BigQuery 匯出至 Parquet (透過 Storage API) 範本

「BigQuery 匯出至 Parquet 範本」是一個批次管道,可從 BigQuery 資料表讀取資料,並以 Parquet 格式寫入 Cloud Storage bucket。這個範本會使用 BigQuery Storage API 匯出資料。

管道相關規定

  • 執行管道前,輸入 BigQuery 資料表必須已存在。
  • 在執行管道前,輸出 Cloud Storage bucket 必須已存在。

範本參數

必要參數

  • tableRef:BigQuery 輸入資料表位置。例如:your-project:your-dataset.your-table-name。
  • bucket:用於寫入 Parquet 檔案的 Cloud Storage 資料夾。例如:gs://your-bucket/export/。

選用參數

  • numShards:輸出檔案資料分割數量。預設值為 1。
  • 欄位:以逗號分隔的清單,可從輸入的 BigQuery 資料表選取。
  • rowRestriction:只讀取符合指定篩選條件的資料列,篩選條件必須是與 Google 標準 SQL 相容的 SQL 運算式 (https://cloud.google.com/bigquery/docs/reference/standard-sql)。如未指定值,系統會傳回所有資料列。

執行範本

控制台

  1. 前往 Dataflow 的「Create job from template」(依據範本建立工作) 頁面。
  2. 前往「依範本建立工作」
  3. 在「Job name」(工作名稱) 欄位中,輸入專屬工作名稱。
  4. 選用:如要使用區域端點,請從下拉式選單中選取值。預設區域為 us-central1。

    如需可執行 Dataflow 工作的區域清單,請參閱「Dataflow 位置」。

  5. 從「Dataflow template」(Dataflow 範本) 下拉式選單中,選取「BigQuery export to Parquet (via Storage API)」(透過 Storage API 將 BigQuery 匯出至 Parquet) 範本。
  6. 在提供的參數欄位中輸入參數值。
  7. 按一下「Run Job」(執行工作)。

gcloud

在殼層或終端機中執行範本:

gcloud dataflow flex-template run JOB_NAME \
    --project=PROJECT_ID \
    --template-file-gcs-location=gs://dataflow-templates/VERSION/flex/BigQuery_to_Parquet \
    --region=REGION_NAME \
    --parameters \
tableRef=BIGQUERY_TABLE,\
bucket=OUTPUT_DIRECTORY,\
numShards=NUM_SHARDS,\
fields=FIELDS

更改下列內容:

  • PROJECT_ID:您要執行 Dataflow 工作的 Google Cloud 專案 ID
  • JOB_NAME:您選擇的不重複工作名稱
  • VERSION:您要使用的範本版本

    您可以使用下列值:

    • latest,使用範本的最新版本,該版本位於 bucket 中非依日期命名的上層資料夾:gs://dataflow-templates/latest/
    • 版本名稱,例如 2023-09-12-00_RC00,可使用特定版本的範本,該範本會以巢狀結構存放在 bucket 中相應的依日期命名上層資料夾中:gs://dataflow-templates/
  • REGION_NAME:您要部署 Dataflow 工作的區域,例如 us-central1
  • BIGQUERY_TABLE:BigQuery 資料表名稱
  • OUTPUT_DIRECTORY:輸出檔案的 Cloud Storage 資料夾
  • NUM_SHARDS:所需的輸出檔案分片數量
  • FIELDS:要從輸入 BigQuery 資料表選取的欄位清單 (以半形逗號分隔)

API

如要使用 REST API 執行範本,請傳送 HTTP POST 要求。如要進一步瞭解 API 和授權範圍,請參閱 projects.templates.launch。

POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/flexTemplates:launch
{
   "launch_parameter": {
      "jobName": "JOB_NAME",
      "parameters": {
          "tableRef": "BIGQUERY_TABLE",
          "bucket": "OUTPUT_DIRECTORY",
          "numShards": "NUM_SHARDS",
          "fields": "FIELDS"
      },
      "containerSpecGcsPath": "gs://dataflow-templates/VERSION/flex/BigQuery_to_Parquet",
   }
}

更改下列內容:

  • PROJECT_ID:您要執行 Dataflow 工作的 Google Cloud 專案 ID
  • JOB_NAME:您選擇的不重複工作名稱
  • VERSION:您要使用的範本版本

    您可以使用下列值:

    • latest,使用範本的最新版本,該版本位於 bucket 中非依日期命名的上層資料夾:gs://dataflow-templates/latest/
    • 版本名稱,例如 2023-09-12-00_RC00,可使用特定版本的範本,該範本會以巢狀結構存放在 bucket 中相應的依日期命名上層資料夾中:gs://dataflow-templates/
  • LOCATION:您要部署 Dataflow 工作的區域,例如 us-central1
  • BIGQUERY_TABLE:BigQuery 資料表名稱
  • OUTPUT_DIRECTORY:輸出檔案的 Cloud Storage 資料夾
  • NUM_SHARDS:所需的輸出檔案分片數量
  • FIELDS:要從輸入 BigQuery 資料表選取的欄位清單 (以半形逗號分隔)

後續步驟