Melacak silsilah data untuk tabel BigQuery

Melacak silsilah data untuk tabel BigQuery

Dokumen ini menjelaskan cara melacak asal-usul data di tabel BigQuery. Silsilah data adalah proses pelacakan asal data, cara data ditransformasi, dan ke mana data berpindah dari waktu ke waktu. Memahami silsilah data sangat penting untuk memastikan kepatuhan, memecahkan masalah data, dan melakukan analisis akar masalah.

Panduan memulai ini menunjukkan cara mulai menggunakan silsilah data untuk tabel BigQuery:

1. Salin dua tabel dari set data new_york_taxi_trips yang tersedia secara publik.

2. Gabungkan jumlah total perjalanan taksi dari kedua tabel ke dalam tabel baru.

3. Lihat grafik visualisasi silsilah untuk ketiga operasi.

Sebelum memulai

Siapkan project:

Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Verify that billing is enabled for your Google Cloud project.

Enable the Dataplex, BigQuery, and Data Lineage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Verify that billing is enabled for your Google Cloud project.

Enable the Dataplex, BigQuery, and Data Lineage APIs.

Roles required to enable APIs

To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

Enable the APIs

Perhatian: Silsilah data diaktifkan berdasarkan per project, bukan per layanan. Setelah Anda mengaktifkan Data Lineage API, informasi silsilah akan otomatis dilaporkan untuk beberapa layanan Google Cloud di project, bergantung pada kontrol silsilah tingkat produknya. Untuk mengetahui detail selengkapnya, lihat Pertimbangan silsilah data.

Peran yang diperlukan

Untuk mendapatkan izin yang Anda perlukan guna melihat grafik visualisasi silsilah, minta administrator untuk memberi Anda peran IAM berikut:

• Pelihat Katalog Dataplex (roles/dataplex.catalogViewer) pada project resource Dataplex Universal Catalog
• Pelihat Silsilah Data (roles/datalineage.viewer) di project tempat Anda menggunakan BigQuery
• BigQuery Data Viewer (roles/bigquery.dataViewer) di project tempat Anda menggunakan BigQuery

Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.

Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.

Menambahkan set data publik ke project Anda

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di panel kiri, klik Explorer:

   

   Jika Anda tidak melihat panel kiri, klik Luaskan panel kiri untuk membuka panel.

3. Di panel Explorer, klik Tambahkan data.

4. Di panel Add data, pilih Public datasets.

5. Di panel Marketplace, telusuri NYC TLC Trips, lalu klik hasil NYC TLC Trips.

6. Klik View dataset.

Tindakan ini akan menambahkan project set data publik sebagai referensi yang dapat Anda lihat di panel Explorer. Panel detail menampilkan Info set data, termasuk informasi seperti ID set data, Lokasi data, dan tanggal Terakhir diubah.

Membuat set data di project Anda

1. Di panel kiri, klik Explorer:

   

2. Di panel Explorer, pilih project tempat Anda ingin membuat set data.

3. Klik Actions, lalu klik Create dataset.

4. Di halaman Create dataset, pada kolom Dataset ID, masukkan: data_lineage_demo. Biarkan kolom lain tetap pada nilai defaultnya.

5. Klik Create dataset.

6. Di panel Penjelajah, klik Set data, lalu klik data_lineage_demo yang baru ditambahkan.

Panel detail menampilkan Info set data-nya.

Menyalin dua tabel yang dapat diakses secara publik ke set data Anda

1. Buka editor kueri: Di panel detail, di samping tab yang disebut data_lineage_demo, klik SQL query. Langkah ini akan membuat tab bernama Untitled.

2. Di editor kueri, salin tabel pertama dengan memasukkan kueri berikut. Ganti PROJECT_ID dengan ID project Anda.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.nyc_green_trips_2021`
   COPY `bigquery-public-data.new_york_taxi_trips.tlc_green_trips_2021`
   

3. Klik Run. Langkah ini membuat tabel pertama, yang disebut nyc_green_trips_2021.

4. Di panel Query results, klik Go to table. Langkah ini menampilkan isi tabel pertama.

5. Di editor kueri, salin tabel kedua dengan mengganti kueri sebelumnya dengan kueri berikut. Ganti PROJECT_ID dengan ID project Anda.

   CREATE TABLE `PROJECT_ID.data_lineage_demo.nyc_green_trips_2022`
   COPY `bigquery-public-data.new_york_taxi_trips.tlc_green_trips_2022`
   

6. Klik Run. Langkah ini membuat tabel kedua, yang disebut nyc_green_trips_2022.

7. Di panel Query results, klik Go to table. Langkah ini menampilkan isi tabel kedua.

Menggabungkan data ke dalam tabel baru

1. Di editor kueri, masukkan kueri berikut. Ganti PROJECT_ID dengan ID project Anda.

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

2. Klik Run. Langkah ini akan membuat tabel gabungan, yang disebut total_green_trips_22_21.

3. Di panel Query results, klik Go to table. Langkah ini menampilkan tabel gabungan.

Melihat grafik silsilah di Dataplex Universal Catalog

1. Di konsol Google Cloud , buka halaman Penelusuran Dataplex Universal Catalog.

   Buka Penelusuran

2. Jika platform penelusuran Anda disetel ke Data Catalog, di menu Choose search platform, pilih Dataplex Universal Catalog.

3. Di kotak Penelusuran, masukkan total_green_trips_22_21, lalu klik Telusuri.

4. Dari daftar hasil, klik total_green_trips_22_21. Langkah ini menampilkan tab Detail tabel BigQuery.

5. Klik tab Silsilah.

Catatan: Mungkin perlu waktu beberapa saat agar silsilah otomatis mengambil perubahan ini. Jika Anda belum melihat grafik silsilah, periksa lagi setelah beberapa menit.

Gambar 1. Silsilah data dengan detail node

Dalam grafik silsilah, setiap node persegi panjang merepresentasikan tabel, baik tabel asli, yang disalin, atau yang digabungkan. Anda dapat melakukan hal berikut:

• Untuk menampilkan atau menyembunyikan asal tabel, klik + (Luaskan) atau - (Ciutkan).

• Untuk menampilkan informasi tabel, klik sebuah node. Langkah ini menampilkan panel Detail node.

• Untuk menampilkan informasi proses, klik . Langkah ini menampilkan panel Detail proses yang menunjukkan tugas yang mengubah tabel sumber menjadi tabel target.

Gambar 2. Silsilah data dengan detail proses

Pembersihan

Agar akun Google Cloud Anda tidak dikenai biaya untuk resource yang digunakan pada halaman ini, ikuti langkah-langkah berikut.

Menghapus project

Perhatian: Penghapusan project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika Anda menggunakan project yang ada untuk mengerjakan tugas di dokumen ini, saat Anda menghapusnya, pekerjaan lain dalam project tersebut juga akan dihapus.
• Project ID kustom akan hilang. Saat membuat project ini, Anda mungkin juga membuat project ID kustom yang masih ingin digunakan pada masa mendatang. Agar tidak kehilangan URL yang menggunakan project ID tersebut, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa arsitektur, tutorial atau panduan memulai, dengan menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

1. Di Konsol Google Cloud , buka halaman Manage resources.

   Buka Kelola resource

2. Pada daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.
3. Pada dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Menghapus set data

1. Di konsol Google Cloud , buka halaman BigQuery.

   Buka BigQuery

2. Di panel kiri, klik Explorer:

   

3. Di panel Explorer, telusuri set data data_lineage_demo yang Anda buat.

4. Klik set data, lalu klik Hapus.

5. Konfirmasi tindakan penghapusan Anda.

Langkah berikutnya

• Pelajari lebih lanjut silsilah data.
• Pelajari cara menjalankan kueri BigQuery.
• Pelajari cara menggunakan silsilah data.
• Pelajari harga Katalog Universal Dataplex.