Organizzare le risorse BigQuery

Le risorse BigQuery sono organizzate gerarchicamente, come altri Google Cloud servizi. Comprendere questa gerarchia ti aiuta a strutturare le risorse BigQuery per gestire i carichi di lavoro, controllare le autorizzazioni, allocare le quote, assegnare le prenotazioni di slot e monitorare la fatturazione.

Gerarchia delle risorse

BigQuery eredita la Google Cloud gerarchia delle risorse e aggiunge un meccanismo di raggruppamento aggiuntivo chiamato set di dati, specifico per BigQuery. Questa sezione descrive gli elementi di questa gerarchia.

Set di dati

I set di dati sono container logici utilizzati per organizzare e controllare l'accesso alle risorse BigQuery. I set di dati sono simili agli schemi in altri sistemi di database.

La maggior parte delle risorse BigQuery che crei, tra cui tabelle, viste, funzioni e procedure, vengono create all'interno di un set di dati. Le connessioni e i job sono eccezioni; questi sono associati ai progetti anziché ai set di dati.

Un set di dati ha una località. Quando crei una tabella, i dati della tabella vengono archiviati nella località del set di dati. Prima di creare tabelle per i dati di produzione, pensa ai tuoi requisiti di località. Non puoi modificare la località di un set di dati dopo la sua creazione.

Progetti

Ogni set di dati è associato a un progetto. Per utilizzarlo Google Cloud, devi creare almeno un progetto. I progetti sono la base per creare, abilitare e utilizzare tutti i Google Cloud servizi. Per saperne di più, consulta Gerarchia delle risorse. Un progetto può contenere più set di dati e nello stesso progetto possono esistere set di dati con località diverse.

Quando esegui operazioni sui dati BigQuery, ad esempio l'esecuzione di una query o l'importazione di dati in una tabella, crei un job. Un job è sempre associato a un progetto, ma non deve essere eseguito nello stesso progetto che contiene i dati. Infatti, un job potrebbe fare riferimento a tabelle di set di dati in più progetti. Un job di query, un job di caricamento o un job di estrazione viene sempre eseguito nella stessa località delle tabelle a cui fa riferimento.

Ogni progetto è associato a un account di fatturazione Cloud collegato a esso. I costi accumulati per un progetto vengono addebitati a questo account. Se utilizzi i prezzi on demand, le query vengono addebitate al progetto che esegue la query. Se utilizzi i prezzi basati sulla capacità, le prenotazioni di slot vengono addebitate al progetto di amministrazione utilizzato per acquistare gli slot. L'archiviazione viene addebitata al progetto in cui risiede il set di dati.

Cartelle

Le cartelle sono un meccanismo di raggruppamento aggiuntivo sopra i progetti. I progetti e le cartelle all'interno di una cartella ereditano automaticamente le policy di accesso della cartella principale. Le cartelle possono essere utilizzate per modellare diverse persone giuridiche, reparti e team all'interno di un'azienda.

Le cartelle di cui parliamo qui fanno parte della Google Cloud gerarchia delle risorse. Non devono essere confuse con le cartelle BigQuery, che puoi utilizzare per organizzare gli asset di codice.

Organizzazioni

La risorsa Organizzazione rappresenta un'organizzazione (ad esempio un'azienda) ed è il nodo radice nella Google Cloud gerarchia delle risorse.

Non hai bisogno di una risorsa Organizzazione per iniziare a utilizzare BigQuery, ma ti consigliamo di crearne una. L'utilizzo di una risorsa Organizzazione consente agli amministratori di controllare centralmente le risorse BigQuery, anziché ai singoli utenti di controllare le risorse che creano.

Il seguente diagramma mostra un esempio della gerarchia delle risorse. In questo esempio, l'organizzazione ha un progetto all'interno di una cartella. Il progetto è associato a un account di fatturazione e contiene tre set di dati.

Considerazioni

Quando scegli come organizzare le risorse BigQuery, tieni presente i seguenti punti:

• Quote. Molte quote BigQuery vengono applicate a livello di progetto. Alcune si applicano a livello di set di dati. Le quote a livello di progetto che coinvolgono le risorse di computing, come le query e i job di caricamento, vengono conteggiate rispetto al progetto che crea il job, anziché al progetto di archiviazione.
• Fatturazione. Se vuoi che reparti diversi della tua organizzazione utilizzino account di fatturazione Cloud diversi, crea progetti diversi per ogni team. Crea gli account di fatturazione Cloud a livello di organizzazione e associa i progetti.
• Prenotazioni di slot. Gli slot riservati sono limitati alla risorsa Organizzazione. Dopo aver acquistato la capacità degli slot riservati, puoi assegnare un pool di slot a qualsiasi progetto o cartella all'interno dell'organizzazione oppure assegnare gli slot all'intera risorsa Organizzazione. I progetti ereditano le prenotazioni di slot dalla cartella o dall'organizzazione principale. Gli slot riservati sono associati a un progetto di amministrazione, utilizzato per gestire gli slot. Per saperne di più, consulta Gestione dei carichi di lavoro utilizzando le prenotazioni.

• Autorizzazioni. Valuta in che modo la gerarchia delle autorizzazioni influisce sulle persone della tua organizzazione che devono accedere ai dati. Ad esempio, se vuoi concedere a un intero team l'accesso a dati specifici, puoi archiviare questi dati in un singolo progetto per semplificare la gestione dell'accesso.

  Le tabelle e le altre entità ereditano le autorizzazioni del set di dati principale. I set di dati ereditano le autorizzazioni dalle entità principali nella gerarchia delle risorse (progetti, cartelle, organizzazioni). Per eseguire un'operazione su una risorsa, un utente ha bisogno sia delle autorizzazioni pertinenti sulla risorsa sia dell'autorizzazione per creare un job BigQuery. L'autorizzazione per creare un job è associata al progetto utilizzato per quel job.

Motivi

Questa sezione presenta due motivi comuni per organizzare le risorse BigQuery.

• Data lake centrale, data mart di reparto. L'organizzazione crea un progetto di archiviazione unificato per contenere i dati non elaborati. I reparti all'interno dell'organizzazione creano i propri progetti di data mart per l'analisi.

• Data lake di reparto, data warehouse centrale. Ogni reparto crea e gestisce il proprio progetto di archiviazione per contenere i dati non elaborati del reparto. L'organizzazione crea quindi un progetto di data warehouse centrale per l'analisi.

Ogni approccio presenta vantaggi e compromessi. Molte organizzazioni combinano elementi di entrambi i motivi.

Data lake centrale, data mart di reparto

In questo motivo, crei un progetto di archiviazione unificato per contenere i dati non elaborati della tua organizzazione. Anche la pipeline di importazione dati può essere eseguita in questo progetto. Il progetto di archiviazione unificato funge da data lake per la tua organizzazione.

Ogni reparto ha il proprio progetto dedicato, che utilizza per eseguire query sui dati, salvare i risultati delle query e creare viste. Questi progetti a livello di reparto fungono da data mart. Sono associati all'account di fatturazione del reparto.

I vantaggi di questa struttura includono:

• Un team di data engineering centralizzato può gestire la pipeline di importazione in un unico posto.
• I dati non elaborati sono isolati dai progetti a livello di reparto.
• Con i prezzi on demand, la fatturazione per l'esecuzione delle query viene addebitata al reparto che esegue la query.
• Con i prezzi basati sulla capacità, puoi assegnare gli slot a ogni reparto in base ai requisiti di computing previsti.
• Ogni reparto è isolato dagli altri in termini di quote a livello di progetto.

Quando utilizzi questa struttura, le seguenti autorizzazioni sono tipiche:

• Al team di data engineering centrale vengono concessi i ruoli Editor dati BigQuery e Utente job BigQuery per il progetto di archiviazione. Questi ruoli consentono di importare e modificare i dati nel progetto di archiviazione.
• Agli analisti di reparto viene concesso il ruolo Visualizzatore dati BigQuery per set di dati specifici nel progetto di data lake centrale. In questo modo possono eseguire query sui dati, ma non aggiornare o eliminare i dati non elaborati.
• Agli analisti di reparto vengono concessi anche i ruoli Editor dati BigQuery e Utente job per il progetto di data mart del reparto. In questo modo possono creare e aggiornare le tabelle nel loro progetto ed eseguire job di query per trasformare e aggregare i dati per l'utilizzo specifico del reparto.

Per saperne di più, consulta Ruoli e autorizzazioni di base.

Data lake di reparto, data warehouse centrale

In questo motivo, ogni reparto crea e gestisce il proprio progetto di archiviazione, che contiene i dati non elaborati del reparto. Un progetto di data warehouse centrale archivia le aggregazioni o le trasformazioni dei dati non elaborati.

Gli analisti possono eseguire query e leggere i dati aggregati dal progetto di data warehouse. Il progetto di data warehouse fornisce anche un livello di accesso per gli strumenti di business intelligence (BI).

I vantaggi di questa struttura includono:

• È più semplice gestire l'accesso ai dati a livello di reparto utilizzando progetti separati per ogni reparto.
• Un team di analisi centrale ha un singolo progetto per l'esecuzione dei job di analisi, il che semplifica il monitoraggio delle query.
• Gli utenti possono accedere ai dati da uno strumento BI centralizzato, che viene mantenuto isolato dai dati non elaborati.
• Gli slot possono essere assegnati al progetto di data warehouse per gestire tutte le query degli analisti e degli strumenti esterni.

Quando utilizzi questa struttura, le seguenti autorizzazioni sono tipiche:

• Ai data engineer vengono concessi i ruoli Editor dati BigQuery e Utente job BigQuery nel data mart del reparto. Questi ruoli consentono di importare e trasformare i dati nel data mart.
• Agli analisti vengono concessi i ruoli Editor dati BigQuery e Utente job BigQuery nel progetto di data warehouse. Questi ruoli consentono di creare viste aggregate nel data warehouse ed eseguire job di query.
• Ai service account che collegano BigQuery agli strumenti BI viene concesso il ruolo Visualizzatore dati BigQuery per set di dati specifici, che possono contenere dati non elaborati dal data lake o dati trasformati nel progetto di data warehouse.

Per saperne di più, consulta Ruoli e autorizzazioni di base.

Puoi anche utilizzare funzionalità di sicurezza come le viste autorizzate e le funzioni definite dall'utente autorizzate (UDF) per rendere disponibili i dati aggregati a determinati utenti senza concedere loro l' autorizzazione a visualizzare i dati non elaborati nei progetti di data mart.

Questa struttura del progetto può comportare molte query simultanee nel progetto di data warehouse. Di conseguenza, potresti raggiungere il limite di query simultanee. Se adotti questa struttura, valuta la possibilità di aumentare questo limite di quota per il progetto. Valuta anche la possibilità di utilizzare la fatturazione basata sulla capacità, in modo da poter acquistare un pool di slot per eseguire le query.