מידע על שושלת נתונים

שיוך מקורות נתונים הוא מפה חזותית שעוקבת אחרי כל מחזור החיים של הנתונים. הוא מראה לכם מאיפה הנתונים מגיעים (המקור), לאן הם עוברים (יעדים) ואת כל השינויים או הטרנספורמציות שמתרחשים לאורך הדרך.

אתם יכולים לראות את המפה המלאה הזו של מסלול הנתונים ישירות במסוף של נכסים שנוצרו במוצרים כמו Knowledge Catalog (לשעבר Dataplex Universal Catalog),‏ BigQuery (כולל טבלאות חיצוניות שנוצרו עבור Iceberg REST Catalog) ו-Vertex AI.Google Cloud מכיוון שלרוב תהליכי העבודה מתפרסים על פני כמה אזורים, Knowledge Catalog תומך במעקב אחר מקורות נתונים במספר אזורים, ומספק תצוגה מאוחדת של מסלול הנתונים במערכת האקולוגית הגלובלית של Google Cloud . משתמשים מתקדמים יכולים גם לאחזר את המידע הזה באמצעות Data Lineage API.

למה צריך שושלת נתונים

חברות מודרניות מעבירות ומשנות כמויות גדולות של נתונים באופן קבוע. לדוגמה, הפיכת רכישות גולמיות של לקוחות לדוחות, למרכזי בקרה ולמודלים של למידת מכונה. המורכבות הזו יוצרת אתגרים קריטיים לצוות שלכם:

  • אמון ואימות. למשתמשים בנתונים קשה לאשר שהדוחות והמספרים שהם רואים מדויקים ומגיעים ממקור מהימן.

  • פתרון בעיות. כששגיאה מופיעה בדוח סופי, יכול להיות שצוותי הנתונים יתקשו לאתר את שורש הבעיה ויצטרכו להשקיע זמן רב כדי לעבור על כל השלבים.

  • ניהול שינויים. לפני שמשנים או מוחקים נתון (למשל, עמודה בטבלה), הצוותים צריכים לדעת על כל דוח או מודל במורד הזרם שמסתמך על הנתון הזה, כדי למנוע שיבוש של מערכות קריטיות.

  • תאימות. מנהלים צריכים לראות איך נעשה שימוש בנתונים רגישים (כמו מידע על לקוחות או מידע פיננסי) בכל הארגון כדי לעמוד בדרישות הרגולטוריות.

הפתרון לבעיות האלה הוא מעקב אחר מקורות נתונים, שמאפשר לכם לראות את המסלול של הנתונים בצורה ברורה, ויזואלית ומתועדת. כך תוכלו להבין את מקורות הנתונים, לעקוב אחרי שגיאות, להעריך את ההשפעה של שינויים ולשמור על תאימות.

איך פועל מעקב אחר מקורות נתונים

תהליך העבודה של שושלת הנתונים כולל את השלבים הבאים:

  1. מקורות נתונים והטמעה: מידע על שרשרת המקור ממקורות הנתונים מתחיל את התהליך כולו.

    • Google Cloud שירותים: כש-Data Lineage API מופעל, שירותים נתמכים כמו BigQuery ו-Dataflow מדווחים אוטומטית על אירועי שושלת בכל פעם שנתונים מועברים או משתנים.

    • מקורות מותאמים אישית: במערכות שלא נתמכות אוטומטית על ידי שילובים שלGoogle Cloud , אפשר להשתמש ב-Data Lineage API כדי לתעד באופן ידני מידע על מקורות הנתונים. מומלץ לייבא אירועים בפורמט שמותאם לתקן OpenLineage.

  2. פלטפורמת שושלת נתונים: הפלטפורמה המרכזית הזו קולטת, מעצבת ומאחסנת את כל נתוני השושלת.

    • ‫Data Lineage API: ה-API הזה משמש כנקודת כניסה יחידה לכל המידע על מקורות הנתונים הנכנסים. הוא משתמש במודל נתונים היררכי שמורכב משלושה מושגי ליבה: תהליך, הרצה ואירוע.

    • עיבוד ואחסון: הפלטפורמה מעבדת נתונים נכנסים ומאחסנת אותם במסדי נתונים אמינים שעברו אופטימיזציה לשאילתות.

  3. חוויית משתמש: יש שתי דרכים עיקריות לאינטראקציה עם מידע השושלת המאוחסן:

    • עיון חזותי: במסוף Google Cloud , שירות קצה קדמי מאחזר ומעבד את שושלת הנתונים כתרשים או כרשימה אינטראקטיביים. התמיכה הזו זמינה ב-Knowledge Catalog, ב-BigQuery, ב-Lakehouse ל-Apache Iceberg (לטבלאות של Iceberg REST Catalog), בשכבה הפיזית (Cloud Storage) וב-Vertex AI (למודלים, למערכי נתונים, דרך צינורות, לתצוגות של מאגר תכונות ולקבוצות תכונות). התכונה הזו מצוינת לבדיקה ויזואלית של מסלול הנתונים.

    • גישה פרוגרמטית: באמצעות לקוח API, אפשר לתקשר ישירות עם Data Lineage API כדי לבצע אוטומציה של ניהול שושלת הנתונים. כך תוכלו לכתוב מידע על שושלת נתונים ממקורות בהתאמה אישית. בנוסף, אפשר לקרוא את נתוני השושלת המאוחסנים ולבצע עליהם שאילתות כדי להשתמש בהם באפליקציות אחרות או כדי ליצור דוחות בהתאמה אישית.

באיזו שיטה כדאי להשתמש כדי לעקוב אחרי מקורות הנתונים?

כדי לבצע בדיקות מיידיות ברמה אחת, משתמשים בשיטה SearchLinks. כדי ליצור תרשים מלא של שרשרת היוחסין או לבצע ניתוח השפעה מעמיק (עד 100 רמות), משתמשים ב-method‏ SearchLineageStreaming.

בהתאם לתרחיש השימוש, בוחרים את השיטה המתאימה ביותר:

תכונה SearchLinks SearchLineageStreaming
עומק רמה אחת (שכנים מיידיים) עד 100 רמות
הרצה סינכרוני סטרימינג בזמן אמת
תרחיש לדוגמה חיפושים פשוטים של מקורות או יעדים ישירים יצירת גרף מלא של שושלת נתונים או ביצוע ניתוח השפעות

זיהוי הכיוון

  • Upstream (Origins):
    • ב-SearchLinks, מגדירים את השדה target ל-FQN של הנכס.
    • ב-SearchLineageStreaming, מגדירים את direction לערך UPSTREAM.
  • Downstream (Destinations):
    • ב-SearchLinks, מגדירים את השדה source ל-FQN של הנכס.
    • ב-SearchLineageStreaming, מגדירים את direction לערך DOWNSTREAM.

מודל מידע של שושלת נתונים

המונח 'שיוך מקורות' מתייחס לתיעוד של נתונים שעוברים טרנספורמציה ממקורות ליעדים. ה-Data Lineage API אוסף את המידע הזה ומארגן אותו במודל נתונים היררכי שמשתמש במושגים של תהליכים, הפעלות ואירועים.

קונספט תיאור
תהליך הגדרה של טרנספורמציה של נתונים.
Run ביצוע של תהליך.
אירוע רשומה של תנועת הנתונים במהלך ההפעלה.

מהו תהליך של שרשרת מקורות מידע?

תהליך הוא הגדרה של פעולת טרנספורמציה של נתונים במערכת ספציפית. ב-BigQuery, תהליך הוא עבודה מסוג עבודה נתמך. כל ההרצות של אותה שאילתת SQL מקושרות לתהליך יחיד, כך שאפשר לעקוב אחרי כל מקרה שבו נעשה שימוש בלוגיקת טרנספורמציה ספציפית.

לדוגמה, שאילתת ה-SQL הבאה היא תהליך. השאילתה הזו יוצרת טבלה על ידי ספירת המספר הכולל של הנסיעות לכל ספק משתי טבלאות מקור. 

  CREATE TABLE `dataplex-docs.data_lineage_demo.total_green_trips_22_21`
  AS
  SELECT
      vendor_id,
      COUNT(*) AS number_of_trips
  FROM
      (
          SELECT vendor_id
          FROM `dataplex-docs.data_lineage_demo.nyc_green_trips_2022`
          UNION ALL
          SELECT vendor_id
          FROM `dataplex-docs.data_lineage_demo.nyc_green_trips_2021`
      )
  GROUP BY
      vendor_id;

הפורמט של שם משאב REST לתהליך הוא projects/PROJECT_NUMBER/locations/LOCATION/processes/PROCESS_ID.

לדוגמה: projects/123456789123/locations/us/processes/sh-0548bbf4ff3c8072a6c7372ba1acafb6

מידע נוסף על המשאב process זמין במאמר Process resource reference.

מהי הפעלה של שרשרת צאצאים?

הרצה היא ביצוע יחיד של תהליך. יכולות להיות כמה הרצות לתהליך.

כל הרצה היא פעולה ייחודית שמאופיינת על ידי startTime,‏ endTime ומצב סופי, כמו COMPLETED,‏ FAILED או ABORTED.

לדוגמה, אם מריצים את שאילתת ה-SQL מהקטע Process בשעה 9:00 בבוקר, נוצרת הרצה ספציפית. אם מריצים את אותה שאילתה שוב בשעה 10:00, נוצרת ריצה חדשה ושונה. שתי ההרצות מקושרות לאותו תהליך אב.

הפורמט של שם משאב REST להרצה מראה שהיא צאצא של תהליך: projects/PROJECT_NUMBER/locations/LOCATION/processes/PROCESS_ID/runs/RUN_ID.

לדוגמה: projects/123456789123/locations/us/processes/sh-0548bbf4ff3c8072a6c7372ba1acafb6/runs/83dd03a51cd2ac80f465c9e267a950b1

מידע נוסף על משאב run זמין במאמר הפעלת משאב.

מהו אירוע של שושלת?

אירוע מייצג נקודת זמן שבה טרנספורמציה של נתונים מעבירה נתונים בין מקור לבין ישות יעד. אירוע הוא רשומה מפורטת של תנועת נתונים ספציפית שמקשרת בין טבלאות מקור ויעד להרצה ספציפית. לאירוע יכולים להיות גם כמה מקורות ויעדים.

לדוגמה, אם ההרצה מבצעת את שאילתת ה-SQL שמוסברת בקטע תהליך, אירוע של שושלת מתעד את העובדה שטבלאות המקור nyc_green_trips_2021 ו-nyc_green_trips_2022 משמשות ליצירת טבלת היעד total_green_trips_22_21.

אירוע של שרשרת מקורות מכיל רשימה של קישורים שמגדירים את המקור והיעד. אירועים משמשים ליצירת תרשימי שושלת. אף על פי שהגרפים האלה מוצגים במסוף, אי אפשר לראות בו אירועים בודדים. Google Cloud אתם יכולים ליצור, לקרוא ולמחוק אירועים באמצעות Data Lineage API, אבל לא לעדכן אותם.

כל קישור בתוך אירוע מגדיר נתיב יחיד של זרימת נתונים מישות מקור לישות יעד. ישות היא הפניה לנכס נתונים, כמו טבלה ב-BigQuery, והיא מזוהה באמצעות שם מוגדר במלואו (FQN). אירוע יחיד יכול להכיל כמה קישורים, וזה קורה בדרך כלל בפעולות כמו צירוף טבלאות, שבהן כמה מקורות תורמים ליעד אחד.

במאמר Column-level lineage מוסבר איך אירועים תומכים ב-lineage ברמת העמודה.

אילו מקורות נתונים נתמכים לצורך מעקב אחר מקורות הנתונים?

אפשר לאכלס את פרטי שושלת הנתונים ב-Knowledge Catalog בדרכים הבאות:

  • באופן אוטומטי משירותים משולבים Google Cloud
  • באופן ידני, באמצעות Data Lineage API למקורות מותאמים אישית
  • ייבוא אירועים מ-OpenLineage

BigQuery

כשמפעילים את תכונת מעקב המקורות בפרויקט BigQuery, Knowledge Catalog מתעד באופן אוטומטי את פרטי המקורות של הרכיבים הבאים:

משימות העתקה, שאילתה וטעינה ב-BigQuery מיוצגות כתהליכים.

כדי להציג את פרטי התהליך, בתרשים של שרשרת המקורות, לוחצים על סמל פרטי התהליך פרטי התהליך..

כל תהליך מכיל את BigQuery job_id ברשימה attributes של משימת BigQuery האחרונה.

שירותים נוספים

התכונה 'מקורות נתונים' תומכת בשילוב עם השירותים הבאים:Google Cloud

  • Cloud Data Fusion

    אי אפשר להגביל את מעקב המקורות רק ל-Cloud Data Fusion כש-Data Lineage API מופעל בפרויקט.

  • Dataflow

    אפשר לתעד אירועים של שרשרת מקורות נתונים באמצעות משימות Dataflow ולפרסם אותם ב-Data Lineage API.

  • Lakehouse for Iceberg REST catalog tables

  • ‫Looker (Google Cloud core) (גרסת Preview)

    יש תמיכה בהמחשה של מטא-נתונים של Looker (הליבה של Google Cloud) ממקורות BigQuery באמצעות מעקב אחר מקורות הנתונים. צריך להפעיל את מעקב מקורות הנתונים ברמת המשאב של Looker (Google Cloud core) וברמת שירות מעקב מקורות הנתונים.

  • Managed Service for Apache Airflow

    ב-Managed Airflow יש בקרה על שילוב של נתוני שושלת ברמת הסביבה. התכונה 'מקורות נתונים' מופעלת אוטומטית בכל סביבות Managed Airflow חדשות שעומדות בדרישות. בסביבות קיימות, משתמשים בהגדרות הסביבה כדי להפעיל או להשבית את השילוב של מעקב אחר מקורות נתונים. אתם יכולים להגדיר את ההטמעה של שושלת הנתונים ב-Managed Airflow כדי להפעיל או להשבית את ההטמעה האוטומטית של שושלת הנתונים.

  • ‫Managed Service for Apache Spark: אשכולות Apache Hive

    אתם יכולים לתעד אירועים של שרשרת מקורות נתונים באמצעות משימות של Apache Spark Hive ב-Managed Service for Apache Spark ולפרסם אותם ב-Data Lineage API. אתם יכולים להגדיר את הטמעת שושלת הנתונים ב-Managed Service for Apache Spark כדי להפעיל או להשבית את הטמעת שושלת הנתונים באופן אוטומטי.

  • Managed Service for Apache Spark: אשכולות Apache Spark

    אתם יכולים לתעד אירועים של שרשרת מקורות נתונים באמצעות משימות Spark ב-Managed Service for Apache Spark ולפרסם אותם ב-Data Lineage API. אתם יכולים להגדיר את הטמעת שושלת הנתונים ב-Managed Service for Apache Spark כדי להפעיל או להשבית את הטמעת שושלת הנתונים באופן אוטומטי.

  • Managed Service for Apache Spark: פריסה ללא שרת

    אפשר לתעד אירועים של שרשרת מקורות באמצעות משימות של Managed Service for Apache Spark serverless ולפרסם אותם ב-Data Lineage API. אתם יכולים להגדיר את הטמעת שושלת הנתונים ב-Managed Service for Apache Spark כדי להפעיל או להשבית את הטמעת שושלת הנתונים באופן אוטומטי.

  • Vertex AI Feature Store

    שושלת הנתונים עוקבת אחרי המטא-נתונים של תצוגות מאגר התכונות וקבוצות התכונות.

  • Vertex AI Pipelines

    התכונה 'מקורות נתונים' מופעלת באופן אוטומטי בפייפליינים של Vertex AI Pipelines, ועוקבת אחרי ארטיפקטים של קלט ופרמטרים של ביצוע (כמו מודלים, מערכי נתונים ורכיבים), וגם אחרי נכסים נגזרים במורד הזרם.

שושלת נתונים של מקורות נתונים בהתאמה אישית

אתם יכולים להשתמש ב-Data Lineage API כדי לתעד באופן ידני מידע על שושלת נתונים לכל מקור נתונים שמערכות משולבות לא תומכות בו, כמו מסדי נתונים חיצוניים או צינורות להעברת נתונים מקומיים. אם משתמשים ב-fullyQualifiedName שתואם לשמות המלאים של רשומות קיימות ב-Knowledge Catalog, אפשר ליצור תרשימי שושלת עבור שושלת שתועדה באופן ידני. אם רוצים לתעד את מקור הנתונים של מקור נתונים בהתאמה אישית, צריך קודם ליצור רשומה בהתאמה אישית.

כל תהליך של מקור נתונים מותאם אישית יכול להכיל מפתח sql ברשימת המאפיינים. הערך של המפתח הזה משמש להדגשת קוד בחלונית הפרטים של גרף שרשרת מקורות הנתונים. הצהרת ה-SQL מוצגת כמו שהיא. באחריותכם לסנן מידע רגיש. שם המפתח sql הוא תלוי אותיות רישיות.

לדוגמה, מטען ייעודי (payload) של משאב תהליך עם מאפיין sql מותאם אישית:

{
  "displayName": "custom-sql-query",
  "attributes": {
    "sql": "SELECT user_id, SUM(amount) FROM `project.dataset.purchases` GROUP BY user_id"
  }
}

מידע נוסף זמין במאמר בנושא מעקב אחר מידע על מקורות נתונים במערכות חיצוניות.

OpenLineage

אם אתם כבר משתמשים ב-OpenLineage כדי לאסוף מידע על מקורות נתונים אחרים, אתם יכולים לייבא אירועים של OpenLineage אל Knowledge Catalog ולצפות באירועים האלה במסוף Google Cloud . מידע נוסף מופיע במאמר בנושא שילוב עם OpenLineage.

מעקב אוטומטי אחר שושלת הנתונים

כשמפעילים את Data Lineage API, Google Cloud מערכות שתומכות ב-Data Lineage מתחילות לדווח על תנועת הנתונים שלהן. כל מערכת משולבת יכולה לשלוח מידע על שרשרת המקורות לטווח שונה של מקורות נתונים.

שליטה בהטמעה של היסטוריית השינויים

כדי לנהל את העלויות ואת מדיניות השליטה, אתם יכולים להפעיל או להשבית את יצירת שרשרת המקור לשירותים ספציפיים של Google Cloud . אתם יכולים להגדיר את ההטמעה הזו באופן מרכזי ברמת הארגון, התיקייה והפרויקט. במהלך תקופת התצוגה המקדימה, התכונה הזו תומכת בהגדרת הטמעה של שושלת נתונים בשירותים הבאים: Managed Service for Apache Spark,‏ BigQuery ו-Managed Service for Apache Airflow.

בקטלוג הידע מתבצעת הערכה של היררכיית המשאבים (קודם הפרויקט, אחר כך התיקיות ואז הארגון) כדי לקבוע את ההגדרה האפקטיבית. ההגדרה הראשונה שמוגדרת באופן מפורש בכל רמה במסלול הזה כלפי מעלה נכנסת לתוקף.

  • אם מגדירים הגדרה ברמת הפרויקט, Knowledge Catalog משתמש בזה.
  • אם לא מוגדרת הגדרה ברמת הפרויקט, Knowledge Catalog משתמש בהגדרה מהתיקייה הקרובה ביותר ברמת ההורה עם הגדרה מפורשת.
  • אם לא מוגדרת תצורה ברמת הפרויקט או התיקייה, Knowledge Catalog משתמש בתצורה ברמת הארגון.
  • אם לא מוגדרת הגדרה באף אחת מהרמות האלה, Knowledge Catalog משתמש בברירת המחדל של המערכת לשילוב. ברירת המחדל להגדרת הפעלת שושלת נתונים יכולה להיות מופעלת או מושבתת. ב-Managed Service for Apache Spark,‏ BigQuery ו-Managed Service for Apache Airflow, הטמעת שושלת הנתונים מופעלת כברירת מחדל אם Data Lineage API פעיל.

לדוגמה, נניח שיש ארגון test-org עם ההגדרות הבאות של שושלת הנתונים ב-Managed Service for Apache Spark:

  • ארגון test-org: מופעל
    • תיקייה folder-a: מושבת
      • פרויקט project-a: לא הוגדרה הגדרה
    • תיקייה folder-b: מופעל
      • פרויקט project-b: מושבת

במקרה כזה, ההגדרות הרלוונטיות הן:

  • ב-project-a, הטמעת נתוני השושלת מושבתת. Knowledge Catalog מתחיל להעריך מ-project-a, לא מוצא הגדרה, עובר ל-folder-a ומחיל את ההגדרה Disabled מ-folder-a.
  • ב-project-b, הטמעת נתוני השושלת מושבתת. החל מ-project-b, Knowledge Catalog מתחיל להעריך ומחיל את ההגדרה מושבת, תוך עקיפת ההגדרות ב-folder-b וב-test-org.

שליטה ביצירת נתוני שושלת עוזרת לכם לנהל את העלויות ואת מדיניות השליטה. לדוגמה, אפשר להשבית את איסוף נתוני השושלת בפרויקטים של פיתוח או בעומסי עבודה גדולים שלא דורשים מעקב אחר השושלת.

למידע על הגדרה ושליטה בהעברה של נתוני שושלת, אפשר לעיין במאמר שליטה בהעברה של נתוני שושלת לשירות.

שושלת נתונים במספר אזורים

שירות Data Lineage הוא שירות אזורי במהותו. מטא-נתונים של שושלת, כולל קישורים, תהליכים ואירועים, מתועדים ומבודדים בצורה מאובטחת במיקום הגיאוגרפי הספציפי שבו מתבצעת טרנספורמציה של נתוני הבסיס או שינוי של הנכס.

ככל שארכיטקטורות נתונים מודרניות של ארגונים גדלות, תהליכי עבודה של צינורות נתונים חוצים לעיתים קרובות גבולות של פרויקטים ואזורים. לדוגמה, צינור טרנספורמציה של BigQuery שפועל ב-us-central1 עשוי לקרוא טבלת מקור ב-us-east1 ולהפיק מדדים מצטברים לקטגוריה של Cloud Storage שנמצאת ב-europe-west1.

כדי לקבל תצוגה מקיפה מקצה לקצה של מחזור החיים של הנתונים במרחבים הגיאוגרפיים העצמאיים האלה, אפשר להשתמש בשיטה של חיפוש שושלת רב-אזורי.

מידע נוסף זמין במאמר מידע על חיפוש שושלת נתונים בכמה אזורים.

שיקולים ומגבלות לגבי שושלת נתונים

כשמתכננים את אסטרטגיית ניהול הנתונים, חשוב לזכור את הדברים הבאים לגבי שילובים של שושלת, פרמטרים של תאימות ומגבלות של שירותים.

אמצעי בקרה על שרשרת המקור ברמת המוצר

כשמפעילים את Data Lineage API, מערכות נתמכות מדווחות על שושלת נתונים בהתאם לאמצעי הבקרה ברמת המוצר. רשימה מלאה של מערכות נתמכות והאמצעים לבקרה עליהן זמינה במאמר מערכות נתמכות למעקב אחר מקורות נתונים.

השפעה על החיוב

בנוסף לתמחור הרגיל, חשוב לזכור את הנקודות הבאות:

  • ה-API של Data Lineage פועל על בסיס כל פרויקט. לפני שמפעילים את התכונה הזו בתהליכי עבודה בפרויקטים שכוללים הרבה נתונים, כדאי לבדוק את ההשפעה שלה על החיוב.
  • ב-BigQuery Omni, עיבוד שרשרת המקורות מבוזר לאזורים ספציפיים, והעלויות תלויות באזורים שבהם מתבצע העיבוד.

תאימות של שושלת הנתונים

  • שושלת הנתונים מתעדת מטא-נתונים על תנועת הנתונים, אבל לא מתעדת את הנתונים עצמם. מידע על השדות שנכללים במטא-נתונים מופיע במודל המידע של Data Lineage ובהפניה ל-Data Lineage API.
  • מקורות הנתונים כחלק מ-Knowledge Catalog תומכים ב-VPC-SC.
  • ב-Knowledge Catalog אין אפשרות להשתמש במפתחות הצפנה בניהול הלקוח (CMEK) כדי להגן על מטא-נתונים של שושלת נתונים שנאספו.

מגבלות של שושלת הנתונים

אלה המגבלות של מעקב אחר מקורות נתונים:

  • כל פרטי השושלת נשמרים במערכת למשך 30 ימים בלבד.

  • פרטי השושלת נשמרים גם אחרי שמוחקים את מקור הנתונים שקשור אליהם. לדוגמה, אם מוחקים טבלה ב-BigQuery, עדיין אפשר לראות את שושלת הנתונים שלה דרך ה-API והמסוף למשך עד 30 יום.

  • ב-BigQuery, שושלת הנתונים לא מתעדת באופן אוטומטי מידע על שושלת ישירה של שגרות. אם משתמשים בשגרה בשאילתה, נרשם תיעוד של שרשרת המקור של הנתונים בין הטבלאות שהשגרה קוראת כהסתמכויות של טבלאות שהשאילתה כותבת.

כשבוחרים צומת בתרשים השושלת, חלונית הצד של פרטי הצומת ריקה במקרים הבאים:

  • המשאב נמצא בארגון אחר.
  • המשתמש לא חבר בארגון שמארח את המשאב.

מגבלות על שושלת נתונים ברמת העמודה

אלו הגבלות נוספות שחלות על שושלת נתונים ברמת העמודה:

  • השבחת נתונים ברמת העמודה לא נאספת עבור משימות טעינה או עבור שגרות ב-BigQuery.

  • לא מתבצע איסוף של שושלת (lineage) ברמת העמודה במעלה הזרם עבור טבלאות חיצוניות.

  • אם עבודה יוצרת יותר מ-1,500 קישורים ברמת העמודה, לא נאסף מידע על שושלת נתונים ברמת העמודה. במקרים כאלה, נאספת רק שושלת נתונים ברמת הטבלה.

  • התמיכה בשושלת ברמת העמודה מוגבלת לעמודות ברמה העליונה בטבלאות של BigQuery. שדות מוטמעים בתוך סוגים מורכבים (כמו STRUCT או JSON) לא נתמכים.

  • פונקציית החיפוש עם פרמטר השדה פועלת רק על קישורים שמגדירים באופן מפורש קשרים בין עמודות. היא לא מחזירה תוצאות או עוברת על קישורים שמוגדרים רק ברמת הטבלה. אין תמיכה בחיפוש בין קישורים ברמת הטבלה לבין קישורים ברמת העמודה (לדוגמה, חיפוש של כל העמודות שקשורות לקישור ברמת הטבלה, או להפך). ה-API מחזיר רק קישורים שבהם צוין שדה גם במקור וגם ביעד.

  • התמיכה בטבלאות עם חלוקה למחיצות מוגבלת, כי עמודות של חלוקה למחיצות כמו _PARTITIONDATE ו-_PARTITIONTIME לא מזוהות בתרשים של שרשרת מקורות הנתונים.

  • מגבלות של מסוף Google:

    • המעבר בתרשים של שרשרת המקור מוגבל לעומק של 20 רמות ול-10,000 קישורים בכל כיוון.

תמחור

  • ב-Knowledge Catalog משתמשים במק"ט של עיבוד פרימיום כדי לחייב על שושלת נתונים. מידע נוסף מפורט בקטע תמחור.

  • כדי להפריד בין החיובים על שושלת הנתונים לבין חיובים אחרים במק"ט של עיבוד פרימיום ב-Knowledge Catalog, משתמשים בתווית goog-dataplex-workload-type עם הערך LINEAGE בדוח החיוב ב-Cloud.

  • אם קוראים ל-Data Lineage API‏ Origin sourceType עם ערך שונה מ-CUSTOM, יחולו עלויות נוספות.

המאמרים הבאים