如何使用气流将 bigquery 导出到 bigtable?架构问题

how to export bigquery to bigtable using airflow? schema issue

我正在使用 Airflow 以 Avro 格式将 BigQuery 行提取到 Google 云存储。

with models.DAG(
    "bigquery_to_bigtable",
    default_args=default_args,
    schedule_interval=None,
    start_date=datetime.now(),
    catchup=False,
    tags=["test"],
) as dag:
    
    data_to_gcs = BigQueryInsertJobOperator(
        task_id="data_to_gcs",
        project_id=project_id,
        location=location,
        configuration={
            "extract": {
                "destinationUri": gcs_uri, "destinationFormat": "AVRO",
                "sourceTable": {
                    "projectId": project_id, "datasetId": dataset_id, 
                    "tableId": table_id}}})

    gcs_to_bt = DataflowTemplatedJobStartOperator(
        task_id="gcs_to_bt",
        template="gs://dataflow-templates/latest/GCS_Avro_to_Cloud_Bigtable",
        location=location,
        parameters={
            'bigtableProjectId': project_id,
            'bigtableInstanceId': bt_instance_id,
            'bigtableTableId': bt_table_id,
            'inputFilePattern': 'gs://export/test.avro-*'
        },
    )

data_to_gcs >> gcs_to_bt

bigquery 行包含

row_key      | 1_cnt | 2_cnt | 3_cnt
1#2021-08-03 |   1   |   2   |   2 
2#2021-08-02 |   5   |   1   |   5 
.
.
.

我想对 bigtable 中的行键使用 row_key 列,对特定列族中的列使用 rest 列,例如 bigtable 中的 my_cf

但是我在使用数据流将 avro 文件加载到 bigtable 时收到错误消息

"java.io.IOException: Failed to start reading from source: gs://export/test.avro-"
Caused by: org.apache.avro.AvroTypeException: Found Root, expecting com.google.cloud.teleport.bigtable.BigtableRow, missing required field key

我读到的docs是这样说的:

The Bigtable table must exist and have the same column families as exported in the Avro files.

如何在 Avro 中导出具有相同列族的 BigQuery?

我认为您必须将 AVRO 转换为正确的模式。 Documentation 你提到的还说:

  • Bigtable expects a specific schema from the input Avro files.

有一个 link 引用特殊数据模式,必须使用它。

如果我理解正确的话,您只是从 table 中导入数据,结果虽然是 AVRO 模式,但不会满足需求模式,因此您需要将数据转换为适合您的 BigTable 模式的正确模式。