Datenprofilscans erstellen und verwenden

Mit Knowledge Catalog (früher Dataplex Universal Catalog) können Sie allgemeine statistische Merkmale (häufige Werte, Datenverteilung, Anzahl der Nullwerte) der Spalten in Ihren BigQuery-Tabellen identifizieren. Anhand dieser Informationen können Sie Ihre Daten effektiver verstehen und analysieren.

Weitere Informationen zu Datenprofilscans in Knowledge Catalog finden Sie unter Datenprofilerstellung.

Tipp: In diesem Dokument wird beschrieben, wie Sie Datenprofilscans in Ihrem Projekt verwalten. Sie können Datenprofilscans aber auch erstellen und verwalten, wenn Sie mit einer bestimmten Tabelle arbeiten. Weitere Informationen finden Sie im Abschnitt Datenprofilscans für eine bestimmte Tabelle verwalten in diesem Dokument.

Hinweis

Aktivieren Sie die Dataplex API, falls sie noch nicht aktiviert ist.

Erforderliche Rollen zum Aktivieren von APIs

Zum Aktivieren von APIs benötigen Sie die Berechtigung serviceusage.services.enable. Wenn Sie das Projekt erstellt haben, haben Sie diese Berechtigung wahrscheinlich bereits über die Inhaberrolle (roles/owner). Andernfalls können Sie diese Berechtigung über die Rolle „Service Usage-Administrator“ (roles/serviceusage.serviceUsageAdmin) erhalten. Informationen zum Zuweisen von Rollen

API aktivieren

Erforderliche Rollen und Berechtigungen

In diesem Abschnitt werden die IAM-Rollen und -Berechtigungen beschrieben, die für die Verwendung von Knowledge Catalog-Datenprofilscans erforderlich sind.

Nutzerrollen und Berechtigungen

Bitten Sie Ihren Administrator, Ihnen die folgenden IAM-Rollen zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Erstellen und Verwalten von Datenprofilscans benötigen:

• Datenprofilscans erstellen, ausführen, aktualisieren und löschen: Dataplex DataScan-Bearbeiter (roles/dataplex.dataScanEditor) für das Projekt, das den Datenscan enthält
• Ergebnisse, Jobs und Verlauf von Datenprofilscans ansehen: Dataplex DataScan-Betrachter (roles/dataplex.dataScanViewer) für das Projekt, das den Datenscan enthält
• Ergebnisse des Datenprofilscans in Knowledge Catalog veröffentlichen: Dataplex Catalog Editor (roles/dataplex.catalogEditor) für die Eintragsgruppe @bigquery
• Veröffentlichte Ergebnisse des Datenprofilscans in BigQuery auf dem Tab Datenprofil ansehen: BigQuery-Datenbetrachter (roles/bigquery.dataViewer) für die Tabelle
• Datenprofilscans ausführen:
  • BigQuery-Jobnutzer (roles/bigquery.jobUser) für das Projekt, in dem der Scan ausgeführt wird (alle Tabellentypen)
  • BigQuery-Datenbetrachter (roles/bigquery.dataViewer) für die gescannten BigQuery-Tabellen
• Datenprofilscans für externe BigQuery-Tabellen ausführen, die Cloud Storage-Daten verwenden:
  • Storage-Objekt-Betrachter (roles/storage.objectViewer) für den Cloud Storage-Bucket (Cloud Storage, Apache Hive und Iceberg REST-Katalog)
  • Storage Legacy Bucket Reader (roles/storage.legacyBucketReader) für den Cloud Storage-Bucket
• Datenprofilscans für Iceberg REST-Katalog-, SAP BDC Delta Lake- und Apache Hive-Tabellen in Google Cloud Lakehouse ausführen: BigLake-Betrachter (roles/biglake.viewer) für die zu scannenden Tabellen
• Ergebnisse des Datenprofilscans in eine BigQuery-Tabelle exportieren: BigQuery-Dateneditor (roles/bigquery.dataEditor) für die Tabelle

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierten Rollen enthalten die Berechtigungen, die zum Erstellen und Verwalten von Datenprofilscans erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um Datenprofilscans zu erstellen und zu verwalten:

• Datenprofilscans erstellen, ausführen, aktualisieren und löschen:
  • dataplex.datascans.create für das Projekt
  • dataplex.datascans.update für den Datenscan
  • dataplex.datascans.delete für den Datenscan
  • dataplex.datascans.run für den Datenscan
  • dataplex.datascans.get für den Datenscan
  • dataplex.datascans.list für das Projekt
  • dataplex.dataScanJobs.get für den Datenscan-Job
  • dataplex.dataScanJobs.list für den Datenscan
• Ergebnisse, Jobs und Verlauf von Datenprofilscans ansehen:
  • dataplex.datascans.getData für den Datenscan
  • dataplex.datascans.list für das Projekt
  • dataplex.dataScanJobs.get für den Datenscan-Job
  • dataplex.dataScanJobs.list für den Datenscan
• Ergebnisse des Datenprofilscans in Knowledge Catalog veröffentlichen:
  • dataplex.entryGroups.useDataProfileAspect für die Eintragsgruppe
  • bigquery.tables.update für die Tabelle
  • dataplex.entries.update bei Eintrag
• Veröffentlichte Datenprofilergebnisse für eine Tabelle in BigQuery oder Knowledge Catalog ansehen:
  • bigquery.tables.get für die Tabelle
  • bigquery.tables.getData für die Tabelle

Sie können diese Berechtigungen auch mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erhalten.

Rollen und Berechtigungen für Knowledge Catalog-Dienstkonten

Unabhängig davon, welche Ausführungsidentität Sie auswählen (den standardmäßigen Knowledge Catalog-Dienst-Agent, ein benutzerdefiniertes Dienstkonto oder Endnutzer-Anmeldedaten), benötigt diese Identität die folgenden Rollen und Berechtigungen, um die Datenprofil-Scanjobs im Backend auszuführen und Ergebnisse zu exportieren.

Hinweis: Wenn Sie CMEK-verschlüsselte BigQuery-Ressourcen scannen, müssen Sie den entsprechenden Dienst-Agents auch die Rolle roles/cloudkms.cryptoKeyEncrypterDecrypter zuweisen. Weitere Informationen finden Sie unter CMEK-Berechtigungen für DataScans.

Bitten Sie Ihren Administrator, der Ausführungsidentität die folgenden IAM-Rollen zuzuweisen, damit sie die erforderlichen Berechtigungen zum Ausführen von Datenprofilscans und zum Exportieren von Ergebnissen hat:

Wichtig: Sie müssen diese Rollen der Ausführungsidentität und nicht Ihrem Nutzerkonto zuweisen. Wenn die Rollen nicht dem richtigen Hauptkonto zugewiesen werden, können Berechtigungsfehler auftreten.

• Datenprofilscans ausführen:
  • BigQuery-Jobnutzer (roles/bigquery.jobUser) für das Projekt, in dem der Scan ausgeführt wird (alle Tabellentypen)
  • BigQuery-Datenbetrachter (roles/bigquery.dataViewer) für die gescannten BigQuery-Tabellen
• Datenprofilscans für externe BigQuery-Tabellen ausführen, die Cloud Storage-Daten verwenden:
  • Storage-Objekt-Betrachter (roles/storage.objectViewer) für den Cloud Storage-Bucket
  • Storage Legacy Bucket Reader (roles/storage.legacyBucketReader) für den Cloud Storage-Bucket
• Datenprofilscans für Iceberg REST Catalog-, SAP BDC Delta Lake- und Apache Hive-Tabellen in Google Cloud Lakehouse ausführen: BigLake Viewer (roles/biglake.viewer) für die zu scannenden Tabellen
• Ergebnisse des Datenprofilscans in eine BigQuery-Tabelle exportieren: BigQuery-Dateneditor (roles/bigquery.dataEditor) für die Tabelle

Weitere Informationen zum Zuweisen von Rollen finden Sie unter Zugriff auf Projekte, Ordner und Organisationen verwalten.

Diese vordefinierten Rollen enthalten die Berechtigungen, die zum Ausführen von Datenprofilscans und zum Exportieren von Ergebnissen erforderlich sind. Maximieren Sie den Abschnitt Erforderliche Berechtigungen, um die notwendigen Berechtigungen anzuzeigen:

Erforderliche Berechtigungen

Die folgenden Berechtigungen sind erforderlich, um Datenprofilscans auszuführen und Ergebnisse zu exportieren:

• Datenprofilscans für BigQuery-Daten ausführen:
  • bigquery.jobs.create für das Projekt
  • bigquery.tables.get für die Tabelle
  • bigquery.tables.getData für die Tabelle
• Datenprofilscans für externe BigQuery-Tabellen ausführen, die Cloud Storage-Daten verwenden:
  • storage.buckets.get für den Bucket
  • storage.objects.get für das Objekt
• Ergebnisse des Datenprofilscans in eine BigQuery-Tabelle exportieren:
  • bigquery.tables.create für das Dataset
  • bigquery.tables.updateData für die Tabelle

Ihr Administrator kann der Ausführungsidentität möglicherweise auch diese Berechtigungen mit benutzerdefinierten Rollen oder anderen vordefinierten Rollen erteilen.

Wenn eine Tabelle die Sicherheit auf Zeilenebene von BigQuery verwendet, kann Knowledge Catalog nur Zeilen scannen, die für das Knowledge Catalog-Dienstkonto sichtbar sind. Wenn Knowledge Catalog alle Zeilen scannen soll, fügen Sie das Dienstkonto einem Zeilenfilter hinzu, bei dem das Prädikat TRUE ist.

Wenn eine Tabelle die Sicherheit auf Spaltenebene von BigQuery verwendet, benötigt Knowledge Catalog Zugriff, um geschützte Spalten zu scannen. Weisen Sie dem Knowledge Catalog-Dienstkonto die Rolle Data Catalog: Detaillierter Lesezugriff (roles/datacatalog.fineGrainedReader) für alle in der Tabelle verwendeten Richtlinien-Tags zu, um Zugriff zu gewähren. Zum Erstellen oder Aktualisieren von Datenscans sind ebenfalls Berechtigungen für geschützte Spalten erforderlich.

Dem Knowledge Catalog-Dienstkonto Rollen zuweisen

Zum Ausführen von Datenprofilscans verwendet Knowledge Catalog ein Dienstkonto, das Berechtigungen zum Ausführen von BigQuery-Jobs und zum Lesen von BigQuery-Tabellendaten benötigt. So weisen Sie die erforderlichen Rollen zu:

1. Rufen Sie die E‑Mail-Adresse des Knowledge Catalog-Dienstkontos ab. Wenn Sie in diesem Projekt noch keinen Datenprofil- oder Datenqualitätsscan erstellt haben, führen Sie den folgenden gcloud-Befehl aus, um die Dienstidentität zu generieren:

   gcloud beta services identity create --service=dataplex.googleapis.com
   

   Der Befehl gibt die E-Mail-Adresse des Dienstkontos im folgenden Format zurück: [e-mail].

   Wenn das Dienstkonto bereits vorhanden ist, können Sie die zugehörige E-Mail-Adresse auf der Seite IAM in derGoogle Cloud Console aufrufen. Suchen Sie dazu nach Hauptkonten mit dem Namen Dataplex.

2. Weisen Sie dem Dienstkonto die Rolle BigQuery-Jobnutzer (roles/bigquery.jobUser) für Ihr Projekt zu. Mit dieser Rolle kann das Dienstkonto BigQuery-Jobs für den Scan ausführen.

   gcloud projects add-iam-policy-binding PROJECT_ID \
       --member="serviceAccount:[e-mail]" \
       --role="roles/bigquery.jobUser"
   

   Ersetzen Sie Folgendes:

   • PROJECT_ID: Projekt-ID in Google Cloud .
   • [e-mail]: die E-Mail-Adresse des Knowledge Catalog-Dienstkontos.

3. Weisen Sie dem Dienstkonto für jede Tabelle, für die Sie ein Profil erstellen möchten, die Rolle BigQuery-Datenbetrachter (roles/bigquery.dataViewer) zu. Diese Rolle gewährt Lesezugriff auf die Tabellen.

   gcloud bigquery tables add-iam-policy-binding DATASET_ID.TABLE_ID \
       --member="serviceAccount:[e-mail]" \
       --role="roles/bigquery.dataViewer"
   

   Ersetzen Sie Folgendes:

   • DATASET_ID: die ID des Datasets, das die Tabelle enthält.
   • TABLE_ID: die ID der Tabelle, für die ein Profil erstellt werden soll.
   • [e-mail]: die E-Mail-Adresse des Knowledge Catalog-Dienstkontos.

Netzwerkanforderungen

Wenn Sie einen Scan ausführen möchten, müssen Sie den privaten Google-Zugriff für das VPC-Subnetz aktivieren, das Sie für den Scan verwenden. Wenn Sie kein Subnetz angeben, muss für Ihr Standardsubnetz der privater Google-Zugriff aktiviert sein.

Aufruferidentität und Ausführungsidentität

Wenn Sie einen Datenprofilscan erstellen und ausführen, auch in projektübergreifenden Setups, bei denen sich der Scan in einem Projekt und die Zielressource in einem anderen Projekt befindet, trennt Knowledge Catalog die Vorgänge zwischen zwei Identitäten, die unterschiedliche Berechtigungen erfordern:

• Aufruferidentität (Verwaltungsebene): Das Nutzerkonto oder Dienstkonto, das die API-Anfrage zum Erstellen oder Ausführen des Datenscans (dataScans.create oder dataScans.run) sendet.

  Um zu prüfen, ob die Zielressource vorhanden ist, und um ihr Schema zu validieren, benötigt die Aufruferidentität die Berechtigung für den Metadatenzugriff auf die Zielressource (z. B. die Berechtigung bigquery.tables.get für die BigQuery-Zieltabelle). Die Aufruferidentität liest keine Tabellenzeilen und benötigt keine Datenzugriffsberechtigungen.

• Ausführungsidentität (Datenebene): Die Identität, die den Backend-Computing-Job ausführt, die Tabellenzeilen liest und die Profilstatistiken generiert. Standardmäßig verwendet Knowledge Catalog den Knowledge Catalog-Dienst-Agent als Ausführungsidentität.

  Um die Daten in den Zieltabellen zu lesen und Zusammenfassungen zu generieren, benötigt die Ausführungsidentität vollständigen Datenzugriff (z. B. bigquery.tables.getData) und Rechenberechtigungen (z. B. bigquery.jobs.insert).

Benutzerdefinierte Ausführungsidentität konfigurieren

Standardmäßig werden Datenprofilscans mit dem Knowledge Catalog-Dienst-Agent ausgeführt. Sie können dies überschreiben, um ein benutzerdefiniertes Dienstkonto oder Ihre eigenen Endnutzer-Anmeldedaten zu verwenden.

Wenn Sie eine benutzerdefinierte Ausführungsidentität verwenden, ändert sich die Abrechnung für den Scan. Wenn Sie eine benutzerdefinierte Ausführungsidentität angeben, werden die mit dem Scan verbundenen Rechen- und Speicherkosten direkt Ihrem BigQuery-Projekt in Rechnung gestellt, wobei die standardmäßigen Knowledge Catalog Premium-SKUs umgangen werden.

Erforderliche Berechtigungen für benutzerdefinierte Ausführungsidentitäten

Wenn Sie ein benutzerdefiniertes Dienstkonto konfigurieren oder Endnutzer-Anmeldedaten verwenden möchten, benötigen Sie die folgenden zusätzlichen IAM-Berechtigungen:

• Wenn Sie ein benutzerdefiniertes Dienstkonto verwenden möchten, benötigen Sie die folgenden Berechtigungen:
  • Die Berechtigung iam.serviceAccounts.actAs für das Projekt, das das Dienstkonto enthält (z. B. roles/iam.serviceAccountUser).
  • Der Dienst-Agent Ihres Projekts ([e-mail]) benötigt die Berechtigung iam.serviceAccounts.getAccessToken für das benutzerdefinierte Dienstkonto (z. B. über die Rolle roles/iam.serviceAccountTokenCreator).
  • Das benutzerdefinierte Dienstkonto benötigt bigquery.tables.getData für die zu scannende Tabelle, bigquery.jobs.insert im Scanprojekt und bigquery.dataEditor für das Export-Dataset (wenn der Export verwendet wird).
• Zur Verwendung von Anmeldedaten von Endnutzern benötigen Sie:
  • bigquery.tables.getData für die zu scannende Tabelle.
  • bigquery.jobs.insert im Scanprojekt.
  • bigquery.dataEditor für das Export-Dataset (wenn Sie den Export verwenden).

Wählen Sie eine der folgenden Optionen aus, um die Ausführungsidentität zu konfigurieren:

Console

Wenn Sie die Ausführungsidentität in der Google Cloud Console konfigurieren möchten, wählen Sie die Identität aus, wenn Sie den Datenprofilscan erstellen.

Wählen Sie im Abschnitt Ausführungsidentität eine der folgenden Optionen aus:

• Dataplex-Dienstkonto: Das Standardverhalten.
• Bestimmtes Dienstkonto: Geben Sie die E-Mail-Adresse des Dienstkontos ein, das Sie verwenden möchten.
• Nutzeranmeldedaten: Verwenden Sie Ihre eigenen Anmeldedaten, um den Scan auszuführen.

REST

Wenn Sie ein benutzerdefiniertes Dienstkonto verwenden möchten, fügen Sie das Objekt executionIdentity während der create-Anfrage der DataScan-Ressourcendefinition hinzu:

"executionIdentity": {
  "serviceAccount": {
     "email": "YOUR_SERVICE_ACCOUNT_EMAIL"
  }
}
  

Ersetzen Sie Folgendes:

• YOUR_SERVICE_ACCOUNT_EMAIL: die E-Mail-Adresse des Dienstkontos, das Sie verwenden möchten.

Wenn Sie Endnutzer-Anmeldedaten verwenden möchten, geben Sie stattdessen das Objekt userCredential an:

"executionIdentity": {
  "userCredential": {}
}
  

Hinweis: Die Ausführungsidentität ist unveränderlich. Sie können sie nur beim Erstellen eines Scans festlegen. Sie können sie nicht durch Aktualisieren eines vorhandenen Scans ändern.

Datenprofilscan erstellen

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf Datenprofilscan erstellen.

3. Optional: Geben Sie einen Anzeigenamen ein.

4. Geben Sie eine ID ein. Siehe Konventionen für Ressourcennamen.

5. Optional: Geben Sie eine Beschreibung ein.

6. Klicken Sie im Feld Tabelle auf Durchsuchen. Wählen Sie die Tabelle aus, die gescannt werden soll, und klicken Sie dann auf Auswählen. Es werden nur Standard-BigQuery-, Iceberg REST Catalog-, SAP BDC Delta Lake- und Apache Hive-Tabellen in Google CloudLakehouse unterstützt.

   Wählen Sie für Tabellen in multiregionalen Datasets eine Region aus, in der der Datenscan erstellt werden soll.

   Wenn Sie die Tabellen in Knowledge Catalog-Lakes durchsuchen möchten, klicken Sie auf In Knowledge Catalog-Lakes suchen.

7. Wählen Sie im Bereich Modus eine der folgenden Optionen aus:

   • Standard: Erstellt ein Profil Ihrer Daten mit anpassbaren Scaneinstellungen. Das ist der Standardmodus.

   • Lightweight: Liefert schnelle Informationen mit einem Scan mit niedriger Latenz und geringer Genauigkeit.

8. Wenn Sie den Modus Standard ausgewählt haben, konfigurieren Sie die folgenden Optionen. Diese Optionen werden nicht angezeigt, wenn Sie den Modus Lightweight auswählen.

   1. Wählen Sie im Feld Umfang die Option Inkrementell oder Gesamte Daten aus.

      Wenn Sie Inkrementelle Daten auswählen, wählen Sie im Feld Spalte für Zeitstempel eine Spalte vom Typ DATE oder TIMESTAMP aus Ihrer BigQuery-Tabelle aus. Knowledge Catalog verwendet diese Spalte, um neue Einträge zu identifizieren, wenn sie hinzugefügt werden. Für Tabellen, die nach einer Spalte vom Typ DATE oder TIMESTAMP partitioniert sind, wird empfohlen, diese Spalte als Partitionsspalte zu verwenden.

   2. Optional: Sie haben folgende Möglichkeiten, Ihre Daten zu filtern:

      • Wenn Sie nach Zeilen filtern möchten, aktivieren Sie das Kästchen Zeilen filtern. Geben Sie einen gültigen SQL-Ausdruck ein, der in einer WHERE-Anweisung in GoogleSQL-Syntax verwendet werden kann. Beispiel: col1 >= 0.

        Der Filter kann eine Kombination aus SQL-Bedingungen für mehrere Spalten sein. Beispiel: col1 >= 0 AND col2 < 10.

      • Wenn Sie nach Spalten filtern möchten, klicken Sie auf das Kästchen Spalten filtern.

      • Wenn Sie Spalten in den Profilscan einbeziehen möchten, klicken Sie im Feld Spalten einschließen auf Durchsuchen. Wählen Sie die Spalten aus, die Sie einbeziehen möchten, und klicken Sie dann auf Auswählen.

      • Wenn Sie Spalten vom Profilscan ausschließen möchten, klicken Sie im Feld Spalten ausschließen auf Durchsuchen. Wählen Sie die auszuschließenden Spalten aus und klicken Sie auf Auswählen.

      Hinweis: Sie können Spalten einschließen, Spalten ausschließen oder beides verwenden. Wenn Sie beide Felder verwenden, wählt der Datenprofilscan zuerst die Spalten basierend auf der Eingabe im Feld Spalten einschließen aus und schließt dann die Spalten basierend auf der Eingabe im Feld Spalten ausschließen aus.

   3. Wenn Sie die Stichprobenerhebung auf Ihren Datenprofilscan anwenden möchten, wählen Sie in der Liste Stichprobengröße einen Prozentsatz für die Erhebung aus. Wählen Sie einen Prozentwert zwischen 0,0% und 100,0% mit bis zu drei Dezimalstellen aus.

      • Wählen Sie bei größeren Datasets einen niedrigeren Prozentsatz für die Stichprobenerhebung aus. Wenn Sie beispielsweise für eine Tabelle mit einem Umfang von 1 PB einen Wert zwischen 0,1% und 1, 0 % eingeben, werden im Datenprofil 1–10 TB an Daten als Stichprobe erhoben.

      • Die erhobenen Stichproben müssen mindestens 100 Einträge enthalten, damit ein Ergebnis zurückgegeben wird.

      • Bei Scans inkrementeller Daten wird die Stichprobe für den Datenprofilscan aus dem neuesten Inkrement erhoben.

9. Optional: Veröffentlichen Sie die Ergebnisse des Datenprofilscans auf den BigQuery- und Knowledge Catalog-Seiten in derGoogle Cloud Console für die Quelltabelle. Aktivieren Sie das Kästchen Ergebnisse in Knowledge Catalog veröffentlichen.

   Sie können die neuesten Scanergebnisse auf den BigQuery- und Knowledge Catalog-Seiten für die Quelltabelle auf dem Tab Datenprofil ansehen. Informationen dazu, wie Sie Nutzern Zugriff auf die veröffentlichten Scanergebnisse gewähren, finden Sie im Abschnitt Zugriff auf Ergebnisse von Datenprofilscans gewähren in diesem Dokument.

   Die Veröffentlichungsoption ist in den folgenden Fällen möglicherweise nicht verfügbar:

   • Sie haben nicht die erforderlichen Berechtigungen für die Tabelle.
   • Die Ergebnisse eines anderen Datenprofilscans sind veröffentlicht.

10. Wählen Sie im Bereich Zeitplan eine der folgenden Optionen aus:

    • Wiederholen: Der Datenprofilscan wird nach einem Zeitplan ausgeführt: stündlich, täglich, wöchentlich, monatlich oder benutzerdefiniert. Geben Sie an, wie oft und zu welcher Uhrzeit der Scan ausgeführt werden soll. Wenn Sie „benutzerdefiniert“ auswählen, geben Sie den Zeitplan im Cron-Format an.

    • On demand: Der Datenprofilscan wird on demand ausgeführt.

    • Einmalige Ausführung: Der Datenprofilscan wird jetzt einmal ausgeführt und nach der Zeit für das automatische Löschen entfernt. Dieses Feature befindet sich im Vorschaumodus.

      • Automatisches Löschen von Scanergebnissen festlegen: Die Zeit für das automatische Löschen definiert, wie lange ein Datenprofilscan nach der Ausführung aktiv bleibt. Ein Datenprofilscan ohne angegebene Zeit für das automatische Löschen wird nach 24 Stunden automatisch entfernt. Die Zeit für das automatische Löschen kann zwischen 0 Sekunden (sofortiges Löschen) und 365 Tagen liegen.

11. Klicken Sie auf Weiter.

12. Optional: Exportieren Sie die Scanergebnisse in eine BigQuery-Standardtabelle. Führen Sie im Abschnitt Scanergebnisse in BigQuery-Tabelle exportieren folgende Schritte aus:

    1. Klicken Sie im Feld BigQuery-Dataset auswählen auf Durchsuchen. Wählen Sie ein BigQuery-Dataset aus, um die Ergebnisse des Datenprofilscans zu speichern.

    2. Geben Sie im Feld BigQuery-Tabelle die Tabelle an, in der die Ergebnisse des Datenprofilscans gespeichert werden sollen. Wenn Sie eine vorhandene Tabelle verwenden, muss sie mit dem Schema der Exporttabelle kompatibel sein. Wenn die angegebene Tabelle nicht vorhanden ist, wird sie von Knowledge Catalog erstellt.

       Hinweis: Sie können dieselbe Ergebnistabelle für mehrere Datenprofilscans verwenden.

13. Optional: Fügen Sie Labels hinzu. Labels sind Schlüssel/Wert-Paare, mit denen Sie verwandte Objekte miteinander oder mit anderen Google Cloud -Ressourcen gruppieren können.

14. Klicken Sie auf Erstellen, um den Scan zu erstellen.

    Wenn Sie den Zeitplan auf „On-Demand“ festlegen, können Sie den Scan auch sofort ausführen, indem Sie auf Scan ausführen klicken.

gcloud

Verwenden Sie zum Erstellen eines Datenprofilscans den gcloud dataplex datascans create data-profile-Befehl.

Wenn die Quelldaten in einem Knowledge Catalog-Lake organisiert sind, fügen Sie das Flag --data-source-entity ein:

gcloud dataplex datascans create data-profile DATASCAN \
--location=LOCATION \
--data-source-entity=DATA_SOURCE_ENTITY

Wenn die Quelldaten nicht in einem Knowledge Catalog-Lake organisiert sind, fügen Sie das Flag --data-source-resource ein:

gcloud dataplex datascans create data-profile DATASCAN \
--location=LOCATION \
--data-source-resource=DATA_SOURCE_RESOURCE

Ersetzen Sie die folgenden Variablen:

• DATASCAN: Der Name des Datenprofilscans.
• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt werden soll.
• DATA_SOURCE_ENTITY: Die Knowledge Catalog-Entität, die die Daten für den Datenprofilscan enthält. Beispiel: projects/test-project/locations/test-location/lakes/test-lake/zones/test-zone/entities/test-entity
• DATA_SOURCE_RESOURCE: Der Name der Ressource, die die Daten für den Datenprofilscan enthält. Beispiel: //bigquery.googleapis.com/projects/test-project/datasets/test-dataset/tables/test-table

C#

C#

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für C# in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog C#.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Api.Gax.ResourceNames;
using Google.Cloud.Dataplex.V1;
using Google.LongRunning;

public sealed partial class GeneratedDataScanServiceClientSnippets
{
    /// <summary>Snippet for CreateDataScan</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void CreateDataScanRequestObject()
    {
        // Create client
        DataScanServiceClient dataScanServiceClient = DataScanServiceClient.Create();
        // Initialize request argument(s)
        CreateDataScanRequest request = new CreateDataScanRequest
        {
            ParentAsLocationName = LocationName.FromProjectLocation("[PROJECT]", "[LOCATION]"),
            DataScan = new DataScan(),
            DataScanId = "",
            ValidateOnly = false,
        };
        // Make the request
        Operation<DataScan, OperationMetadata> response = dataScanServiceClient.CreateDataScan(request);

        // Poll until the returned long-running operation is complete
        Operation<DataScan, OperationMetadata> completedResponse = response.PollUntilCompleted();
        // Retrieve the operation result
        DataScan result = completedResponse.Result;

        // Or get the name of the operation
        string operationName = response.Name;
        // This name can be stored, then the long-running operation retrieved later by name
        Operation<DataScan, OperationMetadata> retrievedResponse = dataScanServiceClient.PollOnceCreateDataScan(operationName);
        // Check if the retrieved long-running operation has completed
        if (retrievedResponse.IsCompleted)
        {
            // If it has completed, then access the result
            DataScan retrievedResult = retrievedResponse.Result;
        }
    }
}

Go

Go

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Go in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Go.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

//go:build examples

package main

import (
	"context"

	dataplex "cloud.google.com/go/dataplex/apiv1"
	dataplexpb "cloud.google.com/go/dataplex/apiv1/dataplexpb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := dataplex.NewDataScanClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &dataplexpb.CreateDataScanRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/dataplex/apiv1/dataplexpb#CreateDataScanRequest.
	}
	op, err := c.CreateDataScan(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}

	resp, err := op.Wait(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Java

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Java in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Java.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import com.google.cloud.dataplex.v1.CreateDataScanRequest;
import com.google.cloud.dataplex.v1.DataScan;
import com.google.cloud.dataplex.v1.DataScanServiceClient;
import com.google.cloud.dataplex.v1.LocationName;

public class SyncCreateDataScan {

  public static void main(String[] args) throws Exception {
    syncCreateDataScan();
  }

  public static void syncCreateDataScan() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (DataScanServiceClient dataScanServiceClient = DataScanServiceClient.create()) {
      CreateDataScanRequest request =
          CreateDataScanRequest.newBuilder()
              .setParent(LocationName.of("[PROJECT]", "[LOCATION]").toString())
              .setDataScan(DataScan.newBuilder().build())
              .setDataScanId("dataScanId1260787906")
              .setValidateOnly(true)
              .build();
      DataScan response = dataScanServiceClient.createDataScanAsync(request).get();
    }
  }
}

Python

Python

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Python.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

# Copyright 2026 Google LLC
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#      http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.

import google.api_core.exceptions
from google.cloud import dataplex_v1


def create_data_profile_scan_global(
    project_id: str,
    dataset_id: str,
    table_id: str,
    location: str,
) -> None:
    """Creates a Dataplex Data Profile Scan using global API endpoint routing.

    Args:
        project_id (str): Google Cloud project ID where the scan is created.
        dataset_id (str): Target BigQuery dataset ID.
        table_id (str): Target BigQuery table ID to scan.
        location (str): Google Cloud region where serverless compute runs.
    """
    client = dataplex_v1.DataScanServiceClient()

    parent = client.common_location_path(project=project_id, location=location)

    bigquery_table = (
        f"//bigquery.googleapis.com/projects/{project_id}"
        f"/datasets/{dataset_id}/tables/{table_id}"
    )

    data_profile_spec = dataplex_v1.DataProfileSpec(sampling_percent=100.0)

    data_scan = dataplex_v1.DataScan(
        display_name="Global Data Profile Scan",
        description="Regional data profile scan generating automated table statistics.",
        data=dataplex_v1.DataSource(resource=bigquery_table),
        data_profile_spec=data_profile_spec,
    )

    request = dataplex_v1.CreateDataScanRequest(
        parent=parent,
        data_scan=data_scan,
    )

    try:
        operation = client.create_data_scan(request=request)
        print(operation.result())

    except google.api_core.exceptions.AlreadyExists:
        print("A scan with this ID already exists.")
    except google.api_core.exceptions.InvalidArgument as e:
        print(f"Your scan configuration is invalid: {e}")
    except google.api_core.exceptions.GoogleAPIError as e:
        print(f"Unexpected exception: {e}")

Ruby

Ruby

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Ruby in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Ruby.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

require "google/cloud/dataplex/v1"

##
# Snippet for the create_data_scan call in the DataScanService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::Dataplex::V1::DataScanService::Client#create_data_scan.
#
def create_data_scan
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::Dataplex::V1::DataScanService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::Dataplex::V1::CreateDataScanRequest.new

  # Call the create_data_scan method.
  result = client.create_data_scan request

  # The returned object is of type Gapic::Operation. You can use it to
  # check the status of an operation, cancel it, or wait for results.
  # Here is how to wait for a response.
  result.wait_until_done! timeout: 60
  if result.response?
    p result.response
  else
    puts "No response received."
  end
end

REST

Verwenden Sie zum Erstellen eines Datenprofilscans die Methode dataScans.create.

Hinweis: Wenn für Ihre BigQuery-Tabelle die Einstellung Require partition filter auf true gesetzt ist, verwenden Sie die Partitionsspalte der Tabelle als Zeilenfilter oder Zeitstempelspalte für den Datenprofilscan.

Tabellenschema exportieren

Wenn Sie die Ergebnisse des Datenprofilscans in eine vorhandene BigQuery-Tabelle exportieren möchten, muss diese mit dem folgenden Tabellenschema kompatibel sein:

Spaltenname	Datentyp der Spalte	Name des Unterfelds (falls zutreffend)	Datentyp des Unterfelds	Modus	Beispiel
data_profile_scan	struct/record	resource_name	string	nullable	//dataplex.googleapis.com/projects/test-project/locations/europe-west2/datascans/test-datascan
		project_id	string	nullable	test-project
		location	string	nullable	us-central1
		data_scan_id	string	nullable	test-datascan
data_source	struct/record	resource_name	string	nullable	Entität: //dataplex.googleapis.com/projects/test-project/locations/europe-west2/lakes/test-lake/zones/test-zone/entities/test-entity Tabelle: //bigquery.googleapis.com/projects/test-project/datasets/test-dataset/tables/test-table
		dataplex_entity_project_id	string	nullable	test-project
		dataplex_entity_project_number	integer	nullable	123456789012
		dataplex_lake_id	string	nullable	(Nur gültig, wenn die Quelle eine Entität ist) test-lake
		dataplex_zone_id	string	nullable	(Nur gültig, wenn die Quelle eine Entität ist) test-zone
		dataplex_entity_id	string	nullable	(Nur gültig, wenn die Quelle eine Entität ist) test-entity
		table_project_id	string	nullable	dataplex-table
		table_project_number	int64	nullable	345678901234
		dataset_id	string	nullable	(Nur gültig, wenn die Quelle eine Tabelle ist) test-dataset
		table_id	string	nullable	(Nur gültig, wenn die Quelle eine Tabelle ist) test-table
data_profile_job_id	string			nullable	caeba234-cfde-4fca-9e5b-fe02a9812e38
data_profile_job_configuration	json	trigger	string	nullable	ondemand/schedule
		incremental	boolean	nullable	true/false
		sampling_percent	float	nullable	(0–100) 20.0 (entspricht 20%)
		row_filter	string	nullable	col1 >= 0 AND col2 < 10
		column_filter	json	nullable	{"include_fields":["col1","col2"], "exclude_fields":["col3"]}
job_labels	json			nullable	{"key1":value1}
job_start_time	timestamp			nullable	2023-01-01 00:00:00 UTC
job_end_time	timestamp			nullable	2023-01-01 00:00:00 UTC
job_rows_scanned	integer			nullable	7500
column_name	string			nullable	column-1
column_type	string			nullable	string
column_mode	string			nullable	repeated
percent_null	float			nullable	(0,0–100,0) 20.0 (entspricht 20%)
percent_unique	float			nullable	(0,0–100,0) 92.5
min_string_length	integer			nullable	(Nur gültig, wenn der Spaltentyp „string“ ist) 10
max_string_length	integer			nullable	(Nur gültig, wenn der Spaltentyp „string“ ist) 4
average_string_length	float			nullable	(Nur gültig, wenn der Spaltentyp „string“ ist) 7.2
min_value	float			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
max_value	float			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
average_value	float			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
standard_deviation	float			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
quartile_lower	integer			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
quartile_median	integer			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
quartile_upper	integer			nullable	(Nur gültig, wenn der Spaltentyp numerisch ist – „integer“ oder „float“)
top_n	struct/record - repeated	value	string	nullable	"4009"
		count	integer	nullable	20
		percent	float	nullable	10 (entspricht 10 %)

Richtlinien für Exporttabellen

Beachten Sie die folgenden Richtlinien, wenn Sie Daten in BigQueryExport-Tabellen exportieren:

• Verwenden Sie für das Feld resultsTable folgendes Format: //bigquery.googleapis.com/projects/{project-id}/datasets/{dataset-id}/tables/{table-id}
• Verwenden Sie eine BigQuery-Standardtabelle.
• Wenn die Tabelle beim Erstellen oder Aktualisieren des Scans nicht vorhanden ist, wird sie von Knowledge Catalog erstellt.
• Standardmäßig wird die Tabelle täglich auf Grundlage der Spalte job_start_time partitioniert.
• Wenn Sie möchten, dass die Tabelle anders partitioniert wird, oder wenn Sie keine Partition möchten, erstellen Sie die Tabelle mit dem erforderlichen Schema und den erforderlichen Konfigurationen neu und geben Sie diese vorab erstellte Tabelle dann als Ergebnistabelle an.
• Die Ergebnistabelle muss sich am selben Speicherort wie die Quelltabelle befinden.
• Wenn VPC-SC für das Projekt konfiguriert ist, muss sich die Ergebnistabelle im selben VPC-SC-Perimeter wie die Quelltabelle befinden.
• Wenn die Tabelle während der Ausführung des Scans geändert wird, werden die Daten des aktuell ausgeführten Jobs in die vorherige Ergebnistabelle exportiert. Die Tabellenänderung wird erst beim nächsten Scanjob berücksichtigt.
• Ändern Sie das Tabellenschema nicht. Wenn Sie benutzerdefinierte Spalten benötigen, erstellen Sie eine Ansicht für die Tabelle.
• Um Kosten zu senken, legen Sie je nach Anwendungsfall ein Ablaufdatum für die Partition fest. Weitere Informationen finden Sie unter Partitionsablauf festlegen.

Mehrere Datenprofilscans erstellen

Sie können Datenprofilscans für mehrere Tabellen in einem BigQuery-Dataset gleichzeitig über die Google Cloud Console konfigurieren.

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf Datenprofilscan erstellen.

3. Wählen Sie die Option Mehrere Datenprofilscans aus.

4. Geben Sie ein ID Präfix ein. In Knowledge Catalog werden Scan-IDs automatisch anhand des angegebenen Präfixes und eindeutiger Suffixe generiert.

5. Geben Sie eine Beschreibung für alle Datenprofilscans ein.

6. Klicken Sie im Feld Dataset auf Durchsuchen. Wählen Sie ein Dataset aus, aus dem Sie Tabellen auswählen möchten. Klicken Sie auf Auswählen.

7. Wenn das Dataset multiregional ist, wählen Sie eine Region aus, in der die Datenprofilscans erstellt werden sollen.

8. Wählen Sie im Bereich Modus eine der folgenden Optionen aus:

   • Standard: Erstellt ein Profil Ihrer Daten mit anpassbaren Scaneinstellungen. Das ist der Standardmodus.

   • Lightweight: Liefert schnelle Informationen mit einem Scan mit niedriger Latenz und geringer Genauigkeit. Diese Feature befindet sich im Vorschaumodus.

9. Wenn Sie den Modus Standard ausgewählt haben, konfigurieren Sie die folgenden Einstellungen für die Scans. Diese Einstellungen werden nicht angezeigt, wenn der Lightweight-Modus ausgewählt ist.

   1. Wählen Sie im Feld Umfang die Option Inkrementell oder Gesamte Daten aus.

      Wenn Sie Inkrementell auswählen, können Sie nur Tabellen verwenden, die auf Grundlage einer Spalte vom Typ DATE oder TIMESTAMP partitioniert sind.

   2. Wenn Sie die Stichprobenerhebung auf die Datenprofilscans anwenden möchten, wählen Sie in der Liste Stichprobengröße einen Prozentsatz für die Erhebung aus.

      Wählen Sie einen Prozentwert zwischen 0,0 % und 100,0 % mit bis zu drei Dezimalstellen aus.

10. Optional: Veröffentlichen Sie die Ergebnisse des Datenprofilscans auf den BigQuery- und Knowledge Catalog-Seiten in derGoogle Cloud Console für die Quelltabelle. Aktivieren Sie das Kästchen Ergebnisse in Knowledge Catalog veröffentlichen.

    Sie können die neuesten Scanergebnisse auf den BigQuery- und Knowledge Catalog-Seiten für die Quelltabelle auf dem Tab Datenprofil ansehen. Informationen dazu, wie Sie Nutzern Zugriff auf die veröffentlichten Datenprofilscan-Ergebnisse gewähren, finden Sie im Abschnitt Zugriff auf Datenprofil-Scanergebnisse gewähren in diesem Dokument.

    Hinweis: Sie müssen Tabellen auswählen, für die noch keine Scans mit veröffentlichten Ergebnissen vorhanden sind.

11. Wählen Sie im Bereich Zeitplan eine der folgenden Optionen aus:

    • Wiederholen: Die Datenprofilscans werden nach einem Zeitplan ausgeführt: stündlich, täglich, wöchentlich, monatlich oder benutzerdefiniert. Geben Sie an, wie oft und zu welcher Uhrzeit die Scans ausgeführt werden sollen. Wenn Sie „benutzerdefiniert“ auswählen, geben Sie den Zeitplan im Cron-Format an.

    • On demand: Die Datenprofilscans werden on demand ausgeführt.

      • Einmalige Ausführung: Der Datenprofilscan wird jetzt einmal ausgeführt und nach der automatischen Löschzeit entfernt. Dieses Feature befindet sich im Vorschaumodus.

        • Automatisches Löschen von Ergebnissen nach dem Scan festlegen: Die Zeit für das automatische Löschen definiert, wie lange ein Datenprofilscan nach der Ausführung aktiv bleibt. Ein Datenprofilscan ohne angegebene Zeit für das automatische Löschen wird nach 24 Stunden automatisch entfernt. Die Zeit für das automatische Löschen kann zwischen 0 Sekunden (sofortiges Löschen) und 365 Tagen liegen.

12. Klicken Sie auf Weiter.

13. Klicken Sie im Feld Tabellen auswählen auf Durchsuchen. Wählen Sie eine oder mehrere Tabellen aus, die gescannt werden sollen, und klicken Sie auf Auswählen.

14. Klicken Sie auf Weiter.

15. Optional: Exportieren Sie die Scanergebnisse in eine BigQuery-Standardtabelle. Führen Sie im Abschnitt Scanergebnisse in BigQuery-Tabelle exportieren folgende Schritte aus:

    1. Klicken Sie im Feld BigQuery-Dataset auswählen auf Durchsuchen. Wählen Sie ein BigQuery-Dataset aus, um die Ergebnisse des Datenprofilscans zu speichern.

    2. Geben Sie im Feld BigQuery-Tabelle die Tabelle an, in der die Ergebnisse des Datenprofilscans gespeichert werden sollen. Wenn Sie eine vorhandene Tabelle verwenden, muss sie mit dem Schema der Exporttabelle kompatibel sein. Wenn die angegebene Tabelle nicht vorhanden ist, wird sie von Knowledge Catalog erstellt.

       Knowledge Catalog verwendet für alle Datenprofilscans dieselbe Ergebnistabelle.

16. Optional: Fügen Sie Labels hinzu. Labels sind Schlüssel/Wert-Paare, mit denen Sie verwandte Objekte miteinander oder mit anderen Google Cloud -Ressourcen gruppieren können.

17. Klicken Sie auf Erstellen, um die Scans zu erstellen.

    Wenn Sie den Zeitplan auf „On-Demand“ festlegen, können Sie die Scans auch jetzt ausführen, indem Sie auf Scan ausführen klicken.

Datenprofilscan ausführen

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Datenprofilscan, der ausgeführt werden soll.
3. Klicken Sie auf Jetzt ausführen.

gcloud

Verwenden Sie den gcloud dataplex datascans run-Befehl, um einen Datenprofilscan auszuführen:

gcloud dataplex datascans run DATASCAN \
--location=LOCATION

Ersetzen Sie die folgenden Variablen:

• DATASCAN: Der Name des Datenprofilscans.
• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.

C#

C#

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für C# in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog C#.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Cloud.Dataplex.V1;

public sealed partial class GeneratedDataScanServiceClientSnippets
{
    /// <summary>Snippet for RunDataScan</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void RunDataScanRequestObject()
    {
        // Create client
        DataScanServiceClient dataScanServiceClient = DataScanServiceClient.Create();
        // Initialize request argument(s)
        RunDataScanRequest request = new RunDataScanRequest
        {
            DataScanName = DataScanName.FromProjectLocationDataScan("[PROJECT]", "[LOCATION]", "[DATASCAN]"),
        };
        // Make the request
        RunDataScanResponse response = dataScanServiceClient.RunDataScan(request);
    }
}

Go

Go

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Go in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Go.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

//go:build examples

package main

import (
	"context"

	dataplex "cloud.google.com/go/dataplex/apiv1"
	dataplexpb "cloud.google.com/go/dataplex/apiv1/dataplexpb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := dataplex.NewDataScanClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &dataplexpb.RunDataScanRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/dataplex/apiv1/dataplexpb#RunDataScanRequest.
	}
	resp, err := c.RunDataScan(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Java

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Java in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Java.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import com.google.cloud.dataplex.v1.DataScanName;
import com.google.cloud.dataplex.v1.DataScanServiceClient;
import com.google.cloud.dataplex.v1.RunDataScanRequest;
import com.google.cloud.dataplex.v1.RunDataScanResponse;

public class SyncRunDataScan {

  public static void main(String[] args) throws Exception {
    syncRunDataScan();
  }

  public static void syncRunDataScan() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (DataScanServiceClient dataScanServiceClient = DataScanServiceClient.create()) {
      RunDataScanRequest request =
          RunDataScanRequest.newBuilder()
              .setName(DataScanName.of("[PROJECT]", "[LOCATION]", "[DATASCAN]").toString())
              .build();
      RunDataScanResponse response = dataScanServiceClient.runDataScan(request);
    }
  }
}

Python

Python

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Python.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import dataplex_v1


def sample_run_data_scan():
    # Create a client
    client = dataplex_v1.DataScanServiceClient()

    # Initialize request argument(s)
    request = dataplex_v1.RunDataScanRequest(
        name="name_value",
    )

    # Make the request
    response = client.run_data_scan(request=request)

    # Handle the response
    print(response)

Ruby

Ruby

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Ruby in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Ruby.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

require "google/cloud/dataplex/v1"

##
# Snippet for the run_data_scan call in the DataScanService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::Dataplex::V1::DataScanService::Client#run_data_scan.
#
def run_data_scan
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::Dataplex::V1::DataScanService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::Dataplex::V1::RunDataScanRequest.new

  # Call the run_data_scan method.
  result = client.run_data_scan request

  # The returned object is of type Google::Cloud::Dataplex::V1::RunDataScanResponse.
  p result
end

REST

Verwenden Sie die Methode dataScans.run, um einen Datenprofilscan auszuführen.

Airflow

Wenn Sie einen Datenprofilscan mit einem gerichteten azyklischen Graphen (DAG) in Managed Service for Apache Airflow (Cloud Composer) ausführen möchten, verwenden Sie den DataplexRunDataProfileScanOperator:

from datetime import datetime
from airflow import DAG
from airflow.providers.google.cloud.operators.dataplex import DataplexRunDataProfileScanOperator

with DAG(
  "dataplex_data_profile_scan",
  start_date=datetime(2026, 1, 1),
  schedule_interval="@daily",
  catchup=False,
) as dag:

  run_profile_scan = DataplexRunDataProfileScanOperator(
      task_id="run_dataplex_profile_scan",
      project_id="PROJECT_ID",
      region="REGION",
      data_scan_id="DATASCAN_ID",
  )

Ersetzen Sie die folgenden Variablen:

• PROJECT_ID: Ihre Google Cloud Projekt-ID
• REGION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.
• DATASCAN_ID: Die ID Ihres Datenprofilscans.

Hinweis: „Ausführen“ wird für Datenprofilscans, die nach einem einmaligen Zeitplan ausgeführt werden, nicht unterstützt.

Datenprofilscan-Job abbrechen

Wenn ein Datenprofil-Scanjob länger als erwartet ausgeführt wird oder mit einer falschen Konfiguration gestartet wurde, können Sie ihn abbrechen. Wenn sich der Job bereits in einem Endzustand befindet (z. B. SUCCEEDED oder FAILED), wird die Abbruchanfrage ignoriert.

Erforderliche Rollen und Berechtigungen

Bitten Sie Ihren Administrator, Ihnen die IAM-Rolle Dataplex-Bearbeiter (roles/dataplex.editor) oder Dataplex DataScan-Administrator (roles/dataplex.dataScanAdmin) für Ihr Projekt zuzuweisen, um die Berechtigungen zu erhalten, die Sie zum Abbrechen eines Datenprofil-Scanjobs benötigen.

Job abbrechen

Sie können einen laufenden oder ausstehenden Datenprofil-Scan-Job mit der REST API abbrechen.

Console

1. Rufen Sie in der Google Cloud Console die Seite Datenprofilerstellung und ‑qualität auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Namen des Datenprofilscans, der den Job enthält, den Sie abbrechen möchten.

3. Suchen Sie auf dem Tab Jobverlauf nach dem Job mit dem Status Wird ausgeführt oder Ausstehend.

4. Klicken Sie auf den Button Abbrechen, der dem Job zugeordnet ist.

REST

Verwenden Sie die Methode projects.locations.dataScans.jobs.cancel.

POST https://dataplex.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/dataScans/DATASCAN_ID/jobs/JOB_ID:cancel

Ersetzen Sie Folgendes:

• PROJECT_ID: Projekt-ID.
• LOCATION: die Region, in der sich der Datenscan befindet.
• DATASCAN_ID: die ID des Datenscans.
• JOB_ID: die ID des abzubrechenden Jobs.

Ergebnisse des Datenprofilscans ansehen

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Namen eines Datenprofilscans.

   • Im Bereich Übersicht werden Informationen zu den letzten Jobs angezeigt, einschließlich des Zeitpunkts, zu dem der Scan ausgeführt wurde, der Anzahl der gescannten Tabelleneinträge und des Jobstatus.

   • Im Bereich Konfiguration für Datenprofilscan werden Details zum Scan angezeigt.

3. Wenn Sie detaillierte Informationen zu einem Job aufrufen möchten, z. B. die Spalten der gescannten Tabelle, Statistiken zu den beim Scan gefundenen Spalten und die Joblogs, klicken Sie auf den Tab Jobverlauf. Klicken Sie dann auf eine Job-ID.

Hinweis: Wenn Sie die Scanergebnisse in eine BigQuery-Tabelle exportiert haben, können Sie auch über die Tabelle darauf zugreifen.

gcloud

Verwenden Sie den Befehl gcloud dataplex datascans jobs describe, um die Ergebnisse eines Datenprofilscan-Jobs aufzurufen:

gcloud dataplex datascans jobs describe JOB \
--location=LOCATION \
--datascan=DATASCAN \
--view=FULL

Ersetzen Sie die folgenden Variablen:

• JOB: Die Job-ID des Datenprofilscan-Jobs.
• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.
• DATASCAN: Der Name des Datenprofilscans, zu dem der Job gehört.
• --view=FULL: Wenn Sie das Ergebnis des Scanjobs sehen möchten, geben Sie FULL an.

C#

C#

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für C# in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog C#.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Cloud.Dataplex.V1;

public sealed partial class GeneratedDataScanServiceClientSnippets
{
    /// <summary>Snippet for GetDataScan</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void GetDataScanRequestObject()
    {
        // Create client
        DataScanServiceClient dataScanServiceClient = DataScanServiceClient.Create();
        // Initialize request argument(s)
        GetDataScanRequest request = new GetDataScanRequest
        {
            DataScanName = DataScanName.FromProjectLocationDataScan("[PROJECT]", "[LOCATION]", "[DATASCAN]"),
            View = GetDataScanRequest.Types.DataScanView.Unspecified,
        };
        // Make the request
        DataScan response = dataScanServiceClient.GetDataScan(request);
    }
}

Go

Go

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Go in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Go.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

//go:build examples

package main

import (
	"context"

	dataplex "cloud.google.com/go/dataplex/apiv1"
	dataplexpb "cloud.google.com/go/dataplex/apiv1/dataplexpb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := dataplex.NewDataScanClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &dataplexpb.GetDataScanRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/dataplex/apiv1/dataplexpb#GetDataScanRequest.
	}
	resp, err := c.GetDataScan(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Java

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Java in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Java.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import com.google.cloud.dataplex.v1.DataScan;
import com.google.cloud.dataplex.v1.DataScanName;
import com.google.cloud.dataplex.v1.DataScanServiceClient;
import com.google.cloud.dataplex.v1.GetDataScanRequest;

public class SyncGetDataScan {

  public static void main(String[] args) throws Exception {
    syncGetDataScan();
  }

  public static void syncGetDataScan() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (DataScanServiceClient dataScanServiceClient = DataScanServiceClient.create()) {
      GetDataScanRequest request =
          GetDataScanRequest.newBuilder()
              .setName(DataScanName.of("[PROJECT]", "[LOCATION]", "[DATASCAN]").toString())
              .build();
      DataScan response = dataScanServiceClient.getDataScan(request);
    }
  }
}

Python

Python

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Python.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import dataplex_v1


def sample_get_data_scan():
    # Create a client
    client = dataplex_v1.DataScanServiceClient()

    # Initialize request argument(s)
    request = dataplex_v1.GetDataScanRequest(
        name="name_value",
    )

    # Make the request
    response = client.get_data_scan(request=request)

    # Handle the response
    print(response)

Ruby

Ruby

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Ruby in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Ruby.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

require "google/cloud/dataplex/v1"

##
# Snippet for the get_data_scan call in the DataScanService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::Dataplex::V1::DataScanService::Client#get_data_scan.
#
def get_data_scan
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::Dataplex::V1::DataScanService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::Dataplex::V1::GetDataScanRequest.new

  # Call the get_data_scan method.
  result = client.get_data_scan request

  # The returned object is of type Google::Cloud::Dataplex::V1::DataScan.
  p result
end

REST

Verwenden Sie die Methode dataScans.get, um die Ergebnisse eines Datenprofilscans aufzurufen.

Veröffentlichte Ergebnisse ansehen

Wenn die Ergebnisse des Datenprofilscans auf den BigQuery- und Knowledge Catalog-Seiten in der Google Cloud Console veröffentlicht werden, können Sie die neuesten Scanergebnisse auf dem Tab Datenprofil der Quelltabelle sehen.

1. Rufen Sie in der Google Cloud Console die Seite Suchen im Knowledge Catalog auf.

   Zur Suche

2. Suchen Sie nach der Tabelle und wählen Sie sie aus.

3. Klicken Sie auf den Tab Datenprofil.

   Die zuletzt veröffentlichten Ergebnisse werden angezeigt.

   Hinweis: Veröffentlichte Ergebnisse sind möglicherweise nicht verfügbar, wenn ein Scan zum ersten Mal ausgeführt wird.

Letzten Datenprofilscan-Job ansehen

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Namen eines Datenprofilscans.

3. Klicken Sie auf den Tab Letzte Jobergebnisse.

   Auf dem Tab Letzte Jobergebnisse finden Sie Informationen zum letzten Job, sofern mindestens ein Lauf erfolgreich abgeschlossen wurde. Dort werden die Spalten der gescannten Tabelle und Statistiken zu den Spalten aufgeführt, die beim Scan gefunden wurden.

gcloud

Verwenden Sie den gcloud dataplex datascans describe-Befehl, um den letzten erfolgreichen Datenprofilscan aufzurufen:

gcloud dataplex datascans describe DATASCAN \
--location=LOCATION \
--view=FULL

Ersetzen Sie die folgenden Variablen:

• DATASCAN: Der Name des Datenprofilscans, für den Sie den letzten Job aufrufen möchten.
• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.
• --view=FULL: Wenn Sie das Ergebnis des Scanjobs sehen möchten, geben Sie FULL an.

REST

Verwenden Sie die Methode dataScans.get, um den letzten Scan-Job aufzurufen.

Historische Scanergebnisse ansehen

In Knowledge Catalog wird der Verlauf der Datenprofilscans der letzten 300 Jobs oder des letzten Jahres gespeichert (der kürzere Zeitraum gilt).

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Namen eines Datenprofilscans.

3. Klicken Sie auf den Tab Jobverlauf.

   Auf dem Tab Jobverlauf finden Sie Informationen zu früheren Jobs, z. B. die Anzahl der in jedem Job gescannten Einträge, den Jobstatus und die Zeit, zu der der Job ausgeführt wurde.

4. Wenn Sie die Details zu einem Job aufrufen möchten, klicken Sie in der Spalte Job-ID auf einen der Jobs.

gcloud

Wenn Sie sich frühere Datenprofilscan-Jobs ansehen möchten, verwenden Sie den gcloud dataplex datascans jobs list-Befehl:

gcloud dataplex datascans jobs list \
--location=LOCATION \
--datascan=DATASCAN

Ersetzen Sie die folgenden Variablen:

• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.
• DATASCAN: Der Name des Datenprofilscans, für den Sie Jobs ansehen möchten.

C#

C#

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für C# in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog C#.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Api.Gax;
using Google.Cloud.Dataplex.V1;
using System;

public sealed partial class GeneratedDataScanServiceClientSnippets
{
    /// <summary>Snippet for ListDataScanJobs</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void ListDataScanJobsRequestObject()
    {
        // Create client
        DataScanServiceClient dataScanServiceClient = DataScanServiceClient.Create();
        // Initialize request argument(s)
        ListDataScanJobsRequest request = new ListDataScanJobsRequest
        {
            ParentAsDataScanName = DataScanName.FromProjectLocationDataScan("[PROJECT]", "[LOCATION]", "[DATASCAN]"),
            Filter = "",
        };
        // Make the request
        PagedEnumerable<ListDataScanJobsResponse, DataScanJob> response = dataScanServiceClient.ListDataScanJobs(request);

        // Iterate over all response items, lazily performing RPCs as required
        foreach (DataScanJob item in response)
        {
            // Do something with each item
            Console.WriteLine(item);
        }

        // Or iterate over pages (of server-defined size), performing one RPC per page
        foreach (ListDataScanJobsResponse page in response.AsRawResponses())
        {
            // Do something with each page of items
            Console.WriteLine("A page of results:");
            foreach (DataScanJob item in page)
            {
                // Do something with each item
                Console.WriteLine(item);
            }
        }

        // Or retrieve a single page of known size (unless it's the final page), performing as many RPCs as required
        int pageSize = 10;
        Page<DataScanJob> singlePage = response.ReadPage(pageSize);
        // Do something with the page of items
        Console.WriteLine($"A page of {pageSize} results (unless it's the final page):");
        foreach (DataScanJob item in singlePage)
        {
            // Do something with each item
            Console.WriteLine(item);
        }
        // Store the pageToken, for when the next page is required.
        string nextPageToken = singlePage.NextPageToken;
    }
}

Go

Go

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Go in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Go.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

//go:build examples

package main

import (
	"context"

	dataplex "cloud.google.com/go/dataplex/apiv1"
	dataplexpb "cloud.google.com/go/dataplex/apiv1/dataplexpb"
	"google.golang.org/api/iterator"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := dataplex.NewDataScanClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &dataplexpb.ListDataScanJobsRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/dataplex/apiv1/dataplexpb#ListDataScanJobsRequest.
	}
	it := c.ListDataScanJobs(ctx, req)
	for {
		resp, err := it.Next()
		if err == iterator.Done {
			break
		}
		if err != nil {
			// TODO: Handle error.
		}
		// TODO: Use resp.
		_ = resp

		// If you need to access the underlying RPC response,
		// you can do so by casting the `Response` as below.
		// Otherwise, remove this line. Only populated after
		// first call to Next(). Not safe for concurrent access.
		_ = it.Response.(*dataplexpb.ListDataScanJobsResponse)
	}
}

Java

Java

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Java in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Java.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import com.google.cloud.dataplex.v1.DataScanJob;
import com.google.cloud.dataplex.v1.DataScanName;
import com.google.cloud.dataplex.v1.DataScanServiceClient;
import com.google.cloud.dataplex.v1.ListDataScanJobsRequest;

public class SyncListDataScanJobs {

  public static void main(String[] args) throws Exception {
    syncListDataScanJobs();
  }

  public static void syncListDataScanJobs() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (DataScanServiceClient dataScanServiceClient = DataScanServiceClient.create()) {
      ListDataScanJobsRequest request =
          ListDataScanJobsRequest.newBuilder()
              .setParent(DataScanName.of("[PROJECT]", "[LOCATION]", "[DATASCAN]").toString())
              .setPageSize(883849137)
              .setPageToken("pageToken873572522")
              .setFilter("filter-1274492040")
              .build();
      for (DataScanJob element : dataScanServiceClient.listDataScanJobs(request).iterateAll()) {
        // doThingsWith(element);
      }
    }
  }
}

Python

Python

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Python.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import dataplex_v1


def sample_list_data_scan_jobs():
    # Create a client
    client = dataplex_v1.DataScanServiceClient()

    # Initialize request argument(s)
    request = dataplex_v1.ListDataScanJobsRequest(
        parent="parent_value",
    )

    # Make the request
    page_result = client.list_data_scan_jobs(request=request)

    # Handle the response
    for response in page_result:
        print(response)

Ruby

Ruby

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Ruby in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Ruby.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

require "google/cloud/dataplex/v1"

##
# Snippet for the list_data_scan_jobs call in the DataScanService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::Dataplex::V1::DataScanService::Client#list_data_scan_jobs.
#
def list_data_scan_jobs
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::Dataplex::V1::DataScanService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::Dataplex::V1::ListDataScanJobsRequest.new

  # Call the list_data_scan_jobs method.
  result = client.list_data_scan_jobs request

  # The returned object is of type Gapic::PagedEnumerable. You can iterate
  # over elements, and API calls will be issued to fetch pages as needed.
  result.each do |item|
    # Each element is of type ::Google::Cloud::Dataplex::V1::DataScanJob.
    p item
  end
end

REST

Verwenden Sie die Methode dataScans.jobs.list, um historische Datenprofilscan-Jobs aufzurufen.

Jobstatus

Datenscanjobs können die folgenden Status haben:

• PENDING: Der Job wurde erstellt, aber noch nicht gestartet. In diesem Status richtet der Scan aktiv die Infrastruktur ein oder ruft Slots ab. Diese Phase kann je nach Schemakomplexität und Ressourcenkonflikten 10 bis 20 Sekunden oder länger dauern.

• RUNNING: Der Job wird ausgeführt.

• CANCELING: Der Job wird abgebrochen.

• CANCELLED: Der Job wurde abgebrochen.

• SUCCEEDED: Der Job wurde erfolgreich abgeschlossen. Der Abschlussstatus kann aufgrund von Nachbearbeitungsschritten wie Aggregation und Metadatensynchronisierung bis zu 60 Sekunden hinter dem tatsächlichen Abschluss der Abfrage liegen.

• FAILED: Der Job schlägt aufgrund eines Fehlers fehl. Der Abschlussstatus kann aufgrund von Nachbearbeitungsschritten wie Aggregation und Metadatensynchronisierung bis zu 60 Sekunden hinter dem tatsächlichen Abschluss der Abfrage liegen.

• SUCCEEDED_WITH_ERRORS: Der Job wird erfolgreich abgeschlossen, aber während der Ausführung treten einige Fehler auf.

Best Practices für das Monitoring

Beachten Sie beim Überwachen Ihrer Datenscanjobs die folgenden Best Practices:

• Aggressive Abfragen vermeiden: Vermeiden Sie aggressive Abfragen (z. B. alle 1 bis 5 Sekunden GetJob oder Ähnliches aufrufen). Aggressives Abfragen verschwendet API-Kontingent und beschleunigt Zustandsübergänge nicht.

• Exponentiellen Backoff verwenden: Wenn wiederholtes Abfragen unvermeidlich ist, verwenden Sie einen exponentiellen Backoff, der bei 10 bis 15 Sekunden beginnt.

• Asynchrone ereignisgesteuerte Entkopplung verwenden (empfohlen): Verwenden Sie anstelle von synchronem API-Polling Eventarc-Trigger, die auf Cloud-Audit-Logs (cloudaudit.googleapis.com) warten. Mit diesen Triggern können Sie nachgelagerte Workflows sofort nach Abschluss von DataScan-Jobs initiieren. Bei diesem Ansatz werden die Limits für API-Abfragen umgangen, das Kontingent wird geschont und die wahrgenommene Latenz wird reduziert.

Zugriff auf Ergebnisse von Datenprofilscans gewähren

So können Nutzer in Ihrer Organisation die Scanergebnisse aufrufen:

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Datenprofilscan, dessen Ergebnisse Sie freigeben möchten.

3. Klicken Sie auf den Tab Berechtigungen.

4. Gehen Sie dazu so vor:

   • Klicken Sie auf Zugriff gewähren, um einem Hauptkonto Zugriff zu gewähren. Weisen Sie dem zugehörigen Hauptkonto die Rolle Dataplex DataScan DataViewer zu.
   • Wenn Sie den Zugriff für ein Hauptkonto entfernen möchten, wählen Sie das Hauptkonto aus, für das Sie die Rolle Dataplex DataScan DataViewer entfernen möchten. Klicken Sie auf Zugriff entfernen und bestätigen Sie den Vorgang, wenn Sie dazu aufgefordert werden.

Datenprofilscans für eine bestimmte Tabelle verwalten

In diesem Dokument wird beschrieben, wie Sie Datenprofilscans in Ihrem Projekt über die Knowledge Catalog-Seite Datenprofilerstellung und ‑qualität in der Google Cloud Console verwalten.

Sie können auch Datenprofilscans erstellen und verwalten, wenn Sie mit einer bestimmten Tabelle arbeiten. Rufen Sie in der Google Cloud Console auf der Knowledge Catalog-Seite für die Tabelle den Tab Datenprofil auf. Gehen Sie dazu so vor:

1. Rufen Sie in der Google Cloud Console die Seite Suchen im Knowledge Catalog auf.

   Zur Suche

   Suchen Sie nach der Tabelle und wählen Sie sie aus.

2. Klicken Sie auf den Tab Datenprofil.

3. Je nachdem, ob für die Tabelle ein Datenprofilscan vorhanden ist, dessen Ergebnisse veröffentlicht wurden, können Sie auf folgende Weise mit den Datenprofilscans der Tabelle arbeiten:

   • Ergebnisse des Datenprofilscans werden veröffentlicht: Die neuesten veröffentlichten Scanergebnisse werden auf der Seite angezeigt.

     Wenn Sie die Datenprofilscans für diese Tabelle verwalten möchten, klicken Sie auf Datenprofilscan und wählen Sie eine der folgenden Optionen aus:

     • Neuen Scan erstellen: Erstellen Sie einen neuen Datenprofilscan. Weitere Informationen finden Sie im Abschnitt Datenprofilscan erstellen in diesem Dokument. Wenn Sie einen Scan auf der Detailseite einer Tabelle erstellen, ist die Tabelle bereits ausgewählt.

     • Jetzt ausführen: Der Scan wird ausgeführt.

     • Scankonfiguration bearbeiten: Bearbeiten Sie Einstellungen wie den Anzeigenamen, Filter, die Stichprobengröße und den Zeitplan.

     • Scanberechtigungen verwalten: Sie können festlegen, wer auf die Scanergebnisse zugreifen darf. Weitere Informationen finden Sie im Abschnitt Zugriff auf Ergebnisse von Datenprofilscans gewähren in diesem Dokument.

     • Historische Ergebnisse ansehen: Hier können Sie detaillierte Informationen zu früheren Datenprofilscan-Jobs aufrufen. Weitere Informationen finden Sie in den Abschnitten Ergebnisse des Datenprofilscans ansehen und Aufrufverlauf der Scanergebnisse ansehen in diesem Dokument.

     • Alle Scans ansehen: Eine Liste der Datenprofilscans aufrufen, die für diese Tabelle gelten.

   • Ergebnisse des Datenprofilscans werden nicht veröffentlicht: Klicken Sie auf das Menü neben Schnelles Datenprofil und wählen Sie eine der folgenden Optionen aus:

     • Datenprofilerstellung anpassen: Erstellen Sie einen neuen Datenprofilscan. Weitere Informationen finden Sie im Abschnitt Datenprofilscan erstellen in diesem Dokument. Wenn Sie einen Scan über die Detailseite einer Tabelle erstellen, ist die Tabelle bereits ausgewählt.

     • Vorherige Profile ansehen: Eine Liste der Datenprofilscans aufrufen, die für diese Tabelle gelten.

Datenprofilscan aktualisieren

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Namen eines Datenprofilscans.

3. Klicken Sie auf Bearbeiten und bearbeiten Sie die Werte.

4. Klicken Sie auf Speichern.

gcloud

Verwenden Sie den Befehl gcloud dataplex datascans update data-profile, um einen Datenprofilscan zu aktualisieren:

gcloud dataplex datascans update data-profile DATASCAN \
--location=LOCATION \
--description=DESCRIPTION

Ersetzen Sie die folgenden Variablen:

• DATASCAN: Der Name des zu aktualisierenden Datenprofilscans.
• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.
• DESCRIPTION: Die neue Beschreibung für den Datenprofilscan.

Hinweis: Sie können Spezifikationsfelder wie rowFilter, samplingPercent oder includeFields in der Spezifikationsdatei für das Datenprofil aktualisieren. Siehe JSON-Format.

C#

C#

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für C# in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog C#.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

using Google.Cloud.Dataplex.V1;
using Google.LongRunning;
using Google.Protobuf.WellKnownTypes;

public sealed partial class GeneratedDataScanServiceClientSnippets
{
    /// <summary>Snippet for UpdateDataScan</summary>
    /// <remarks>
    /// This snippet has been automatically generated and should be regarded as a code template only.
    /// It will require modifications to work:
    /// - It may require correct/in-range values for request initialization.
    /// - It may require specifying regional endpoints when creating the service client as shown in
    ///   https://cloud.google.com/dotnet/docs/reference/help/client-configuration#endpoint.
    /// </remarks>
    public void UpdateDataScanRequestObject()
    {
        // Create client
        DataScanServiceClient dataScanServiceClient = DataScanServiceClient.Create();
        // Initialize request argument(s)
        UpdateDataScanRequest request = new UpdateDataScanRequest
        {
            DataScan = new DataScan(),
            UpdateMask = new FieldMask(),
            ValidateOnly = false,
        };
        // Make the request
        Operation<DataScan, OperationMetadata> response = dataScanServiceClient.UpdateDataScan(request);

        // Poll until the returned long-running operation is complete
        Operation<DataScan, OperationMetadata> completedResponse = response.PollUntilCompleted();
        // Retrieve the operation result
        DataScan result = completedResponse.Result;

        // Or get the name of the operation
        string operationName = response.Name;
        // This name can be stored, then the long-running operation retrieved later by name
        Operation<DataScan, OperationMetadata> retrievedResponse = dataScanServiceClient.PollOnceUpdateDataScan(operationName);
        // Check if the retrieved long-running operation has completed
        if (retrievedResponse.IsCompleted)
        {
            // If it has completed, then access the result
            DataScan retrievedResult = retrievedResponse.Result;
        }
    }
}

Go

Go

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Go in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Go.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

//go:build examples

package main

import (
	"context"

	dataplex "cloud.google.com/go/dataplex/apiv1"
	dataplexpb "cloud.google.com/go/dataplex/apiv1/dataplexpb"
)

func main() {
	ctx := context.Background()
	// This snippet has been automatically generated and should be regarded as a code template only.
	// It will require modifications to work:
	// - It may require correct/in-range values for request initialization.
	// - It may require specifying regional endpoints when creating the service client as shown in:
	//   https://pkg.go.dev/cloud.google.com/go#hdr-Client_Options
	c, err := dataplex.NewDataScanClient(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	defer c.Close()

	req := &dataplexpb.UpdateDataScanRequest{
		// TODO: Fill request struct fields.
		// See https://pkg.go.dev/cloud.google.com/go/dataplex/apiv1/dataplexpb#UpdateDataScanRequest.
	}
	op, err := c.UpdateDataScan(ctx, req)
	if err != nil {
		// TODO: Handle error.
	}

	resp, err := op.Wait(ctx)
	if err != nil {
		// TODO: Handle error.
	}
	// TODO: Use resp.
	_ = resp
}

Java

Java

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Java in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Java.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

import com.google.cloud.dataplex.v1.DataScan;
import com.google.cloud.dataplex.v1.DataScanServiceClient;
import com.google.cloud.dataplex.v1.UpdateDataScanRequest;
import com.google.protobuf.FieldMask;

public class SyncUpdateDataScan {

  public static void main(String[] args) throws Exception {
    syncUpdateDataScan();
  }

  public static void syncUpdateDataScan() throws Exception {
    // This snippet has been automatically generated and should be regarded as a code template only.
    // It will require modifications to work:
    // - It may require correct/in-range values for request initialization.
    // - It may require specifying regional endpoints when creating the service client as shown in
    // https://cloud.google.com/java/docs/setup#configure_endpoints_for_the_client_library
    try (DataScanServiceClient dataScanServiceClient = DataScanServiceClient.create()) {
      UpdateDataScanRequest request =
          UpdateDataScanRequest.newBuilder()
              .setDataScan(DataScan.newBuilder().build())
              .setUpdateMask(FieldMask.newBuilder().build())
              .setValidateOnly(true)
              .build();
      DataScan response = dataScanServiceClient.updateDataScanAsync(request).get();
    }
  }
}

Python

Python

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Python in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Python.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

# This snippet has been automatically generated and should be regarded as a
# code template only.
# It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
#   client as shown in:
#   https://googleapis.dev/python/google-api-core/latest/client_options.html
from google.cloud import dataplex_v1


def sample_update_data_scan():
    # Create a client
    client = dataplex_v1.DataScanServiceClient()

    # Initialize request argument(s)
    data_scan = dataplex_v1.DataScan()
    data_scan.data.entity = "entity_value"

    request = dataplex_v1.UpdateDataScanRequest(
        data_scan=data_scan,
    )

    # Make the request
    operation = client.update_data_scan(request=request)

    print("Waiting for operation to complete...")

    response = operation.result()

    # Handle the response
    print(response)

Ruby

Ruby

Bevor Sie dieses Beispiel ausprobieren, folgen Sie der Einrichtungsanleitung für Ruby in der Kurzanleitung zur Verwendung von Clientbibliotheken für Knowledge Catalog. Weitere Informationen finden Sie in der API-Referenzdokumentation für Knowledge Catalog Ruby.

Richten Sie zur Authentifizierung bei Knowledge Catalog Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten.

require "google/cloud/dataplex/v1"

##
# Snippet for the update_data_scan call in the DataScanService service
#
# This snippet has been automatically generated and should be regarded as a code
# template only. It will require modifications to work:
# - It may require correct/in-range values for request initialization.
# - It may require specifying regional endpoints when creating the service
# client as shown in https://cloud.google.com/ruby/docs/reference.
#
# This is an auto-generated example demonstrating basic usage of
# Google::Cloud::Dataplex::V1::DataScanService::Client#update_data_scan.
#
def update_data_scan
  # Create a client object. The client can be reused for multiple calls.
  client = Google::Cloud::Dataplex::V1::DataScanService::Client.new

  # Create a request. To set request fields, pass in keyword arguments.
  request = Google::Cloud::Dataplex::V1::UpdateDataScanRequest.new

  # Call the update_data_scan method.
  result = client.update_data_scan request

  # The returned object is of type Gapic::Operation. You can use it to
  # check the status of an operation, cancel it, or wait for results.
  # Here is how to wait for a response.
  result.wait_until_done! timeout: 60
  if result.response?
    p result.response
  else
    puts "No response received."
  end
end

REST

Verwenden Sie zum Bearbeiten eines Datenprofilscans die Methode dataScans.patch.

Hinweis: Für Datenprofilscans, die nach einem einmaligen Zeitplan ausgeführt werden, wird keine Aktualisierung unterstützt.

Datenprofilscan löschen

Console

1. Rufen Sie in der Google Cloud -Console die Seite Datenprofilerstellung und ‑qualität des Knowledge Catalog auf.

   Zu „Datenprofilerstellung und ‑qualität“

2. Klicken Sie auf den Scan, den Sie löschen möchten.

3. Klicken Sie auf Löschen und bestätigen Sie den Löschvorgang, wenn Sie dazu aufgefordert werden.

gcloud

Verwenden Sie den gcloud dataplex datascans delete-Befehl, um einen Datenprofilscan zu löschen:

gcloud dataplex datascans delete DATASCAN \
--location=LOCATION --async

Ersetzen Sie die folgenden Variablen:

• DATASCAN: Der Name des zu löschenden Datenprofilscans.
• LOCATION: Die Google Cloud -Region, in der der Datenprofilscan erstellt wurde.

REST

Verwenden Sie zum Löschen eines Datenprofilscans die Methode dataScans.delete.

Hinweis: Das Löschen wird für Datenprofilscans, die nach einem einmaligen Zeitplan ausgeführt werden, nicht unterstützt.

Nächste Schritte

• Erfahren Sie, wie Sie Ihre Daten erkunden, indem Sie Dateneinblicke generieren.
• Weitere Informationen zur Datenprofilerstellung
• Informationen zur automatischen Datenqualität
• Informationen zur Verwendung der automatischen Datenqualität