BigQuery to Clickhouse テンプレートは、BigQuery テーブルから既存の Clickhouse テーブルにデータをコピーするバッチ パイプラインです。テンプレートでは、テーブル全体を読み取ることも、クエリを使用して特定のレコードを読み取ることもできます。
パイプラインの要件
- ソースとなる BigQuery テーブルが存在していること。
- Clickhouse テーブルが存在していること。
テンプレートのパラメータ
必須パラメータ
- jdbcUrl: ターゲット ClickHouse JDBC URL(
jdbc:clickhouse://host:port/schema
形式)。JDBC URL の末尾に JDBC オプションを追加できます。例:jdbc:clickhouse://localhost:8123/default
- clickHouseUsername: 認証に使用する ClickHouse のユーザー名。
- clickHouseTable: データを挿入するターゲット ClickHouse テーブル名。
オプション パラメータ
- inputTableSpec: 読み取り元の BigQuery テーブル。
inputTableSpec
を指定すると、テンプレートは BigQuery Storage Read API(https://cloud.google.com/bigquery/docs/reference/storage)を使用して、BigQuery ストレージから直接データを読み取ります。Storage Read API の制限については、https://cloud.google.com/bigquery/docs/reference/storage#limitations をご覧ください。inputTableSpec
またはquery
を指定する必要があります。両方のパラメータを設定した場合、テンプレートはquery
パラメータを使用します。例:<BIGQUERY_PROJECT>:<DATASET_NAME>.<INPUT_TABLE>
- outputDeadletterTable: 出力テーブルに到達できなかったメッセージの BigQuery テーブル。テーブルが存在しない場合は、パイプラインの実行中に作成されます。指定しない場合は
<outputTableSpec>_error_records
が使用されます例:<PROJECT_ID>:<DATASET_NAME>.<DEADLETTER_TABLE>
- query: BigQuery からデータを読み取るために使用する SQL クエリ。BigQuery データセットが Dataflow ジョブとは異なるプロジェクトにある場合は、SQL クエリで完全なデータセット名を指定します(例: <PROJECT_ID>.<DATASET_NAME>.<TABLE_NAME>)。デフォルトでは、
useLegacySql
がtrue
でない限り、query
パラメータは GoogleSQL(https://cloud.google.com/bigquery/docs/introduction-sql)を使用します。inputTableSpec
またはquery
を指定する必要があります。両方のパラメータを設定した場合、テンプレートはquery
パラメータを使用します。例:select * from sampledb.sample_table
- useLegacySql: レガシー SQL を使用するには、
true
に設定します。このパラメータは、query
パラメータを使用する場合にのみ適用されます。デフォルトはfalse
です。 - queryLocation: 基となるテーブルの権限なしで承認済みビューから読み取る場合は必須です例:
US
- queryTempDataset: このオプションを使用すると、既存のデータセットを設定して、クエリの結果を保存する一時テーブルを作成できます。例:
temp_dataset
- KMSEncryptionKey: クエリソースを使用して BigQuery から読み取る場合は、この Cloud KMS 鍵を使用して、作成された一時テーブルを暗号化します。例:
projects/your-project/locations/global/keyRings/your-keyring/cryptoKeys/your-key
- clickHousePassword: 認証に使用する ClickHouse のパスワード。
- maxInsertBlockSize: 挿入ブロックの作成を制御する場合の挿入ブロックの最大サイズ(ClickHouseIO オプション)。
- insertDistributedSync: この設定が有効になっている場合、分散クラスタに対する挿入クエリは、データがクラスタ内のすべてのノードに送信されるまで待機します(ClickHouseIO オプション)。
- insertQuorum: レプリケートされたテーブルの INSERT クエリで、指定した数のレプリカへの書き込みを待機し、データの追加を線形化します。0 - 無効。この設定は、デフォルトのサーバー設定では無効になっています(ClickHouseIO オプション)。
- insertDeduplicate: レプリケートされたテーブルの INSERT クエリで、挿入ブロックの重複除去を実行するように指定します。
- maxRetries: 挿入あたりの最大再試行回数。
テンプレートを実行する
コンソール
- Dataflow の [テンプレートからジョブを作成] ページに移動します。 [テンプレートからジョブを作成] に移動
- [ジョブ名] フィールドに、固有のジョブ名を入力します。
- (省略可)[リージョン エンドポイント] で、プルダウン メニューから値を選択します。デフォルトのリージョンは
us-central1
です。Dataflow ジョブを実行できるリージョンのリストについては、Dataflow のロケーションをご覧ください。
- [Dataflow テンプレート] プルダウン メニューから、[ the BigQuery to Clickhouse template] を選択します。
- 表示されたパラメータ フィールドに、パラメータ値を入力します。
- [ジョブを実行] をクリックします。
gcloud
シェルまたはターミナルで、テンプレートを実行します。
gcloud dataflow flex-template run JOB_NAME \ --project=PROJECT_ID \ --region=REGION_NAME \ --template-file-gcs-location=gs://dataflow-templates-REGION_NAME/VERSION/flex/BigQuery_to_Clickhouse \ --parameters \ jdbcUrl=JDBC_URL,\ clickHouseUsername=CLICKHOUSE_USERNAME,\ clickHouseTable=CLICKHOUSE_TABLE
次のように置き換えます。
PROJECT_ID
: Dataflow ジョブを実行する Google Cloud プロジェクト IDJOB_NAME
: 一意の任意のジョブ名REGION_NAME
: Dataflow ジョブをデプロイするリージョン(例:us-central1
)VERSION
: 使用するテンプレートのバージョン使用できる値は次のとおりです。
latest
: 最新バージョンのテンプレートを使用します。このテンプレートは、バケット内で日付のない親フォルダ(gs://dataflow-templates-REGION_NAME/latest/)にあります。- バージョン名(例:
2023-09-12-00_RC00
)。特定のバージョンのテンプレートを使用します。このテンプレートは、バケット内で対応する日付の親フォルダ(gs://dataflow-templates-REGION_NAME/)にあります。
JDBC_URL
: JDBC URL。CLICKHOUSE_USERNAME
: ClickHouse のユーザー名。CLICKHOUSE_TABLE
: ClickHouse テーブル。
API
REST API を使用してテンプレートを実行するには、HTTP POST リクエストを送信します。API とその認証スコープの詳細については、projects.templates.launch
をご覧ください。
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/flexTemplates:launch { "launch_parameter": { "jobName": "JOB_NAME", "parameters": { "jdbcUrl": "JDBC_URL", "clickHouseUsername": "CLICKHOUSE_USERNAME", "clickHouseTable": "CLICKHOUSE_TABLE" }, "containerSpecGcsPath": "gs://dataflow-templates-LOCATION/VERSION/flex/BigQuery_to_Clickhouse", } }
次のように置き換えます。
PROJECT_ID
: Dataflow ジョブを実行する Google Cloud プロジェクト IDJOB_NAME
: 一意の任意のジョブ名LOCATION
: Dataflow ジョブをデプロイするリージョン(例:us-central1
)VERSION
: 使用するテンプレートのバージョン使用できる値は次のとおりです。
latest
: 最新バージョンのテンプレートを使用します。このテンプレートは、バケット内で日付のない親フォルダ(gs://dataflow-templates-REGION_NAME/latest/)にあります。- バージョン名(例:
2023-09-12-00_RC00
)。特定のバージョンのテンプレートを使用します。このテンプレートは、バケット内で対応する日付の親フォルダ(gs://dataflow-templates-REGION_NAME/)にあります。
JDBC_URL
: JDBC URL。CLICKHOUSE_USERNAME
: ClickHouse のユーザー名。CLICKHOUSE_TABLE
: ClickHouse テーブル。
次のステップ
- Dataflow テンプレートについて学習する。
- Google 提供のテンプレートのリストを確認する。