מידע על שושלת נתונים

שושלת נתונים היא מפה חזותית שעוקבת אחרי כל מחזור החיים של הנתונים. הוא מראה מאיפה הנתונים מגיעים (המקור), לאן הם עוברים (היעדים) וכל השינויים או הטרנספורמציות שמתרחשים בדרך.

אתם יכולים לראות את המפה המלאה של מסלול הנתונים ישירות במסוףGoogle Cloud לנכסים שנוצרו במוצרים כמו Knowledge Catalog (לשעבר Dataplex Universal Catalog), ‏BigQuery (כולל טבלאות חיצוניות שנוצרו בשביל Iceberg REST Catalog) ו-Vertex AI. תהליכי עבודה מתפרסים בדרך כלל על פני כמה אזורים, ולכן Knowledge Catalog תומך בשושלת נתונים במספר אזורים. כך אפשר לראות בתצוגה מאוחדת את מסלול הנתונים בסביבה העסקית 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 כל הזמן. לדוגמה, הפיכת נתונים גולמיים של רכישות לקוחות לדוחות, למרכזי בקרה ולמודלים של למידת מכונה. המורכבות הזו יוצרת אתגרים קריטיים לצוות שלכם:

  • אמון ואימות. משתמשי נתונים מתקשים לעיתים קרובות לוודא שהדוחות והמספרים שהם רואים מדויקים ומגיעים ממקור מהימן.

  • פתרון בעיות. כשמופיעה שגיאה בדוח הסופי, יכול להיות שצוותי הנתונים יתקשו לאתר את שורש הבעיה בכל שלב, וזה עלול לקחת הרבה זמן.

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

  • תאימות. כדי לעמוד בדרישות הרגולטוריות, המנהלים צריכים לראות איך משתמשים במידע רגיש (כמו מידע על לקוחות או מידע פיננסי) בארגון.

שושלת נתונים פותרת את הבעיות האלה על ידי הצגת מסלול ברור, חזותי ומתועד של הנתונים. כך אפשר להבין את מקורות הנתונים, לאתר שגיאות, להעריך את ההשפעה של שינויים ולשמור על תאימות.

איך פועל שושלת נתונים

תהליך העבודה של שושלת הנתונים כולל את השלבים הבאים:

  1. מקורות נתונים והטמעת נתונים: מידע על שושלת היוחסין ממקורות הנתונים מתחיל את התהליך כולו.

    • Google Cloud שירותים: כשמפעילים את Data Lineage API, שירותים נתמכים כמו BigQuery ו-Dataflow מדווחים באופן אוטומטי על אירועי שושלת נתונים בכל פעם שנתונים מועברים או עוברים טרנספורמציה.

    • מקורות בהתאמה אישית: בכל מערכת שלא נתמכת באופן אוטומטי על ידי שילוביGoogle Cloud , אתם יכולים להשתמש ב-Data Lineage API כדי לתעד באופן ידני את פרטי שושלת הנתונים. מומלץ לייבא אירועים בפורמט שתואם לתקן OpenLineage.

  2. פלטפורמת Lineage: הפלטפורמה המרכזית הזו מטמיעה, יוצרת מודלים ומאחסנת את כל נתוני השושלת.

    • ‫Data Lineage API: ה-API הזה משמש כנקודת הכניסה היחידה לכל המידע הנכנס על שושלת היוחסין. הוא משתמש במודל נתונים היררכי שמורכב משלושה מושגי ליבה: תהליך, הרצה ואירוע.

    • עיבוד ואחסון: הפלטפורמה מעבדת את הנתונים הנכנסים ומאחסנת אותם במסדי נתונים מהימנים שעברו אופטימיזציה לשאילתות.

  3. חוויית המשתמש: אתם יכולים לבצע אינטראקציה עם פרטי שושלת היוחסין שמאוחסנים בשתי דרכים עיקריות:

    • בחינה חזותית: במסוף Google Cloud , שירות קצה קדמי מאחזר את נתוני שושלת היוחסין ומציג אותם כתרשים או כרשימה אינטראקטיביים. התכונה הזו נתמכת ב-Knowledge Catalog, ב-BigQuery, ב-Lakehouse (לטבלאות של Iceberg REST Catalog), בשכבה הפיזית (Cloud Storage) וב-Vertex AI (למודלים, למערכי נתונים, דרך פייפליינים, לתצוגות של Feature Store ולקבוצות של תכונות). התצוגה הזו מתאימה במיוחד לבחינה חזותית של מסלול הנתונים.

    • גישה פרוגרמטית: באמצעות לקוח API, אתם יכולים לתקשר ישירות עם Data Lineage API כדי לנהל את שושלת היוחסין באופן אוטומטי. כך תוכלו לכתוב מידע על שושלת היוחסין ממקורות בהתאמה אישית. הוא גם מאפשר לקרוא את נתוני שושלת היוחסין שמאוחסנים ולשלוח שאילתות לגביהם, כדי להשתמש בהם באפליקציות אחרות או ליצור דוחות בהתאמה אישית.

באיזו שיטה כדאי להשתמש לשושלת נתונים?

כדי לבצע חיפושים מיידיים ברמה אחת, משתמשים ב-method‏ SearchLinks. כדי ליצור תרשים שושלת מלא או לבצע ניתוח השפעה מעמיק (עד 100 רמות), משתמשים ב-method‏ SearchLineageStreaming.

בוחרים את השיטה שהכי מתאימה לתרחיש לדוגמה:

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

זיהוי הכיוון

  • Upstream (מקורות):
    • בשדה target ב-SearchLinks, מגדירים את ה-FQN של הנכס.
    • ב-SearchLineageStreaming, מגדירים את direction ל-UPSTREAM.
  • במורד הזרם (יעדים):
    • בשדה source ב-SearchLinks, מגדירים את ה-FQN של הנכס.
    • ב-SearchLineageStreaming, מגדירים את direction ל-DOWNSTREAM.

מודל המידע של שושלת הנתונים

שושלת היא תיעוד של נתונים שעוברים טרנספורמציה ממקורות ליעדים. ‫Data Lineage API אוסף את המידע הזה ומארגן אותו במודל נתונים היררכי שמשתמש במושגים של תהליכים, הרצות ואירועים.

קונספט תיאור
תהליך הגדרה של טרנספורמציית נתונים.
ריצה הפעלה של תהליך.
אירוע תיעוד של תנועת הנתונים במהלך הפעלה.

מהו תהליך שושלת?

תהליך הוא הגדרה של פעולת טרנספורמציה של נתונים במערכת ספציפית. במעקב שושלת נתונים ב-BigQuery, תהליך הוא משימה מסוג נתמך. כל ההפעלות של אותה שאילתת SQL מקושרות לתהליך אחד, וכך אפשר לעקוב אחרי כל מופע 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 המשאב ב-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 בחומר העזר בנושא משאבי תהליכים.

מהי הרצת שושלת?

הרצה היא הפעלה אחת של תהליך. לתהליכים יכולות להיות כמה הפעלות.

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

לדוגמה, הפעלת שאילתת ה-SQL מהקטע תהליך בשעה 9:00 יוצרת הפעלה ספציפית. אם תריצו את אותה שאילתה שוב בשעה 10:00, תיווצר הרצה חדשה ונפרדת. שתי ההפעלות מקושרות לאותו תהליך הורה.

הפורמט של שם המשאב ב-REST של הרצה 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 המשאב run מופיע במסמכי העזרה של המשאב Run.

מהו אירוע שושלת?

אירוע מייצג נקודת זמן שבה טרנספורמציית נתונים מעבירה נתונים בין ישות מקור לישות יעד. אירוע הוא רשומה מפורטת של תנועת נתונים ספציפית שמחברת בין טבלאות המקור והיעד להרצה ספציפית. לאירוע יכולים להיות גם כמה מקורות ויעדים.

לדוגמה, אם ההרצה מפעילה את שאילתת ה-SQL שמתוארת בקטע תהליך, אירוע שושלת היוחסין מתעד שטבלאות המקור nyc_green_trips_2021 ו-nyc_green_trips_2022 משמשות ליצירת טבלת היעד total_green_trips_22_21.

אירוע שושלת מכיל רשימה של קישורים שמגדירים את המקור והיעד. האירועים משמשים ליצירת תרשימי שושלת. למרות שבמסוף Google Cloud מוצגים תרשימי השושלת האלה, לא מוצגים בו ישירות אירועים ספציפיים. אתם יכולים ליצור, לקרוא ולמחוק אירועים באמצעות Data Lineage API, אבל לא לעדכן אותם.

כל קישור בתוך אירוע מגדיר נתיב אחד של זרימת נתונים מישות מקור לישות יעד. ישות היא הפניה לנכס נתונים, כמו טבלה ב-BigQuery, והיא מזוהה באמצעות השם המלא (FQN) שלה. אירוע אחד יכול להכיל כמה קישורים, וזה נפוץ בפעולות כמו איחוד טבלאות, שבהן כמה מקורות תורמים ליעד אחד.

במאמר שושלת נתונים ברמת העמודה מוסבר איך אירועים תומכים בשושלת נתונים ברמת העמודה.

אילו מקורות נתונים נתמכים בשושלת נתונים?

אפשר לאכלס את פרטי השושלת ב-Knowledge Catalog בדרכים הבאות:

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

BigQuery

כשמפעילים את שושלת היוחסין של הנתונים בפרויקט ב-BigQuery, המערכת של Knowledge Catalog מתעדת באופן אוטומטי את פרטי שושלת היוחסין של:

משימות העתקה, שאילתה וטעינה ב-BigQuery מיוצגות כתהליכים.

כדי לראות את פרטי התהליך, לוחצים על סמל Process details פרטי התהליך. בתרשים השושלת.

כל תהליך מכיל את job_id של BigQuery ברשימת ה-attributes של משימת BigQuery האחרונה.

שירותים נוספים

אפשר לשלב את שושלת הנתונים עם שירותיGoogle Cloud הבאים:

  • Cloud Data Fusion

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

  • Dataflow

    אתם יכולים לתעד אירועי שושלת נתונים באמצעות משימות Dataflow ולפרסם אותם ב-Data Lineage API.

  • טבלאות של קטלוג REST של Lakehouse for Iceberg

  • Looker (Google Cloud core) (גרסת טרום-השקה (Preview))

    אפשר להמחיש מטא-נתונים של Looker (Google Cloud core) ממקורות BigQuery באמצעות שושלת נתונים. צריך להפעיל את שושלת היוחסין של הנתונים ברמת המשאב של Looker (Google Cloud core) וברמת השירות של שושלת היוחסין של הנתונים.

  • Managed Service for Apache Airflow

    ב-Managed Airflow, השליטה בשילוב של שושלת הנתונים היא ברמת הסביבה. שושלת הנתונים מופעלת באופן אוטומטי בכל סביבות Managed Airflow החדשות שעומדות בדרישות. בסביבות קיימות, אפשר להפעיל או להשבית את השילוב של שושלת הנתונים דרך הגדרות הסביבה. אתם יכולים להגדיר הטמעה של שושלת נתונים ב-Managed Airflow כדי להפעיל או להשבית הטמעה אוטומטית של שושלת נתונים.

  • ‫Managed Service for Apache Spark: אשכולות של Apache Hive

    אתם יכולים לתעד אירועי שושלת באמצעות משימות Managed Service for Apache Spark Hive 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 האוטומטית.

  • ‫Managed Service for Apache Spark: אשכולות של Apache Spark

    אתם יכולים לתעד אירועי שושלת 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 האוטומטית.

  • ‫Managed Service for Apache Spark: פריסה ללא שרת (serverless)

    אתם יכולים לתעד אירועי שושלת באמצעות משימות ללא שרת (serverless) 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 האוטומטית.

  • Vertex AI Feature Store

    שושלת הנתונים עוקבת אחרי המטא-נתונים של תצוגות Feature Store וקבוצות של מאפיינים.

  • Vertex AI Pipelines

    שושלת היוחסין של הנתונים מופעלת באופן אוטומטי ב-Vertex AI Pipelines, ועוקבת אחרי פריטי קלט ופרמטרים של ביצוע (כמו מודלים, מערכי נתונים ורכיבים), וגם אחרי נכסים נגזרים בהמשך התהליך.

שושלת נתונים למקורות נתונים בהתאמה אישית

אתם יכולים להשתמש ב-Data Lineage API כדי לתעד באופן ידני את פרטי שושלת הנתונים של כל מקור נתונים שלא נתמך במערכות משולבות, כמו מסדי נתונים חיצוניים או צינורות עיבוד נתונים מקומיים. ב-Knowledge Catalog אפשר ליצור תרשימי שושלת נתונים לשושלת נתונים שתועדה באופן ידני, אם משתמשים ב-fullyQualifiedName שתואם לשמות המלאים של הרשומות הקיימות ב-Knowledge Catalog. כדי לתעד את שושלת הנתונים של מקור נתונים בהתאמה אישית, קודם צריך ליצור רשומה בהתאמה אישית.

כל תהליך של מקור נתונים בהתאמה אישית יכול להכיל מפתח sql ברשימת המאפיינים. הערך של המפתח הזה משמש להדגשת קוד בחלונית הפרטים של תרשים שושלת היוחסין של הנתונים. הצהרת ה-SQL מוצגת כמו שהיא סופקה. אתם אחראים לסנן מידע רגיש. שם המפתח sql תלוי אותיות רישיות (case-sensitive).

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 מעקב אחרי מידע על שושלת נתונים במערכת חיצונית.

OpenLineage

אם אתם כבר משתמשים ב-OpenLineage כדי לאסוף מידע על שושלת נתונים ממקורות נתונים אחרים, אתם יכולים לייבא אירועים של OpenLineage ל-Knowledge Catalog ולצפות באירועים האלה במסוף Google Cloud . מידע נוסף זמין במאמר שילוב עם OpenLineage.

מעקב אוטומטי אחרי שושלת נתונים

כשמפעילים את Data Lineage API,מערכות Google Cloud שתומכות בשושלת נתונים מתחילות לדווח על תנועת הנתונים שלהן. כל מערכת משולבת יכולה לשלוח מידע על שושלת היוחסין של הנתונים למגוון שונה של מקורות נתונים.

שליטה בהטמעת שושלת נתונים

שליטה ביצירת נתוני שושלת עוזרת לנהל את העלויות ואת מדיניות הפיקוח. לדוגמה, אתם יכולים להשבית את איסוף שושלת היוחסין בפרויקטים לפיתוח או בעומסי עבודה בנפח גבוה שלא דורשים מעקב אחרי שושלת היוחסין.

במאמר שליטה בהטמעת שושלת נתונים בשירות מוסבר איך להגדיר ולשלוט בהטמעת שושלת נתונים.

שושלת נתונים במספר אזורים

שושלת נתונים הוא שירות אזורי במהותו. המטא-נתונים של שושלת היוחסין, כולל קישורים, תהליכים ואירועים, מתועדים באופן מאובטח ומבודדים במיקום הגיאוגרפי הספציפי שבו מתרחשים טרנספורמציית הנתונים או שינוי הנכס.

ככל שארכיטקטורות הנתונים של ארגונים מודרניים מתרחבות, תהליכי העבודה של צינורות עיבוד הנתונים חוצים לעיתים קרובות את גבולות הפרויקטים והאזורים. לדוגמה, צינור עיבוד נתונים של טרנספורמציה ב-BigQuery שפועל ב-us-central1 יכול לקרוא טבלת מקור ב-us-east1 ולהפיק מדדים נצברים לקטגוריה של Cloud Storage שנמצאת ב-europe-west1.

כדי ליצור תצוגה מקיפה מקצה לקצה של מחזור החיים של הנתונים במרחבים הגיאוגרפיים העצמאיים האלה, צריך להשתמש בשיטת חיפוש של שושלת במספר אזורים.

מידע נוסף מופיע במאמר מידע על חיפוש שושלת נתונים במספר אזורים.

שיקולים ומגבלות לגבי שושלת נתונים

כשאתם מתכננים את אסטרטגיית משילות המידע, חשוב לזכור את השילובים של שושלת היוחסין, את הפרמטרים של התאימות ואת מגבלות השירות הבאים.

אמצעי בקרה על שושלת הנתונים ברמת המוצר

כשה-Data Lineage API מופעל, מערכות נתמכות מדווחות על שושלת היוחסין בהתאם לאמצעי הבקרה ברמת המוצר. כאן תוכלו למצוא רשימה מלאה של המערכות הנתמכות ושל אמצעי הבקרה שלהן.

תאימות של שושלת נתונים

  • שושלת הנתונים מתעדת מטא-נתונים על תנועת הנתונים, אבל לא מתעדת את הנתונים עצמם. במאמרים מודל המידע של שושלת נתונים והפניית API של שושלת נתונים מפורט אילו שדות נכללים במטא-נתונים.
  • ב-Knowledge Catalog, אפשר להשתמש ב-VPC-SC כדי להגן על מקורות הנתונים.
  • ב-Knowledge Catalog אין אפשרות להשתמש במפתחות הצפנה בניהול הלקוח (CMEK) כדי להגן על המטא-נתונים של שושלת היוחסין שנאספו.

מגבלות של שושלת נתונים

לשושלת נתונים יש את המגבלות הבאות:

  • כל המידע על שושלת היוחסין נשמר במערכת למשך 30 יום בלבד.

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

  • התכונה "역사(שושלת) נתונים" לא מתעדת באופן אוטומטי מידע על היסטוריה ישירה של שגרות ב-BigQuery. אם משתמשים בשגרה בשאילתה, שושלת הנתונים מתעדת את השושלת בין הטבלאות שהשגרה קוראת כתלויות בטבלאות 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

לשושלת נתונים ברמת העמודה יש את המגבלות הנוספות הבאות:

  • אירועים מותאמים אישית של OpenLineage שנשלחים באמצעות Data Lineage API לא תומכים בשושלת יוחסין ברמת העמודה.

  • שושלת יוחסין ברמת העמודה לא נאספת בשביל משימות טעינה או שגרות ב-BigQuery. הם כוללים סקריפטים עם כמה הצהרות וטבלאות מצטברות של Dataform, שמתקמפלים לפרוצדורות זמניות מאוחסנות.

  • לא נאסף מעקב ברמת העמודה לשאילתות שטבלאות המקור שלהן נמצאות כולן במערכי נתונים זמניים.

  • לא נאסף מעקב מקורות ברמת העמודה במעלה הזרם בשביל טבלאות חיצוניות.

  • אם משימה יוצרת יותר מ-1,500 קישורים ברמת העמודה, לא נאסף מידע על שושלת היוחסין ברמת העמודה. במקרים כאלה, נאסף רק שושלת יוחסין ברמת הטבלה.

  • כשמשנים שמות של טבלאות באמצעות פעולות ALTER TABLE RENAME (שנפוצות בתבניות ETL להחלפת טבלאות), שושלת היוחסין ברמת העמודה לא מועברת או נשמרת.

  • התמיכה בשושלת נתונים ברמת העמודה מוגבלת לעמודות ברמה העליונה בטבלאות ב-BigQuery. אין תמיכה בשדות מוטמעים בתוך סוגים מורכבים (כמו STRUCT או JSON).

  • פונקציית החיפוש עם הפרמטר field 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 להיפך). ה-API מחזיר רק קישורים שבהם גם המקור וגם היעד מציינים שדה.

  • התמיכה בטבלאות מחולקות למחיצות מוגבלת, כי עמודות חלוקה למחיצות כמו _PARTITIONDATE ו-_PARTITIONTIME לא מזוהות בתרשים שושלת היוחסין.

  • מגבלות של המסוף:

    • המעבר בתרשים השושלת מוגבל לעומק של 20 רמות ו-10,000 קישורים בכל כיוון.

תמחור

ב-Knowledge Catalog, החיוב על שושלת נתונים מתבצע באמצעות מק"ט עיבוד פרימיום (שנמדד ביחידות מחשוב נתונים, או DCU). לפרטים על התעריפים, קראו את המאמר התמחור של Knowledge Catalog או השתמשו במחשבון העלויות שלGoogle Cloud .

גורמי עלות והשפעה על החיוב

כשמתכננים את ההטמעה של שושלת הנתונים, חשוב לזכור את גורמי העלות הבאים:

  • הפעלה לכל פרויקט. ‫Data Lineage API פועל על בסיס פרויקט. לפני שמפעילים את האפשרות הזו בתהליכי עבודה של פרויקטים עם הרבה נתונים, כדאי לבדוק את ההשפעה על החיוב.
  • אחסון מטא-נתונים וחיפוש. המטא-נתונים של שושלת היוחסין (תהליכים, הרצות, אירועים וקישורים) שמאוחסנים במהלך חלון השמירה של 30 הימים מחויבים במסגרת המק"ט של אחסון המטא-נתונים. הצגת שושלת היוחסין במסוף Google Cloud לא כרוכה בחיובים על שאילתות או סריקות ב-BigQuery.
  • BigQuery Omni. עיבוד שושלת היוחסין מופץ לאזורים ספציפיים, והעלויות תלויות באזורים שבהם מתבצע העיבוד.
  • מערכי נתונים בכמה אזורים ב-BigQuery. אם אתם משתמשים במערכי נתונים במספר אזורים (לדוגמה, במספר האזורים US), מערכת BigQuery מנתבת באופן דינמי את השאילתות בין אזורים פיזיים של מרכזי נתונים. שושלת הנתונים פועלת לצד הרצת השאילתה במיקום הפיזי שבו המשימה בוצעה (לדוגמה, us-east1). כתוצאה מכך, בחשבונית החיוב ב-Cloud מופיעים פריטי מק"ט של Lineage DCU אזוריים.
  • סוגי מקורות מותאמים אישית. אם קוראים ל-Data Lineage API Origin sourceType עם ערך שונה מ-CUSTOM, זה גורם לעלויות נוספות.

מעקב אחרי העלויות ובקרה עליהן

  • מגבלות על מדדים ב-Cloud Monitoring. צריכת ה-DCU של שושלת הנתונים פועלת במחשוב בלי שרת (serverless computing), ולא פולטת מדדים של סדרת זמנים בזמן אמת ב-dataplex.googleapis.com/* ל-Cloud Monitoring.
  • סינון ושיוך של חיובים בחיוב ב-Cloud כדי להפריד ולשייך את החיובים על שושלת נתונים מחיובים אחרים במק"ט של עיבוד פרימיום ב-Knowledge Catalog, בדוח החיוב ב-Cloud או בייצוא של החיוב ב-Cloud ל-BigQuery, משתמשים בתווית goog-dataplex-workload-type עם הערך LINEAGE. במאמר מעקב ושיוך של עלויות ה-DCU של Knowledge Catalog באמצעות ייצוא של נתוני החיוב ב-Cloud מופיעות דוגמאות מפורטות לשאילתות.
  • השבתה בפרויקטים של פיתוח. כדי למנוע עלויות עיבוד מיותרות, הפעילו את Data Lineage API רק בפרויקטים שבהם נדרש מעקב אחרי שושלת נתונים.
  • להפסיק את החיובים. החיובים על Data Lineage API נפרדים מהחיובים על Dataplex API. השבתת Dataplex API לא משביתה את Data Lineage API ולא מפסיקה את החיובים שלו. כדי להפסיק את החיובים על שושלת נתונים, צריך להשבית את שושלת הנתונים באמצעות השבתת Data Lineage API.

המאמרים הבאים