Google Cloud Storage konfigurálása másolási tevékenységben

Ez a cikk azt ismerteti, hogyan használhatja a másolási tevékenységet az adatfolyamban adatok másolására a Google Cloud Storage-ból és a Google Cloud Storage-ba.

Előfeltételek

A Google Cloud Storage-fiókhoz a következő beállítás szükséges:

1. A Google Cloud Storage-fiók együttműködési képességének engedélyezése.

2. Állítsa be az alapértelmezett projektet, amely a cél Google Cloud Storage-gyűjtőből másolni kívánt adatokat tartalmazza.

3. Hozzon létre egy szolgáltatásfiókot, és határozza meg a megfelelő engedélyeket a felhőbeli IAM használatával a GCP-n.

4. Hozza létre a szolgáltatásfiók hozzáférési kulcsait.

   

Szükséges engedélyek

Ha adatokat szeretne másolni a Google Cloud Storage-ból, győződjön meg arról, hogy a következő engedélyekkel rendelkezik az objektumműveletekhez: storage.objects.get és storage.objects.list.

Emellett engedélyre van szükség olyan műveletekhez, storage.buckets.list mint a kapcsolat tesztelése és a gyökérszintű böngészés.

A Google Cloud Storage-szerepkörök és a kapcsolódó engedélyek teljes listájához lépjen a Cloud Storage IAM-szerepköreihez a Google Cloud webhelyén.

Támogatott formátum

A Google Cloud Storage a következő fájlformátumokat támogatja. A formátumalapú beállításokat az egyes cikkekben találja.

• Avro formátum
• Bináris formátum
• Tagolt szövegformátum
• Excel-formátum
• JSON formátum
• ORC formátum
• Parquet formátum
• XML-formátum

Támogatott konfiguráció

A másolási tevékenység alatt lévő lapok konfigurációjához tekintse meg a következő szakaszokat.

• Általános
• Forrás
• Cél
• Hozzárendelés
• Beállítások

Általános

Az Általános lap konfigurációjához lépjen az Általános lapra.

Forrás

A Google Cloud Storage a másolási tevékenység Forrás lapján az alábbi tulajdonságokat támogatja.

A következő tulajdonságok szükségesek:

• Adattár típusa: Válassza a Külső lehetőséget.

• Csatlakozás ion: Válasszon egy Google Cloud Storage-kapcsolatot a kapcsolatlistából. Ha nincs kapcsolat, hozzon létre egy új Google Cloud Storage-kapcsolatot az Új lehetőség kiválasztásával.

• Fájl elérési útjának típusa: A fájl elérési útjaként kiválaszthatja a fájl elérési útját, az előtagot, a helyettesítő karakterek elérési útját vagy a fájlok listáját. Az egyes beállítások konfigurációja a következő:

  • Fájl elérési útja: Ha ezt a típust választja, az adatok átmásolhatók a Fájl elérési útján megadott gyűjtőből vagy mappából/fájl elérési útból.

  • Előtag: Ha ezt a típust választja, adja meg a gyűjtőt és az előtagot.

    • Gyűjtő: Adja meg a Google Cloud Storage gyűjtő nevét. Ez kötelező.

    • Előtag: A Google Cloud Storage kulcs nevének előtagja a megadott gyűjtő alatt a Forrás Google Cloud Storage-fájlok szűréséhez. A Google Cloud Storage-kulcsok, amelyeknek a neve a kezdőbetűkkel given_bucket/this_prefix kezdődik, ki vannak választva. A Google Cloud Storage szolgáltatásoldali szűrőjét használja, amely jobb teljesítményt nyújt, mint a helyettesítő karakterek szűrői.

      

  • Helyettesítő karakterek elérési útja: Ha ezt a típust választja, adja meg a Gyűjtő és a Helyettesítő karakterek elérési útját.

    • Gyűjtő: Adja meg a Google Cloud Storage gyűjtő nevét. Ez kötelező.

    • Helyettesítő karakterek elérési útjai: A forrásmappák vagy fájlok szűréséhez adja meg az adott gyűjtő alatt helyettesítő karaktereket tartalmazó mappát vagy fájl elérési útját.

      Az engedélyezett helyettesítő karakterek a következők: * (nulla vagy több karakternek felel meg) és ? (nulla vagy egyetlen karakternek felel meg). A feloldás akkor használható ^ , ha a mappa neve helyettesítő karaktert vagy ebben a feloldó karaktert használ. További példákért tekintse meg a Mappa és fájlszűrő példákat.

      

      • Helyettesítő karakterek mappa elérési útja: Adja meg a mappa elérési útját helyettesítő karakterekkel az adott gyűjtő alatt a forrásmappák szűréséhez.

      • Helyettesítő karakterek fájlneve: A forrásfájlok szűréséhez adja meg a megadott gyűjtő- és mappaútvonal (vagy helyettesítő mappa elérési útja) alatti helyettesítő karaktereket tartalmazó fájlnevet.

  • Fájlok listája: Ha ezt a típust választja, adja meg a mappa elérési útját és a fájllista elérési útját, amely egy adott fájlkészlet másolását jelzi. Mutasson egy szövegfájlra, amely tartalmazza a másolandó fájlok listáját, soronként egy fájlt, amely a konfigurált elérési út relatív elérési útja. További példákért tekintse meg a Fájllista példákat.

    

    • Mappa elérési útja: Adja meg a mappa elérési útját az adott gyűjtő alatt. Ez kötelező.
    • Elérési út a fájllistához: Adja meg a másolandó fájlok listáját tartalmazó szövegfájl elérési útját.

• Rekurzívan: Azt jelzi, hogy az adatok rekurzív módon vannak-e beolvasva az almappákból vagy csak a megadott mappából. Vegye figyelembe, hogy ha ez a jelölőnégyzet be van jelölve, és a cél egy fájlalapú tároló, a program nem másol vagy hoz létre egy üres mappát vagy almappát a célhelyen.

• Fájlformátum: Válassza ki a legördülő listából alkalmazott fájlformátumot. Válassza a Gépház a fájlformátum konfigurálásához. A különböző fájlformátumok beállításairól részletes információt a támogatott formátumú cikkekben talál.

A Speciális területen a következő mezőket adhatja meg:

• Szűrés utoljára módosítva: A fájlok szűrése a megadott utolsó módosított dátumok alapján történik. Ez a tulajdonság nem érvényes, ha a fájl elérési útját fájllistaként konfigurálja.

  • Kezdési idő (UTC):: A fájlok akkor lesznek kiválasztva, ha az utolsó módosításuk időpontja nagyobb vagy egyenlő a konfigurált időpontnál.
  • Befejezési idő (UTC):: A fájlok akkor lesznek kiválasztva, ha utolsó módosításuk időpontja kisebb, mint a konfigurált idő.

  Ha a kezdési időpont (UTC) dátum/idő értékkel rendelkezik, de a befejezési idő (UTC) NULL, az azt jelenti, hogy azok a fájlok lesznek kiválasztva, amelyek utolsó módosított attribútuma nagyobb vagy egyenlő a dátum/idő értékkel. Ha a befejezési idő (UTC) dátum/idő értékkel rendelkezik, de a kezdési idő (UTC) NULL, az azt jelenti, hogy azok a fájlok lesznek kiválasztva, amelyek utolsó módosított attribútuma kisebb, mint a dátum/idő érték. A tulajdonságok null értékűek lehetnek, ami azt jelenti, hogy a rendszer nem alkalmaz fájlattribútum-szűrőt az adatokra.

• Partíciófelderítés engedélyezése: Adja meg, hogy elemezni szeretné-e a partíciókat a fájl elérési útjából, és további forrásoszlopokként adja hozzá őket. Alapértelmezés szerint nincs kiválasztva, és bináris fájlformátum használata esetén nem támogatott.

  • Partíció gyökérútvonala: Ha a partíciófelderítés engedélyezve van, adja meg az abszolút gyökér elérési utat a particionált mappák adatoszlopként való olvasásához.

    Ha nincs megadva, alapértelmezés szerint

    • Ha fájlelérési utat vagy fájllistát használ a forrásban, a partíció gyökérútvonala a konfigurált elérési út.
    • Helyettesítő karakteres mappaszűrő használatakor a partíció gyökérútvonala az első helyettesítő karakter előtti alútvonal.
    • Előtag használata esetén a partíció gyökérútvonala az utolsó "/" előtti alútvonal.

    Tegyük fel például, hogy az elérési utat a következőképpen root/folder/year=2020/month=08/day=27konfigurálja:

    • Ha a partíció gyökérútvonalát adja meg, root/folder/year=2020a másolási tevékenység a fájlokon belüli oszlopok mellett még két oszlopot hoz létre a hónap és a nap során a "08" és a "27" értékkel.
    • Ha nincs megadva a partíció gyökérútvonala, a rendszer nem hoz létre további oszlopot.

    

• Maximális egyidejű kapcsolat: Az adattárban a tevékenységfuttatás során létrehozott egyidejű kapcsolatok felső korlátja. Csak akkor adjon meg értéket, ha korlátozni szeretné az egyidejű kapcsolatokat.

• További oszlopok: További adatoszlopok hozzáadása a forrásfájlok relatív elérési útjának vagy statikus értékének tárolásához. A kifejezés az utóbbi esetében támogatott.

Cél

A Google Cloud Storage a másolási tevékenység Cél lapján az alábbi tulajdonságokat támogatja.

A következő tulajdonságok szükségesek:

• Adattár típusa: Válassza a Külső lehetőséget.
• Csatlakozás ion: Válasszon egy Google Cloud Storage-kapcsolatot a kapcsolatlistából. Ha nincs kapcsolat, hozzon létre egy új Google Cloud Storage-kapcsolatot az Új lehetőség kiválasztásával.
• Fájl elérési útja: Az adatok átmásolhatók a megadott gyűjtőbe vagy a megadott gyűjtőbe és mappa elérési útba.
• Fájlformátum: Válassza ki a legördülő listából alkalmazott fájlformátumot. Válassza a Gépház a fájlformátum konfigurálásához. A különböző fájlformátumok beállításairól részletes információt a támogatott formátumú cikkekben talál.

A Speciális területen a következő mezőket adhatja meg:

• Másolási viselkedés: Meghatározza a másolási viselkedést, ha a forrás fájlalapú adattárból származó fájl. A viselkedést a legördülő listában választhatja ki.

  • Egybesimított hierarchia: A forrásmappából származó összes fájl a célmappa első szintjén található. A célfájlok automatikusan létrehozott névvel rendelkeznek.
  • Fájlok egyesítése: A forrásmappából származó összes fájlt egyetlen fájlba egyesíti. Ha a fájlnév meg van adva, az egyesített fájlnév a megadott név. Ellenkező esetben ez egy automatikusan létrehozott fájlnév.
  • Hierarchia megőrzése: Megőrzi a fájlhierarchiát a célmappában. A forrásfájl forrásmappához viszonyított elérési útja megegyezik a célfájl célmappához viszonyított elérési útjának elérési útával.

• Egyidejű kapcsolatok maximális száma: Ez a tulajdonság az adattárban a tevékenységfuttatás során létesített egyidejű kapcsolatok felső korlátját jelzi. Csak akkor adjon meg értéket, ha korlátozni szeretné az egyidejű kapcsolatokat.

Hozzárendelés

A Leképezés lap konfigurálásához tekintse meg a leképezések konfigurálása a leképezési lapon című témakört. Ha a Bináris fájlt választja fájlformátumként, a leképezés nem támogatott.

Beállítások

A Gépház lap konfigurációjához válassza a Beállítások lap egyéb beállításainak konfigurálását.

Táblázat összefoglalása

Az alábbi táblázatok további információkat tartalmaznak a Google Cloud Storage másolási tevékenységéről.

Forrásadatok

Név	Leírás	Érték	Szükséges	JSON-szkripttulajdonság
Adattár típusa	Az adattár típusa.	Külső	Igen	/
Kapcsolat	A forrásadattárhoz való kapcsolódás.	<a Google Cloud Storage-kapcsolat>	Igen	kapcsolat
Fájl elérési útja	A forrásadatok lekéréséhez használt fájl elérési útja.	• Fájl elérési útja • Előtag • Helyettesítő karakterek elérési útja • Fájlok listája	Igen	/
Fájl elérési útja
Vödör	A Google Cloud Storage gyűjtő neve.	<a gyűjtő neve>	Igen	bucketName
Taglista	A megadott gyűjtő alatti mappa elérési útja.	<a mappa neve>	Nem	folderpath
Fájlnév	A megadott gyűjtő és mappa elérési útja alatti fájlnév.	<a fájl neve>	Nem	fileName
Előtag esetén
Vödör	A Google Cloud Storage gyűjtő neve.	<a gyűjtő neve>	Igen	bucketName
Előtag	A Google Cloud Storage kulcsnév előtagja az adott gyűjtő alatt a Forrás Google Cloud Storage-fájlok szűréséhez.	<az előtag>	Nem	Előtag
Helyettesítő karakterek elérési útja
Vödör	A Google Cloud Storage gyűjtő neve.	<a gyűjtő neve>	Igen	bucketName
Helyettesítő karakterek mappa elérési útja	A mappa elérési útja helyettesítő karakterekkel a megadott gyűjtő alatt a forrásmappák szűréséhez.	<a mappa elérési útja helyettesítő karakterekkel>	Nem	wildcardFolderPath
Helyettesítő karakter fájlneve	A fájl neve helyettesítő karakterekkel a megadott gyűjtő- és mappaútvonal (vagy helyettesítő mappa elérési útja) alatt a forrásfájlok szűréséhez.	<a fájl neve helyettesítő karakterekkel>	Igen	wildcardFileName
Fájlok listájához
Vödör	A Google Cloud Storage gyűjtő neve.	<a gyűjtő neve>	Igen	bucketName
Taglista	A megadott gyűjtő alatti mappa elérési útja.	<a mappa neve>	Nem	folderpath
Fájllista elérési útja	Egy adott fájlkészlet másolását jelzi. Mutasson egy szövegfájlra, amely a másolni kívánt fájlok listáját tartalmazza, soronként egy fájlt.	< fájllista elérési útja >	Nem	fileListPath
Fájlformátum	A forrásadatok fájlformátuma. A különböző fájlformátumokról további információt a támogatott formátumú cikkekben talál.	/	Igen	/
Rekurzív	Azt jelzi, hogy az adatok rekurzív módon vannak-e beolvasva az almappákból vagy csak a megadott mappából. Vegye figyelembe, hogy ha ez a jelölőnégyzet be van jelölve, és a cél egy fájlalapú tároló, a program nem másol vagy hoz létre egy üres mappát vagy almappát a célhelyen.	kiválasztva (alapértelmezett) vagy a kijelölés megszüntetése	Nem	Rekurzív
Szűrés utoljára módosítva	A tartományban legutóbb módosított [Kezdési időpont, Befejezési idő) fájlok szűrése további feldolgozás céljából történik. Az idő az UTC időzónára lesz alkalmazva a következő yyyy-mm-ddThh:mm:ss.fffZformátumban: . Ezek a tulajdonságok kihagyhatók, ami azt jelenti, hogy a rendszer nem alkalmaz fájlattribútum-szűrőt. Ez a tulajdonság nem érvényes, ha a fájl elérési útját fájllistaként konfigurálja.	dátum/idő	Nem	modifiedDatetimeStart modifiedDatetimeEnd
Partíciófelderítés engedélyezése	Azt jelzi, hogy elemezni kell-e a partíciókat a fájl elérési útjából, és további forrásoszlopokként kell-e hozzáadni őket.	ki van jelölve vagy nincs kijelölve (alapértelmezett)	Nem	enablePartitionDiscovery: igaz vagy hamis (alapértelmezett)
Partíció gyökérútvonala	Ha a partíciófelderítés engedélyezve van, adja meg az abszolút gyökér elérési utat a particionált mappák adatoszlopként való olvasásához.	< a partíció gyökérútvonala >	Nem	partitionRootPath
Egyidejű kapcsolat maximális kihasználtság	Az adattárhoz a tevékenység futtatása során létrehozott egyidejű kapcsolatok felső korlátja. Csak akkor adjon meg értéket, ha korlátozni szeretné az egyidejű kapcsolatokat.	<egyidejű kapcsolatok maximális kihasználása>	Nem	maxConcurrent Csatlakozás ions
További oszlopok	Adjon hozzá további adatoszlopokat a forrásfájlok relatív elérési útjának vagy statikus értékének tárolásához. A kifejezés az utóbbi esetében támogatott.	•Név •Érték	Nem	továbbicolumnok: •név •Érték

Céladatok

Név	Leírás	Érték	Szükséges	JSON-szkripttulajdonság
Adattár típusa	Az adattár típusa.	Külső	Igen	/
Kapcsolat	A céladattárhoz való kapcsolódás.	<a Google Cloud Storage-kapcsolat>	Igen	kapcsolat
Elérési út	A célfájl mappa/fájl elérési útja.	< mappa/fájl elérési útja>	Igen	/
Vödör	A Google Cloud Storage gyűjtő neve.	<a gyűjtő neve>	Igen	bucketName
Taglista	A megadott gyűjtő alatti mappa elérési útja.	<a mappa neve>	Nem	folderpath
Fájlnév	A megadott gyűjtő és mappa elérési útja alatti fájlnév.	<a fájl neve>	Nem	fileName
Másolási viselkedés	Meghatározza a másolási viselkedést, ha a forrás fájlalapú adattárból származó fájlok.	• Egybesimított hierarchia • Fájlok egyesítése • A hierarchia megőrzése	Nem	copyBehavior: • FlattenHierarchy • MergeFiles • PreserveHierarchy
Egyidejű kapcsolatok maximális kihasználása	Az adattárhoz a tevékenység futtatása során létrehozott egyidejű kapcsolatok felső korlátja. Csak akkor adjon meg értéket, ha korlátozni szeretné az egyidejű kapcsolatokat.	<egyidejű kapcsolatok maximális kihasználása>	Nem	maxConcurrent Csatlakozás ions

Következő lépések

• Google Cloud Storage-kapcsolat beállítása