第 5 步：配置部署

本页介绍了部署 Cortex Framework 数据基础（Cortex Framework 的核心）的第五步。在此步骤中，您将修改 Cortex Framework Data Foundation 代码库中的配置文件，以满足您的需求。

注意： 本页中概述的步骤专门用于从官方 GitHub 代码库部署 Cortex Framework Data Foundation。

配置文件

部署的行为由 Cortex Framework Data Foundation 中的配置文件 config.json 控制。此文件包含全局配置，以及每个工作负载的特定配置。根据您的需求，按照以下步骤修改 config.json 文件：

1. 从 Cloud Shell 中打开文件 config.json。

2. 根据以下参数修改 config.json 文件：

   注意： 如需查看专门针对 Cortex for Meridian 的更多参数，请参阅适用于 Meridian 的其他部署参数。

   参数	含义	默认值	说明
   testData	部署测试数据	true	源数据集所在的项目以及 build 运行的项目。注意：只有在原始数据集为空且不包含任何表的情况下，才会执行测试数据部署。
   deploySAP	部署 SAP	true	执行 SAP 工作负载（ECC 或 S/4 HANA）的部署。
   deploySFDC	部署 Salesforce	true	执行 Salesforce 工作负载的部署。
   deployMarketing	Deploy Marketing	true	执行营销来源（Google Ads、CM360 和 TikTok）的部署。
   deployOracleEBS	部署 Oracle EBS	true	执行 Oracle EBS 工作负载的部署。
   enableTaskDependencies	依赖于任务的 DAG	false	启用任务相关 DAG，以便在单个 DAG 中根据依赖顺序执行受支持的 SQL 表。如需了解详情，请参阅依赖于任务的 DAG。
   turboMode	以加速模式部署。	true	在同一 Cloud Build 流程中，以并行方式执行所有视图构建，以便更快地进行部署。如果设置为 false，则每个报告视图都会在自己的顺序构建步骤中生成。我们建议仅在以下情况下将其设置为 true：使用测试数据时，或报告列与源数据之间的任何不一致情况已得到解决时。
   projectIdSource	源项目 ID	-	源数据集所在的项目以及 build 运行的项目。
   projectIdTarget	目标项目 ID	-	面向用户的目标数据集项目。
   targetBucket	用于存储生成的 DAG 脚本的目标存储分区	-	之前创建的用于生成 DAG（和 Dataflow 临时文件）的存储分区。 避免使用实际的 Airflow 存储桶。
   location	位置或地区	"US"	BigQuery 数据集和 Cloud Storage 存储分区所在的位置。 请参阅 BigQuery 数据集位置下列出的限制。
   testDataProject	自动化测试框架的来源	kittycorn-public	演示部署的测试数据源。当 testData 为 true 时适用。 除非您有自己的测试框架，否则请勿更改此值。
   k9.datasets.processing	K9 数据集 - 处理中	"K9_PROCESSING"	执行 K9 配置文件中定义的跨工作负载模板（例如，日期维度）。下游工作负载通常需要这些模板。
   k9.datasets.reporting	K9 数据集 - 报告	"K9_REPORTING"	执行 K9 配置文件中定义的跨工作负载模板和外部数据源（例如：天气）。默认情况下处于注释状态。

3. 根据需要配置所需的工作负载。如果工作负载的部署参数（例如 deploySAP 或 deployMarketing）设置为 False，则无需配置这些参数。如需了解详情，请参阅第 3 步：确定集成机制。

注意： 安装多个 Cortex Framework 工作负载时，您需要增加 Build and Operation Get requests per minute 和 Build and Operation Get requests per minute per user 配额。如需了解详情，请参阅配额和系统限制。

如需更好地自定义部署，请参阅以下可选步骤：

• 选择停用遥测。
• K9 的外部数据集配置。
• 检查是否存在 CORTEX-CUSTOMER 代码。

针对报告视图的性能优化

报告制品可以创建为视图，也可以创建为通过 DAG 定期刷新的表。一方面，视图会在每次执行查询时计算数据，从而始终保持结果最新。另一方面，该表只需运行一次计算，即可多次查询结果，而不会产生更高的计算费用，并且可以实现更快的运行时。每位客户都可以根据自己的需求创建配置。

具体化结果会更新到表中。通过向这些表添加分区和聚簇，可以进一步微调这些表。

每个工作负载的配置文件都位于 Cortex Framework Data Foundation 代码库中的以下路径中：

数据源	设置文件
运营 - SAP	src/SAP/SAP_REPORTING/reporting_settings_ecc.yaml
运营 - Salesforce Sales Cloud	src/SFDC/config/reporting_settings.yaml
运营 - Oracle EBS	src/oracleEBS/config/reporting_settings.yaml
营销 - Google Ads	src/marketing/src/GoogleAds/config/reporting_settings.yaml
营销 - CM360	src/marketing/src/CM360/config/reporting_settings.yaml
营销 - Meta	src/marketing/src/Meta/config/reporting_settings.yaml
营销 - Salesforce Marketing Cloud	src/marketing/src/SFMC/config/reporting_settings.yaml
营销 - TikTok	src/marketing/src/TikTok/config/reporting_settings.yaml
营销 - YouTube（使用 DV360）	src/marketing/src/DV360/config/reporting_settings.yaml
营销 - Google Analytics 4	src/marketing/src/GA4/config/reporting_settings.yaml
营销 - 跨媒体和产品关联数据分析	src/marketing/src/CrossMedia/config/reporting_settings.yaml

自定义报告设置文件

reporting_settings 文件决定了如何为报告数据集创建 BigQuery 对象（表或视图）。使用以下参数说明自定义文件。假设此文件包含两个部分：

1. bq_independent_objects：可以独立创建且没有任何其他依赖项的所有 BigQuery 对象。启用 Turbo mode 后，这些 BigQuery 对象会在部署期间并行创建，从而加快部署过程。
2. bq_dependent_objects：由于依赖于其他 BigQuery 对象而需要按特定顺序创建的所有 BigQuery 对象。Turbo mode 不适用于本部分。

部署程序首先创建 bq_independent_objects 中列出的所有 BigQuery 对象，然后创建 bq_dependent_objects 中列出的所有对象。为每个对象定义以下属性：

1. sql_file：用于创建指定对象的 SQL 文件的名称。
2. type：BigQuery 对象的类型。可能的值：
   • view：如果您希望对象是 BigQuery 视图。
   • table：如果您希望对象是 BigQuery 表。
   • script：用于创建其他类型的对象（例如 BigQuery 函数和存储过程）。
3. 如果 type 设置为 table，则可以定义以下可选属性：
   • load_frequency：执行 Composer DAG 以刷新此表的频率。如需详细了解可能的值，请参阅 Airflow 文档。
   • partition_details：表应如何分区。 此值是可选值。如需了解详情，请参阅表分区部分。
   • cluster_details：表应如何聚类。 此值是可选值。如需了解详情，请参阅集群设置部分。

注意： 如果您通过将 enableTaskDependencies 字段设置为 True 来启用依赖于任务的 DAG，请务必为每个需要任务依赖项的数据源创建一个带有后缀 _task_dep.yaml 的专用报告设置文件。如需了解详情，请参阅具有任务依赖关系的 DAG

表分区

某些设置文件可让您使用自定义聚簇和分区选项配置具体化表。这可以显著提高大型数据集的查询性能。此选项仅适用于 SAP cdc_settings.yaml 和所有 reporting_settings.yaml 文件。

您可以通过指定以下partition_details来启用表分区：

- base_table: vbap
  load_frequency: "@daily"
  partition_details: {
    column: "erdat", partition_type: "time", time_grain: "day" }

使用以下参数可控制指定表的分区详细信息：

属性	说明	值
column	CDC 表的分区列。	列名称。
partition_type	分区类型。	"time"（对于基于时间的分区）。如需了解详情，请参阅时间戳分区表。 "integer_range"（适用于基于整数的分区）。如需了解详情，请参阅整数范围文档。
time_grain	用于分区的时间部分 当值为 partition_type = "time" 时，此参数为必需参数。	"hour"、"day"、"month" 或 "year"。
integer_range_bucket	分桶范围 当 partition_type = "integer_range" 时为必需项	"start" = 起始值，"end" = 结束值，"interval = 范围的间隔。

如需详细了解相关选项和限制，请参阅 BigQuery 表分区。

集群设置

您可以通过指定 cluster_details 来启用表聚簇：

  - base_table: vbak
    load_frequency: "@daily"
    cluster_details: {columns: ["vkorg"]}

使用以下参数来控制指定表的聚类详细信息：

属性	说明	值
columns	用于对表进行聚簇的列。	列名称列表。例如，"mjahr" 和 "matnr"。

如需详细了解相关选项和限制，请参阅表聚簇文档。

后续步骤

完成此步骤后，请继续执行以下部署步骤：

1. 建立工作负载。
2. 克隆代码库。
3. 确定集成机制。
4. 设置组件。
5. 配置部署（本页）。
6. 执行部署。