Связаться с намиПодключиться

Передача данных из эндпоинта-источника Yandex Object Storage

Статья создана
Обновлена 7 ноября 2024 г.

С помощью сервиса Yandex Data Transfer вы можете переносить данные из хранилища Yandex Object Storage в управляемые базы данных Yandex Cloud и реализовывать различные сценарии обработки и трансформации данных. Для реализации трансфера:

  1. Ознакомьтесь с возможными сценариями передачи данных.
  2. Настройте эндпоинт-источник в Yandex Data Transfer.
  3. Настройте один из поддерживаемых приемников данных.
  4. Cоздайте и запустите трансфер.
  5. Выполняйте необходимые действия по работе с хранилищем и контролируйте трансфер.
  6. При возникновении проблем, воспользуйтесь готовыми решениями по их устранению.

Сценарии передачи данных из Object Storage

Вы можете реализовывать сценарии миграции и поставки данных из хранилища Yandex Object Storage в управляемые базы данных для дальнейшего хранения в облаке, обработки и загрузки в витрины данных с целью последующей визуализации.

Загрузка данных в витрины — процесс трансфера подготовленных данных в хранилища с целью последующей визуализации.

Подробное описание возможных сценариев передачи данных в Yandex Data Transfer см. в разделе Практические руководства.

Настройка эндпоинта-источника Object Storage

Эта функциональность находится на стадии Preview.

При создании или изменении эндпоинта вы можете задать:

Настройки конфигурации бакета

  • Бакет — имя бакета.

  • Сервисный аккаунт – выберите из списка сервисный аккаунт с доступом к бакету.

  • (Опционально) Префикс пути — префикс для каталогов и файлов, которые можно использовать для поиска по бакету.

  • Шаблон пути — укажите шаблон пути. Если в бакете размещаются только файлы, используйте значение **.

  • Бакет — имя бакета.
  • Идентификатор статического ключа и Содержимое статического ключа — идентификатор и содержимое ключа AWS для доступа к частному бакету.
  • (Опционально) Эндпоинт — эндпоинт для службы, совместимой с Amazon S3. Оставьте поле пустым для использования Amazon.
  • Регион — регион для отправки запросов.
  • Использовать SSL — выберите, если удаленный сервер использует безопасное соединение SSL/TLS.
  • Проверять SSL-сертификат — разрешить самоподписанные сертификаты.
  • (Опционально) Префикс пути — префикс для каталогов и файлов, которые можно использовать для поиска по бакету.
  • Шаблон пути — укажите шаблон пути. Если в бакете размещаются только файлы, используйте значение **.

Конфигурация очереди событий

  • Имя очереди — имя очереди, настроенной в бакете S3, для получения событий s3:ObjectCreated.
  • Идентификатор аккаунта владельца очереди — идентификатор аккаунта AWS для аккаунта, создавшего очередь. Оставьте поле пустым, если бакет S3 и очередь созданы в одном и том же аккаунте.
  • Идентификатор статического ключа — идентификатор ключа AWS, используемый как часть учетных данных для чтения из очереди SQS. Оставьте поле пустым, если можно использовать те же учетные данные, что и для бакета S3.
  • Содержимое статического ключа — cекрет AWS, используемый как часть учетных данных для чтения из очереди SQS. Оставьте пустым, если можно использовать те же учетные данные, что и для бакета S3.
  • Эндпоинт — эндпоинт для S3-совместимого сервиса. Оставьте поле пустым, чтобы использовать AWS.
  • Регион — регион AWS для отправки запросов. Оставьте поле пустым, если он совпадает с регионом бакета.
  • Использовать SSL — выберите, если удаленный сервер использует безопасное соединение SSL/TLS.
  • Проверять SSL-сертификат — разрешить самоподписанные сертификаты.

Дополнительные настройки

Формат данных

  • Разделитель — символ-разделитель.
  • Символ кавычек — символ для обозначения начала и конца строки.
  • Символ отмены — Еscape-символ, используемый для экранирования специальных символов.
  • Кодировка — кодировка.
  • Двойные кавычки — выберите, чтобы заменять двойные кавычки на одинарные.
  • Разрешить перенос строк в значениях — выберите, если значения текстовых данных могут содержать символы переноса строки.
  • Размер блока — максимальная длина части файла, размещаемой в памяти во время чтения.
  • Расширенные настройки — необходимые CSV ConvertOptions для редактирования. Указываются в виде JSON-строки.
  • Дополнительные возможности чтения — необходимые CSV ReadOptions для редактирования. Указываются в виде JSON-строки.
  • Разрешить перенос строк в значениях — разрешить использовать символы новой строки в значениях JSON. Использование этого параметра может повлиять на производительность. Оставьте пустым, чтобы по умолчанию было установлено значение FALSE.
  • Неожиданное поведение поля — метод обработки полей JSON за пределами explicit_schema (если указано). См. документацию PyArrow.
  • Размер блока — размер фрагмента в байтах для одновременной обработки в памяти каждого файла. Если объем данных большой, и не удается обнаружить схему, увеличение этого значения должно решить проблему. Слишком большое значение может привести к ошибкам OOM.
  • Дескриптор protobuf — загрузите файл-дескриптор.
  • Тип упаковки protobuf-сообщений — укажите способ упаковки сообщений:
    • Protoseq — последовательность целевых сообщений с разделителем;
    • Repeated — целевое сообщение находится в поле repeated единственного сообщения-обертки;
    • Single message — единственное целевое сообщение;
  • Имя protobuf-сообщения — если тип упаковки Repeated, указывается имя сообщения, содержащего единственное поле repeated целевым сообщением (иначе указывается имя целевого сообщения).
  • Список первичных ключей — перечислите поля, чтобы они добавились в результат как первичные ключи.
  • Включаемые поля — перечислите поля сообщения для передачи. Если не задано, выводятся все поля сообщения.
  • Использовать значение NULL в ключевых столбцах — выберите эту опцию, чтобы разрешить значение null в ключевых колонках.

Датасет

  • Схема — укажите схему служебной таблицы, которая будет использоваться для подключения.

  • Таблица — укажите имя служебной таблицы, которое будет использоваться для подключения.

  • Добавить системные колонки — добавить в схему результатов системные колонки __file_name и __row_index. __file_name соответствует имени объекта S3, из которого поступают данные. __row_index соответствует счетчику строк, в котором находятся данные, в объекте S3.

    Важно

    Отключение этой опции может иметь нежелательные эффекты для приемников, которым требуется первичный ключ, при условии, что схема результатов может стать обязательной в таких случаях.

  • Схема результирующей таблицы — укажите JSON-схему в формате {"<столбец>": "<тип_данных>"} или перечислите поля для схемы результирующей таблицы. Если вы выберете Автоматически, то схема определится автоматически.

  • Тип не определён – определите, как следует обрабатывать строки, не прошедшие проверку типов:

    • Продолжать – продолжать передачу данных.
    • Прерывать – не продолжать.
    • Повторять – повторить попытку определить тип.

Настройка приемника данных

Настройте один из поддерживаемых приемников данных:

Полный список поддерживаемых источников и приемников в Yandex Data Transfer см. в разделе Доступные трансферы.

После настройки источника и приемника данных создайте и запустите трансфер.

Решение проблем, возникающих при переносе данных

См. полный список рекомендаций в разделе Решение проблем.

Ошибка при обновлении данных в источнике

Текст ошибки:

Push failed: kind: update not supported

Object Storage поддерживает только вставку новых данных, но не поддерживает их обновление. Если в источнике происходит обновление данных, трансфер завершится с ошибкой.

Решение: используйте источники, которые поддерживают только вставку данных, или выберите вместо Object Storage другой приемник.

Предыдущая
Приемник
Следующая
Приемник