从 Pub/Sub 流式来源中读取

Cloud Data Fusion 支持流式数据流水线中的 Pub/Sub 源。

准备工作

角色与权限

如需获取从 Pub/Sub 流处理来源读取数据所需的权限， 请让管理员向您授予 用于访问 Pub/Sub 订阅的服务账号的 Pub/Sub Editor (roles/pubsub.editor) IAM 角色。 如需详细了解如何授予角色，请参阅管理访问权限。

此预定义角色包含 以及从 Pub/Sub 流处理来源读取数据所需的权限。如需查看所需的确切权限，请展开所需权限部分：

所需权限

如需从 Pub/Sub 流处理来源读取数据，您需要具备以下权限：

  • pubsub.snapshots.create
  • pubsub.snapshots.delete
  • pubsub.snapshots.seek
  • pubsub.subscriptions.consume
  • pubsub.topics.attachSubscription

您也可以使用自定义角色或其他预定义角色来获取这些权限。

针对您在插件属性中指定的服务账号授予角色 用于访问 Pub/Sub如果未指定，则向 具备 Dataproc 角色的权限。

如需详细了解如何授予角色，请参阅管理访问权限。

将 Pub/Sub 来源添加到流式数据流水线

  1. 转到您的实例：

    1. 在 Google Cloud 控制台中，转到 Cloud Data Fusion 页面。

    2. 如需在 Cloud Data Fusion Studio 中打开该实例，请执行以下操作： 点击实例，然后点击查看实例。

      转到实例

  2. 在 Cloud Data Fusion 网页界面中，点击 Studio。

  3. 选择 Data Pipeline - Realtime。

  4. 在来源菜单中，选择 Pub/Sub。Pub/Sub 流式传输来源节点出现在流水线中。

  5. 在 Pub/Sub 节点上，点击属性以配置 来源。如需了解详情，请参阅 Pub/Sub 流式传输来源。

支持无 Windower 插件的单个 Pub/Sub 来源

Cloud Data Fusion 6.9.1 版支持实时流水线，只需 Pub/Sub 流式处理来源，无 Windower 插件。

  • Pub/Sub 流式处理来源具有内置支持，且数据 至少已处理一次。启用 Spark 检查点不会 必填字段。
  • Pub/Sub 流式处理来源会创建一个 Pub/Sub 快照 并在每批末尾将其删除。
  • 创建 Pub/Sub 快照会产生相关费用。 如需了解详情，请参阅 Pub/Sub 价格。
  • 您可以在以下位置监控快照创建： Cloud Audit Logs。

升级具有 Pub/Sub 流式处理来源的流水线

Cloud Data Fusion 支持直接应用升级 （在 Pub/Sub Storage 中） 6.9.1 或更高版本。

Cloud Data Fusion 不支持升级具有 Pub/Sub 流式处理来源（6.9.0 或更低版本）。相反， 将这些流水线升级到 6.9.1：

  1. 计划升级实例时，停止将数据发布到主题。
  2. 等待流水线处理完已发布的数据。
  3. 数据处理完毕后，停止流水线。
  4. 升级实例。
  5. 复制现有流水线并更新到最新插件。
  6. 部署流水线。

  7. 运行新流水线以读取数据。

    新版本自动使用快照，而不是 Spark 检查点。

  8. 删除旧流水线。

后续步骤