构建数据网格

您可以使用 Knowledge Catalog（以前称为 Dataplex Universal Catalog）构建数据网格架构。本快速入门介绍了如何使用 Knowledge Catalog 功能（例如数据湖、区域和资产）构建数据网格。

数据网格是一种组织和技术方法，用于在网域数据所有者之间分散数据所有权。这些所有者以标准方式提供数据作为产品，并促进组织不同部门之间的沟通，以便在不同位置分发数据集。详细了解数据网格架构。

目标

在本指南中，您将使用 Knowledge Catalog 实体来构建数据网格架构：

• 创建一个 Knowledge Catalog 数据湖，作为数据网格的网域。
• 向数据湖添加区域，以代表每个网域中的各个团队并提供代管式数据合同。
• 附加映射到 Cloud Storage 中存储的数据的资产。

费用

在本文档中，您将使用 Google Cloud的以下收费组件：

• Knowledge Catalog
• Cloud Storage

如需根据您的预计使用量来估算费用，请使用价格计算器。

新 Google Cloud 用户可能有资格申请免费试用。

完成本文档中描述的任务后，您可以通过删除所创建的资源来避免继续计费。如需了解详情，请参阅清理。

准备工作

1. 在 Google Cloud 控制台的项目选择器页面上，选择或创建 Google Cloud 项目。

   选择或创建项目所需的角色

   • 选择项目：选择项目不需要特定的 IAM 角色，您可以选择已获授角色的任何项目。
   • 创建项目：如需创建项目，您需要拥有 Project Creator 角色 (roles/resourcemanager.projectCreator)，该角色包含 resourcemanager.projects.create 权限。了解如何授予角色。
   注意：如果您不打算保留在此过程中创建的资源，请创建新的项目，而不要选择现有的项目。完成本教程介绍的步骤后，您可以删除所创建的项目，并移除与该项目关联的所有资源。

   转到“项目选择器”

2. 验证是否已为您的 Google Cloud 项目启用结算功能。

3. 启用 Dataplex API（如果尚未启用）。

   启用 API 所需的角色

   如需启用 API，您需要拥有 serviceusage.services.enable 权限。如果您创建了项目，则可能已经通过 Owner 角色 (roles/owner) 拥有此权限。否则，您可以通过 Service Usage Admin 角色 (roles/serviceusage.serviceUsageAdmin) 获取此权限。 了解如何授予角色。

   启用 API

4. 创建 Dataproc Metastore 服务。

   注意： 您只能将每个 Dataproc Metastore 附加到一个 Knowledge Catalog 数据湖。为 metastore 启用 gRPC。

创建 Cloud Storage 存储桶

您需要一个 Cloud Storage 存储桶来存储数据网格的数据资产。

如需创建 Cloud Storage 存储桶，请按照创建 Cloud Storage 存储桶中的说明操作。执行此操作时，请注意以下事项：

• 指定存储桶的名称。
• 在位置类型部分，选择区域，然后从菜单中选择 us-central1（爱荷华）。

创建网域

1. 在 Google Cloud 控制台中，前往 Knowledge Catalog 数据湖页面。

   前往数据湖

2. 点击创建以创建新的数据湖，作为您的数据网格。

3. 在显示名称字段中，输入 My data mesh。

   注意： Knowledge Catalog 会自动生成数据湖 ID。

4. 对于区域，请选择 us-central1。

   注意： 您为数据网格选择的区域决定了由 Knowledge Catalog 管理的数据（不包括附加的资产）的位置。当 Knowledge Catalog 在其他服务中创建资源时，系统会使用同一区域，但对于资产中包含的数据则不使用该区域。

5. 选择您之前创建并配置为关联 metastore 的 Dataproc Metastore 服务。

6. 点击创建。

在数据湖中创建区域

通过创建 Knowledge Catalog 数据湖来创建网域后，您可以使用区域在网域中托管代管式数据合同和各个团队。区域有两种类型：

• 原始区域通常用于存储 Cloud Storage 中来自外部来源的任何格式的数据。对于需要进一步处理才可使用的数据，原始区域非常有用。

• 精选区域用于存储 Cloud Storage 中的结构化数据，这些数据必须符合特定文件格式，并以与 Hive 兼容的目录布局进行整理。它们最适合用于已准备好供使用和分析的数据。

每个网域（例如 sales、customers、products）都应至少有一个原始区域和一个精选区域。

其他区域用于管理团队之间的数据合同，或为给定网域内的团队提供更精细的细分。例如，产品网域内的库存管理。数据所有者能够管理其网域内的数据并访问这些数据。

1. 在 Google Cloud 控制台中，前往 Knowledge Catalog 管理视图。

2. 点击要将区域添加到的数据湖的名称 (My data mesh)。

3. 在区域标签页中，点击 添加区域。

4. 在显示名称字段中，输入 My sub domain。 Knowledge Catalog 会自动生成区域的 ID。

   注意：区域名称会成为 BigQuery 数据集的名称。因此，在同一 Google Cloud 项目中托管的所有区域都必须具有唯一 ID，即使它们位于不同的数据湖中也是如此。

5. 在类型部分，选择原始区域。

6. 点击创建。

将资产附加到区域

将数据资产附加到区域。数据资产是包含数据的存储资源，可以是 Cloud Storage 存储桶或 BigQuery 数据集。这是创建数据网格架构的最后一步。

1. 在 Knowledge Catalog 管理视图中，点击您创建的数据湖 (My data mesh)。

2. 在区域标签页中，点击要将资产添加到的区域 (My sub domain)。

3. 在资产标签页中，点击 添加资产

4. 点击添加资产。

5. 在类型部分，选择 Cloud Storage 存储桶。

6. 在显示名称字段中，输入 Data mesh asset。Knowledge Catalog 会自动为您生成资产 ID。

7. 在存储桶字段中，点击浏览。

   1. 从列表中选择您的存储桶。
   2. 点击选择。

8. 点击完成，然后点击继续。

9. 点击继续以接受默认的高级设置。

10. 点击提交。

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

删除项目

注意：删除项目会产生以下影响：

• 项目中的所有内容都会被删除。如果您将现有项目用于本文档中的任务，则删除该项目后，还将删除您已在该项目中完成的任何其他工作。
• 自定义项目 ID 丢失。创建此项目时，您可能创建了要在将来使用的自定义项目 ID。要保留使用该项目 ID 的网址（例如 appspot.com 网址），请删除项目内的所选资源，而不是删除整个项目。

如果您打算探索多个架构、教程或快速入门，则重复使用项目可以帮助您避免超出项目配额限制。

1. 在 Google Cloud 控制台中，前往管理资源页面。

   转到“管理资源”

2. 在项目列表中，选择要删除的项目，然后点击删除。
3. 在对话框中输入项目 ID，然后点击关闭以删除项目。

删除数据网格架构

1. 在 Google Cloud 控制台中，前往 Knowledge Catalog 管理视图。

2. 对于要删除的数据湖，点击 查看更多，然后点击删除。

3. 如需确认此操作，请输入 delete，然后点击删除数据湖。

后续步骤

• 了解数据处理任务
• 了解如何发现数据
• 了解如何使用数据质量任务