"Managed Service for Apache Spark" is the new name for the product formerly known as "Dataproc on Compute Engine" (cluster deployment) and "Google Cloud Serverless for Apache Spark" (serverless deployment).

‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

תבנית JDBC ל-BigQuery

אפשר להשתמש בתבנית Managed Service for Apache Spark JDBC to BigQuery כדי לחלץ נתונים ממסדי נתונים של JDBC ל-BigQuery.

התבנית הזו תומכת במסדי הנתונים הבאים כקלט:

MySQL
PostgreSQL
Microsoft SQL Server
Oracle

שימוש בתבנית

מריצים את התבנית באמצעות ה-CLI של gcloud או Managed Service for Apache Spark API.

gcloud

לפני השימוש בנתוני הפקודה הבאים, צריך להחליף את הנתונים הבאים:

‫PROJECT_ID: שדה חובה. Google Cloud מזהה הפרויקט שלכם מופיע בהגדרות IAM.
‫REGION: שדה חובה. אזור Compute Engine.
‫TEMPLATE_VERSION: שדה חובה. מציינים latest לגרסה העדכנית ביותר של התבנית, או את התאריך של גרסה ספציפית, לדוגמה, 2023-03-17_v0.1.0-beta (אפשר להיכנס לכתובת gs://dataproc-templates-binaries או להריץ את הפקודה gcloud storage ls gs://dataproc-templates-binaries כדי לראות רשימה של גרסאות התבניות הזמינות).
‫SUBNET: אופציונלי. אם לא מציינים רשת משנה, המערכת בוחרת את רשת המשנה באזור שצוין ברשת default.
דוגמה: projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME

‫JDBC_CONNECTOR_CLOUD_STORAGE_PATH: שדה חובה. הנתיב המלא ב-Cloud Storage, כולל שם הקובץ, שבו מאוחסן קובץ ה-JAR של מחבר ה-JDBC. אפשר להשתמש בפקודות הבאות כדי להוריד מחברי JDBC להעלאה ל-Cloud Storage:

‫MySQL:

wget http://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.30.tar.gz

‫Postgres SQL:

wget https://jdbc.postgresql.org/download/postgresql-42.2.6.jar

‫Microsoft SQL Server:

  
wget https://repo1.maven.org/maven2/com/microsoft/sqlserver/mssql-jdbc/6.4.0.jre8/mssql-jdbc-6.4.0.jre8.jar

‫Oracle:

wget https://repo1.maven.org/maven2/com/oracle/database/jdbc/ojdbc8/21.7.0.0/ojdbc8-21.7.0.0.jar

‫DATASET ו-TABLE: חובה. מערך הנתונים והטבלה ביעד ב-BigQuery.

המשתנים הבאים משמשים ליצירת JDBC_CONNECTION_URL הנדרש:

JDBC_HOST
JDBC_PORT
‫JDBC_DATABASE, או, ב-Oracle, ‏ JDBC_SERVICE
JDBC_USERNAME
JDBC_PASSWORD

בונים את JDBC_CONNECTION_URL באמצעות אחד מהפורמטים הבאים שספציפיים למחבר:

‫MySQL:

jdbc:mysql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD

‫Postgres SQL:

jdbc:postgresql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD

‫Microsoft SQL Server:

  
jdbc:sqlserver://JDBC_HOST:JDBC_PORT;databaseName=JDBC_DATABASE;user=JDBC_USERNAME;password=JDBC_PASSWORD

‫Oracle:

jdbc:oracle:thin:@//JDBC_HOST:JDBC_PORT/JDBC_SERVICE?user=JDBC_USERNAME&password=JDBC_PASSWORD

‫DRIVER: שדה חובה. מנהל ההתקן של JDBC שישמש לחיבור:

‫MySQL:
```
com.mysql.cj.jdbc.Driver
        
```
‫Postgres SQL:
```
org.postgresql.Driver
        
```

‫Microsoft SQL Server:

  
com.microsoft.sqlserver.jdbc.SQLServerDriver

‫Oracle:

oracle.jdbc.driver.OracleDriver

‫QUERY: שדה חובה. שאילתת SQL לחילוץ נתונים מ-JDBC.
‫MODE: שדה חובה. מצב כתיבה לפלט של BigQuery. אפשרויות: append, ‏ overwrite, ‏ ignore, או errorifexists.
‫TEMP_BUCKET: שדה חובה. שם הקטגוריה של Cloud Storage. הבאקט הזה משמש לטעינה של BigQuery.
דוגמה: gs://templates/jdbc_to_cloud_storage_output
‫INPUT_PARTITION_COLUMN, LOWERBOUND, UPPERBOUND, PARTITIONS: אופציונלי. אם משתמשים בפרמטרים האלה, צריך לציין את כל הפרמטרים הבאים:
- ‫INPUT_PARTITION_COLUMN: שם העמודה של חלוקת טבלת הקלט של JDBC.
- ‫LOWERBOUND: הגבול התחתון של עמודת החלוקה למחיצות של טבלת הקלט ב-JDBC, שמשמש לקביעת גודל המחיצה.
- ‫UPPERBOUND: הגבול העליון של עמודת החלוקה למחיצות של טבלת הקלט של JDBC, שמשמש לקביעת גודל המחיצה.
- ‫PARTITIONS: המספר המקסימלי של המחיצות שאפשר להשתמש בהן להקביל בין קריאות וכתיבות של טבלאות. אם מציינים ערך, הוא משמש לחיבור קלט ופלט של JDBC. ברירת מחדל: 10.
‫FETCHSIZE: אופציונלי. כמה שורות לאחזר לכל נסיעה הלוך ושוב. ברירת מחדל: 10.
‫TEMPVIEW וSQL_QUERY: אופציונליים. אפשר להשתמש בשני הפרמטרים האופציונליים האלה כדי להחיל טרנספורמציה של Spark SQL בזמן טעינת הנתונים ל-BigQuery. ‫TEMPVIEW הוא השם של התצוגה הזמנית, ו-SQL_QUERY הוא משפט השאילתה. השם של TEMPVIEW חייב להיות זהה לשם הטבלה ב-SQL_QUERY.
‫SERVICE_ACCOUNT: אופציונלי. אם לא תציינו חשבון שירות, המערכת תשתמש בחשבון השירות שמוגדר כברירת מחדל ב-Compute Engine.
‫PROPERTY ו-PROPERTY_VALUE: אופציונליים. רשימה מופרדת בפסיקים של זוגות מאפייני Spark=value.
‫LABEL ו-LABEL_VALUE: אופציונליים. רשימה מופרדת בפסיקים של זוגות label=value.
‫LOG_LEVEL: אופציונלי. רמת הרישום ביומן. יכול להיות אחד מהערכים הבאים: ALL, DEBUG, ERROR, FATAL, INFO, OFF, TRACE או WARN. ברירת מחדל: INFO.
‫KMS_KEY: אופציונלי. המפתח של Cloud Key Management Service שבו יש להשתמש להצפנה. אם לא מציינים מפתח, הנתונים מוצפנים באחסון באמצעות Google-owned and Google-managed encryption key.
דוגמה: projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME

מריצים את הפקודה הבאה:

‫Linux,‏ macOS או Cloud Shell

gcloud dataproc batches submit spark \
    --class=com.google.cloud.dataproc.templates.main.DataProcTemplate \
    --version="2.3" \
    --project="PROJECT_ID" \
    --region="REGION" \
    --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar,JDBC_CONNECTOR_CLOUD_STORAGE_PATH" \
    --subnet="SUBNET" \
    --kms-key="KMS_KEY" \
    --service-account="SERVICE_ACCOUNT" \
    --properties="PROPERTY=PROPERTY_VALUE" \
    --labels="LABEL=LABEL_VALUE" \
    -- --template=JDBCTOBIGQUERY \
    --templateProperty log.level="LOG_LEVEL" \
    --templateProperty jdbctobq.bigquery.location="DATASET.TABLE" \
    --templateProperty jdbctobq.jdbc.url="JDBC_CONNECTION_URL" \
    --templateProperty jdbctobq.jdbc.driver.class.name="DRIVER" \
    --templateProperty jdbctobq.write.mode="MODE" \
    --templateProperty jdbctobq.temp.gcs.bucket="TEMP_BUCKET" \
    --templateProperty jdbctobq.sql="QUERY" \
    --templateProperty jdbctobq.sql.numPartitions="PARTITIONS" \
    --templateProperty jdbctobq.sql.partitionColumn="INPUT_PARTITION_COLUMN" \
    --templateProperty jdbctobq.sql.lowerBound="LOWERBOUND" \
    --templateProperty jdbctobq.sql.upperBound="UPPERBOUND" \
    --templateProperty jdbctobq.jdbc.fetchsize="FETCHSIZE" \
    --templateProperty jdbctobq.temp.table="TEMPVIEW" \
    --templateProperty jdbctobq.temp.query="SQL_QUERY"

‏Windows (PowerShell)

gcloud dataproc batches submit spark `
    --class=com.google.cloud.dataproc.templates.main.DataProcTemplate `
    --version="2.3" `
    --project="PROJECT_ID" `
    --region="REGION" `
    --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar,JDBC_CONNECTOR_CLOUD_STORAGE_PATH" `
    --subnet="SUBNET" `
    --kms-key="KMS_KEY" `
    --service-account="SERVICE_ACCOUNT" `
    --properties="PROPERTY=PROPERTY_VALUE" `
    --labels="LABEL=LABEL_VALUE" `
    -- --template=JDBCTOBIGQUERY `
    --templateProperty log.level="LOG_LEVEL" `
    --templateProperty jdbctobq.bigquery.location="DATASET.TABLE" `
    --templateProperty jdbctobq.jdbc.url="JDBC_CONNECTION_URL" `
    --templateProperty jdbctobq.jdbc.driver.class.name="DRIVER" `
    --templateProperty jdbctobq.write.mode="MODE" `
    --templateProperty jdbctobq.temp.gcs.bucket="TEMP_BUCKET" `
    --templateProperty jdbctobq.sql="QUERY" `
    --templateProperty jdbctobq.sql.numPartitions="PARTITIONS" `
    --templateProperty jdbctobq.sql.partitionColumn="INPUT_PARTITION_COLUMN" `
    --templateProperty jdbctobq.sql.lowerBound="LOWERBOUND" `
    --templateProperty jdbctobq.sql.upperBound="UPPERBOUND" `
    --templateProperty jdbctobq.jdbc.fetchsize="FETCHSIZE" `
    --templateProperty jdbctobq.temp.table="TEMPVIEW" `
    --templateProperty jdbctobq.temp.query="SQL_QUERY"

Windows‏ (cmd.exe)

gcloud dataproc batches submit spark ^
    --class=com.google.cloud.dataproc.templates.main.DataProcTemplate ^
    --version="2.3" ^
    --project="PROJECT_ID" ^
    --region="REGION" ^
    --jars="gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar,JDBC_CONNECTOR_CLOUD_STORAGE_PATH" ^
    --subnet="SUBNET" ^
    --kms-key="KMS_KEY" ^
    --service-account="SERVICE_ACCOUNT" ^
    --properties="PROPERTY=PROPERTY_VALUE" ^
    --labels="LABEL=LABEL_VALUE" ^
    -- --template=JDBCTOBIGQUERY ^
    --templateProperty log.level="LOG_LEVEL" ^
    --templateProperty jdbctobq.bigquery.location="DATASET.TABLE" ^
    --templateProperty jdbctobq.jdbc.url="JDBC_CONNECTION_URL" ^
    --templateProperty jdbctobq.jdbc.driver.class.name="DRIVER" ^
    --templateProperty jdbctobq.write.mode="MODE" ^
    --templateProperty jdbctobq.temp.gcs.bucket="TEMP_BUCKET" ^
    --templateProperty jdbctobq.sql="QUERY" ^
    --templateProperty jdbctobq.sql.numPartitions="PARTITIONS" ^
    --templateProperty jdbctobq.sql.partitionColumn="INPUT_PARTITION_COLUMN" ^
    --templateProperty jdbctobq.sql.lowerBound="LOWERBOUND" ^
    --templateProperty jdbctobq.sql.upperBound="UPPERBOUND" ^
    --templateProperty jdbctobq.jdbc.fetchsize="FETCHSIZE" ^
    --templateProperty jdbctobq.temp.table="TEMPVIEW" ^
    --templateProperty jdbctobq.temp.query="SQL_QUERY"

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

‫PROJECT_ID: שדה חובה. Google Cloud מזהה הפרויקט שלכם מופיע בהגדרות IAM.
‫REGION: שדה חובה. אזור Compute Engine.
‫TEMPLATE_VERSION: שדה חובה. מציינים latest לגרסה העדכנית ביותר של התבנית, או את התאריך של גרסה ספציפית, לדוגמה, 2023-03-17_v0.1.0-beta (אפשר להיכנס לכתובת gs://dataproc-templates-binaries או להריץ את הפקודה gcloud storage ls gs://dataproc-templates-binaries כדי לראות רשימה של גרסאות התבניות הזמינות).
‫SUBNET: אופציונלי. אם לא מציינים רשת משנה, המערכת בוחרת את רשת המשנה באזור שצוין ברשת default.
דוגמה: projects/PROJECT_ID/regions/REGION/subnetworks/SUBNET_NAME

‫MySQL:

wget http://dev.mysql.com/get/Downloads/Connector-J/mysql-connector-java-5.1.30.tar.gz

‫Postgres SQL:

wget https://jdbc.postgresql.org/download/postgresql-42.2.6.jar

‫Microsoft SQL Server:

  
wget https://repo1.maven.org/maven2/com/microsoft/sqlserver/mssql-jdbc/6.4.0.jre8/mssql-jdbc-6.4.0.jre8.jar

‫Oracle:

wget https://repo1.maven.org/maven2/com/oracle/database/jdbc/ojdbc8/21.7.0.0/ojdbc8-21.7.0.0.jar

‫DATASET ו-TABLE: חובה. מערך הנתונים והטבלה ביעד ב-BigQuery.

המשתנים הבאים משמשים ליצירת JDBC_CONNECTION_URL הנדרש:

JDBC_HOST
JDBC_PORT
‫JDBC_DATABASE, או, ב-Oracle, ‏ JDBC_SERVICE
JDBC_USERNAME
JDBC_PASSWORD

בונים את JDBC_CONNECTION_URL באמצעות אחד מהפורמטים הבאים שספציפיים למחבר:

‫MySQL:

jdbc:mysql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD

‫Postgres SQL:

jdbc:postgresql://JDBC_HOST:JDBC_PORT/JDBC_DATABASE?user=JDBC_USERNAME&password=JDBC_PASSWORD

‫Microsoft SQL Server:

  
jdbc:sqlserver://JDBC_HOST:JDBC_PORT;databaseName=JDBC_DATABASE;user=JDBC_USERNAME;password=JDBC_PASSWORD

‫Oracle:

jdbc:oracle:thin:@//JDBC_HOST:JDBC_PORT/JDBC_SERVICE?user=JDBC_USERNAME&password=JDBC_PASSWORD

‫DRIVER: שדה חובה. מנהל ההתקן של JDBC שישמש לחיבור:

‫MySQL:
```
com.mysql.cj.jdbc.Driver
        
```
‫Postgres SQL:
```
org.postgresql.Driver
        
```

‫Microsoft SQL Server:

  
com.microsoft.sqlserver.jdbc.SQLServerDriver

‫Oracle:

oracle.jdbc.driver.OracleDriver

‫QUERY: שדה חובה. שאילתת SQL לחילוץ נתונים מ-JDBC.
‫MODE: שדה חובה. מצב כתיבה לפלט של BigQuery. אפשרויות: append, ‏ overwrite, ‏ ignore, או errorifexists.
‫TEMP_BUCKET: שדה חובה. שם הקטגוריה של Cloud Storage. הבאקט הזה משמש לטעינה של BigQuery.
דוגמה: gs://templates/jdbc_to_cloud_storage_output
‫INPUT_PARTITION_COLUMN, LOWERBOUND, UPPERBOUND, PARTITIONS: אופציונלי. אם משתמשים בפרמטרים האלה, צריך לציין את כל הפרמטרים הבאים:
- ‫INPUT_PARTITION_COLUMN: שם העמודה של חלוקת טבלת הקלט של JDBC.
- ‫LOWERBOUND: הגבול התחתון של עמודת החלוקה למחיצות של טבלת הקלט ב-JDBC, שמשמש לקביעת גודל המחיצה.
- ‫UPPERBOUND: הגבול העליון של עמודת החלוקה למחיצות של טבלת הקלט של JDBC, שמשמש לקביעת גודל המחיצה.
- ‫PARTITIONS: המספר המקסימלי של המחיצות שאפשר להשתמש בהן להקביל בין קריאות וכתיבות של טבלאות. אם מציינים ערך, הוא משמש לחיבור קלט ופלט של JDBC. ברירת מחדל: 10.
‫FETCHSIZE: אופציונלי. כמה שורות לאחזר לכל נסיעה הלוך ושוב. ברירת מחדל: 10.
‫TEMPVIEW וSQL_QUERY: אופציונליים. אפשר להשתמש בשני הפרמטרים האופציונליים האלה כדי להחיל טרנספורמציה של Spark SQL בזמן טעינת הנתונים ל-BigQuery. ‫TEMPVIEW הוא השם של התצוגה הזמנית, ו-SQL_QUERY הוא משפט השאילתה. השם של TEMPVIEW חייב להיות זהה לשם הטבלה ב-SQL_QUERY.
‫SERVICE_ACCOUNT: אופציונלי. אם לא תציינו חשבון שירות, המערכת תשתמש בחשבון השירות שמוגדר כברירת מחדל ב-Compute Engine.
‫PROPERTY ו-PROPERTY_VALUE: אופציונליים. רשימה מופרדת בפסיקים של זוגות מאפייני Spark=value.
‫LABEL ו-LABEL_VALUE: אופציונליים. רשימה מופרדת בפסיקים של זוגות label=value.
‫LOG_LEVEL: אופציונלי. רמת הרישום ביומן. יכול להיות אחד מהערכים הבאים: ALL, DEBUG, ERROR, FATAL, INFO, OFF, TRACE או WARN. ברירת מחדל: INFO.
‫KMS_KEY: אופציונלי. המפתח של Cloud Key Management Service שבו יש להשתמש להצפנה. אם לא מציינים מפתח, הנתונים מוצפנים באחסון באמצעות Google-owned and Google-managed encryption key.
דוגמה: projects/PROJECT_ID/regions/REGION/keyRings/KEY_RING_NAME/cryptoKeys/KEY_NAME

ה-method של ה-HTTP וכתובת ה-URL:

POST https://dataproc.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/batches

תוכן בקשת JSON:


{
  "environmentConfig": {
    "executionConfig": {
      "subnetworkUri": "SUBNET",
      "kmsKey": "KMS_KEY",
      "serviceAccount": "SERVICE_ACCOUNT"
    }
  },
  "labels": {
    "LABEL": "LABEL_VALUE"
  },
  "runtimeConfig": {
    "version": "2.3",
    "properties": {
      "PROPERTY": "PROPERTY_VALUE"
    }
  },
  "sparkBatch": {
    "mainClass": "com.google.cloud.dataproc.templates.main.DataProcTemplate",
    "args": [
      "--template","JDBCTOBIGQUERY",
      "--templateProperty","log.level=LOG_LEVEL",
      "--templateProperty","jdbctobq.bigquery.location=DATASET.TABLE",
      "--templateProperty","jdbctobq.jdbc.url=JDBC_CONNECTION_URL",
      "--templateProperty","jdbctobq.jdbc.driver.class.name=DRIVER",
      "--templateProperty","jdbctobq.sql=QUERY",
      "--templateProperty","jdbctobq.write.mode=MODE",
      "--templateProperty","jdbctobq.temp.gcs.bucket=TEMP_BUCKET",
      "--templateProperty","jdbctobq.sql.partitionColumn=INPUT_PARTITION_COLUMN",
      "--templateProperty","jdbctobq.sql.lowerBound=LOWERBOUND",
      "--templateProperty","jdbctobq.sql.upperBound=UPPERBOUND",
      "--templateProperty","jdbctobq.sql.numPartitions=PARTITIONS",
      "--templateProperty","jdbctobq.jdbc.fetchsize=FETCHSIZE"
    ],
    "jarFileUris": [
      "gs://dataproc-templates-binaries/TEMPLATE_VERSION/java/dataproc-templates.jar","JDBC_CONNECTOR_CLOUD_STORAGE_PATH"
    ]
  }
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

‫Curl (Linux,‏ macOS או Cloud Shell)

הערה: הפקודה הבאה מבוססת על ההנחה שנכנסתם ל-CLI של gcloud באמצעות חשבון המשתמש שלכם, על ידי הרצת gcloud init או gcloud auth login, או באמצעות Cloud Shell שמחבר אתכם אוטומטית ל-CLI של gcloud. כדי לבדוק איזה חשבון פעיל, אפשר להריץ את הפקודה gcloud auth list.

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://dataproc.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/batches"

‎PowerShell (Windows)

הערה: הפקודה הבאה מבוססת על ההנחה שנכנסתם ל-CLI של gcloud באמצעות חשבון המשתמש שלכם, על ידי הרצת gcloud init או gcloud auth login. כדי לבדוק איזה חשבון פעיל, אפשר להריץ את הפקודה gcloud auth list.

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://dataproc.googleapis.com/v1/projects/PROJECT_ID/locations/REGION/batches" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:


{
  "name": "projects/PROJECT_ID/regions/REGION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.dataproc.v1.BatchOperationMetadata",
    "batch": "projects/PROJECT_ID/locations/REGION/batches/BATCH_ID",
    "batchUuid": "de8af8d4-3599-4a7c-915c-798201ed1583",
    "createTime": "2023-02-24T03:31:03.440329Z",
    "operationType": "BATCH",
    "description": "Batch"
  }
}