l'ID del account di servizio, perché ti servirà in un altro passaggio:

bq show --location=LOCATION --connection PROJECT_ID.LOCATION.CONNECTION_ID

L'output è simile al seguente:

Connection myproject.us.myconnection

       name           type                    properties
---------------------- ------- ---------------------------------------------------
myproject.us.myconnection  SPARK   {"serviceAccountId": "bqserver@example.iam.gserviceaccount.com"}

Per informazioni su come gestire le connessioni, consulta Gestisci le connessioni.

Concedi l'accesso al service account

Per consentire a una stored procedure per Apache Spark di accedere alle tue risorse Google Cloud, devi concedere al account di servizio associato alla connessione della stored procedure le autorizzazioni IAM necessarie. In alternativa, puoi utilizzare il tuo service account personalizzato per l'accesso ai dati.

Per leggere e scrivere dati da e verso BigQuery, devi concedere al account di servizio le seguenti autorizzazioni IAM:
- bigquery.tables.* sulle tue tabelle BigQuery
- bigquery.readsessions.* sul tuo progetto
Il ruolo IAM roles/bigquery.admin include le autorizzazioni necessarie al account di servizio per leggere e scrivere dati da e verso BigQuery.

Nota: se la stored procedure scrive dati in un bucket Cloud Storage temporaneo e poi carica i dati di Cloud Storage in BigQuery, devi concedere al account di servizio l'autorizzazione bigquery.jobs.create per il tuo progetto. Per saperne di più sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Controllo dell'accesso con IAM.
Per leggere e scrivere dati da e su Cloud Storage, devi concedere al account di servizio l'autorizzazione storage.objects.* sugli oggetti Cloud Storage.

Il ruolo IAM roles/storage.objectAdmin include le autorizzazioni necessarie al account di servizio per leggere e scrivere dati da e verso Cloud Storage.
Se specifichi Dataproc Metastore quando crei una connessione, affinché BigQuery possa recuperare i dettagli sulla configurazione del metastore, devi concedere all'account di servizio l'autorizzazione metastore.services.get su Dataproc Metastore.

Il ruolo predefinito roles/metastore.metadataViewer include l'autorizzazione necessaria al account di servizio per recuperare i dettagli sulla configurazione del metastore.

Devi anche concedere al account di servizio il ruolo roles/storage.objectAdmin sul bucket Cloud Storage in modo che la stored procedure possa accedere alla directory del warehouse Hive di Dataproc Metastore (hive.metastore.warehouse.dir). Se la stored procedure esegue operazioni sul metastore, potresti dover concedere autorizzazioni aggiuntive. Per saperne di più sui ruoli e sulle autorizzazioni IAM in Dataproc Metastore, consulta Ruoli e autorizzazioni predefiniti di Dataproc Metastore.
Se specifichi un server di cronologia permanente di Managed Service for Apache Spark quando crei una connessione, devi concedere al account di servizio i seguenti ruoli:
- Il ruolo roles/dataproc.viewer sul Persistent History Server di Managed Service for Apache Spark che contiene l'autorizzazione dataproc.clusters.get.
- Il ruolo roles/storage.objectAdmin sul bucket Cloud Storage che specifichi per la proprietà spark:spark.history.fs.logDirectory quando crei il Persistent History Server di Managed Service for Apache Spark.
Per saperne di più, consulta Server di cronologia permanente di Managed Service for Apache Spark e Ruoli e autorizzazioni di Managed Service for Apache Spark.

Condividi le connessioni con gli utenti

Puoi concedere i seguenti ruoli per consentire agli utenti di eseguire query sui dati e gestire le connessioni:

roles/bigquery.connectionUser: consente agli utenti di utilizzare le connessioni per connettersi a origini dati esterne ed eseguire query su di esse.
roles/bigquery.connectionAdmin: consente agli utenti di gestire le connessioni.

Per saperne di più sui ruoli e sulle autorizzazioni IAM in BigQuery, consulta Ruoli e autorizzazioni predefiniti.

Seleziona una delle seguenti opzioni:

Console

Vai alla pagina BigQuery.

Vai a BigQuery

Le connessioni sono elencate nel progetto, in un gruppo denominato Connessioni.
Nel riquadro a sinistra, fai clic su Spazio di esplorazione:

Se non vedi il riquadro a sinistra, fai clic su Espandi riquadro sinistro per aprirlo.
Fai clic sul progetto, poi su Connessioni e seleziona una connessione.
Nel riquadro Dettagli, fai clic su Condividi per condividere una connessione. Quindi:
1. Nella finestra di dialogo Autorizzazioni di connessione, condividi la connessione con altre entità aggiungendole o modificandole.
2. Fai clic su Salva.

bq

Non puoi condividere una connessione con lo strumento a riga di comando bq. Per condividere una connessione, utilizza la console Google Cloud o il metodo dell'API BigQuery Connections per condividere una connessione.

API

Utilizza il metodo projects.locations.connections.setIAM nella sezione di riferimento dell'API REST BigQuery Connections e fornisci un'istanza della risorsa policy.

Java

Prima di provare questo esempio, segui le istruzioni di configurazione di Java nella guida rapida di BigQuery per l'utilizzo delle librerie client. Per saperne di più, consulta la documentazione di riferimento dell'API BigQuery Java.

Per eseguire l'autenticazione in BigQuery, configura le Credenziali predefinite dell'applicazione. Per saperne di più, vedi Configura l'autenticazione per le librerie client.

import com.google.api.resourcenames.ResourceName;
import com.google.cloud.bigquery.connection.v1.ConnectionName;
import com.google.cloud.bigqueryconnection.v1.ConnectionServiceClient;
import com.google.iam.v1.Binding;
import com.google.iam.v1.Policy;
import com.google.iam.v1.SetIamPolicyRequest;
import java.io.IOException;

// Sample to share connections
public class ShareConnection {

  public static void main(String[] args) throws IOException {
    // TODO(developer): Replace these variables before running the sample.
    String projectId = "MY_PROJECT_ID";
    String location = "MY_LOCATION";
    String connectionId = "MY_CONNECTION_ID";
    shareConnection(projectId, location, connectionId);
  }

  static void shareConnection(String projectId, String location, String connectionId)
      throws IOException {
    try (ConnectionServiceClient client = ConnectionServiceClient.create()) {
      ResourceName resource = ConnectionName.of(projectId, location, connectionId);
      Binding binding =
          Binding.newBuilder()
              .addMembers("group:example-analyst-group@google.com")
              .setRole("roles/bigquery.connectionUser")
              .build();
      Policy policy = Policy.newBuilder().addBindings(binding).build();
      SetIamPolicyRequest request =
          SetIamPolicyRequest.newBuilder()
              .setResource(resource.toString())
              .setPolicy(policy)
              .build();
      client.setIamPolicy(request);
      System.out.println("Connection shared successfully");
    }
  }
}

Passaggi successivi

Scopri i diversi tipi di connessione.
Scopri di più sulla gestione delle connessioni.
Scopri come creare una stored procedure per Apache Spark.
Scopri come gestire le stored procedure.