3

我正在尝试通过 Pentaho 数据集成访问 BigQuery，但没有成功。

  • 系统：OSX El Capitan
  • Google BigQuery 身份验证方法：使用 .p12 密钥的服务帐户

我已按照本教程进行操作，并且正在使用 OSX http://wiki.pentaho.com/display/EAI/Google+BigQuery

这就是我所做的：

  1. 我将“kettle.zip 的依赖项”下载并提取到PDI_FOLDER/libswt/osx64
  2. 我下载并复制“bqjdbc-1.4-standalone.jar”到PDI_FOLDER/lib
  3. 之后，我尝试在数据集成中创建一个新连接，使用New>Database Connection>Generic Database>Native (JDBC)

我按照本教程https://code.google.com/p/starschema-bigquery-jdbc/wiki/JDBCURL配置了使用此参数的连接。所以参数是：

  • 自定义连接 URL：jdbc:BQDriver:projectid(secretproject)?withServiceAccount=true
  • 自定义驱动程序类名称：net.starschema.clouddb.jdbc.BQDrive
  • 用户名：pentaho-data-integration@secretproject.iam.gserviceaccount.com
  • 密码：/Users/luisfsns/Dropbox/Lendico/etl/marketing/lendico-pentaho-data-integration-googlebigquery.p12

我不知道的事情：

  • 我的自定义连接 URL 名称是否正确？我应该提供什么作为投影参数？项目的名称或路径的 URL？有人可以给我一个例子吗？
  • 我应该使用任何其他身份验证方法（尽管是“服务帐户”）或任何其他类型的私钥，如 .json？
  • 我的自定义驱动程序类名称是否正确？

有人可以帮助我吗？

这是我尝试测试创建的连接时的日志：

连接数据库时出错 [Teste]：org.pentaho.di.core.exception.KettleDatabaseException：尝试连接数据库时出错

找不到驱动程序类“net.starschema.clouddb.jdbc.BQDrive”，请确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive

org.pentaho.di.core.exception.KettleDatabaseException：尝试连接数据库时出错

找不到驱动程序类“net.starschema.clouddb.jdbc.BQDrive”，请确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive

invoke(NativeMethodAccessorImpl.java:39) at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25) at java.lang.reflect.Method.invoke(Method.java:597) at apple.launcher.LaunchRunner.run(LaunchRunner .java:116) at apple.launcher.LaunchRunner.callMain(LaunchRunner.java:51) at apple.launcher.JavaApplicationLauncher.launch(JavaApplicationLauncher.java:52) 原因：org.pentaho.di.core.exception.KettleDatabaseException：找不到驱动程序类“net.starschema.clouddb.jdbc.BQDrive”，请确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive 597) at apple.launcher.LaunchRunner.run(LaunchRunner.java:116) at apple.launcher.LaunchRunner.callMain(LaunchRunner.java:51) at apple.launcher.JavaApplicationLauncher.launch(JavaApplicationLauncher.java:52) 原因： org.pentaho.di.core.exception.KettleDatabaseException：找不到驱动程序类“net.starschema.clouddb.jdbc.BQDrive”，请确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive 597) at apple.launcher.LaunchRunner.run(LaunchRunner.java:116) at apple.launcher.LaunchRunner.callMain(LaunchRunner.java:51) at apple.launcher.JavaApplicationLauncher.launch(JavaApplicationLauncher.java:52) 原因： org.pentaho.di.core.exception.KettleDatabaseException：找不到驱动程序类“net.starschema.clouddb.jdbc.BQDrive”，请确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive 确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive 确保安装了“通用数据库”驱动程序（jar 文件）。net.starschema.clouddb.jdbc.BQDrive

在 org.pentaho.di.core.database.Database.connectUsingClass(Database.java:522) 在 org.pentaho.di.core.database.Database.connectUsingClass(Database.java:4697) 在 org.pentaho.di.core .database.Database.normalConnect(Database.java:414) ... 70 更多原因：java.lang.ClassNotFoundException: net.starschema.clouddb.jdbc.BQDrive at java.net.URLClassLoader$1.run(URLClassLoader.java: 202) 在 java.security.AccessController.doPrivileged(Native Method) 在 java.net.URLClassLoader.findClass(URLClassLoader.java:190) 在 java.lang.ClassLoader.loadClass(ClassLoader.java:306) 在 java.lang.ClassLoader .loadClass(ClassLoader.java:247) at org.pentaho.di.core.database.Database.connectUsingClass(Database.java:497) ... 72 更多

自定义 URL：
jdbc:BQDriver:projectid(secretproject)?withServiceAccount=true 自定义驱动类：net.starschema.clouddb.jdbc.BQDrive

4

2 回答 2

5

这个问题的答案可能不会让你满意，但我们开始吧。可以创建此连接，但提取存在错误并且行流非常缓慢（Bigquery 可以快速处理任何内容，但此 JDBC 使获取数据非常慢。

我在这里所做的是一个 Python 2.7 脚本，用于将查询提取到表中，并将表提取到 Google Cloud Storage 上的 csv 文件中，然后下载该文件。

它真的很快，你不会有很多错误。

这是您可以使用的python代码。（您需要安装 google storage utils 才能轻松地将文件从云复制到您的机器）

SH 代码：（ 在您的 JOB 的 shell 脚本条目中使用）

#!/bin/bash
export PATH=${PATH}

# BOTO is the login manager for GsUtil
export BOTO_DISPLAYENV="/home/mromano/.boto"
export BOTO_CONFIG="/home/mromano/.boto"

rm /tmp/bigquery_extraction_*

#Run Big Query extraction script on python
python "$caminho/google_bigquery_extract_foo_bar.py"

#Give it some seconds to sync data to Google Cloud Storage
sleep 10

#Copy from Google Cloud Storage to local file
/usr/local/bin/gsutil -q cp gs://pentaho_exports/google_bigquery_extract_foo_bar.csv.gz /tmp/google_bigquery_extract_foo_bar.csv.gz

python脚本：（创建带有查询结果的表，将表导出为CSV并删除表）

import httplib2
import logging
logging.basicConfig()

from apiclient.discovery import build
from oauth2client.client import SignedJwtAssertionCredentials
from bigquery import get_client

# BigQuery project id as listed in the Google Developers Console.
project_id = 'ce______?_____8'

# Service account email address as listed in the Google Developers Console.
service_account = '5399951_____?_______73k@developer.gserviceaccount.com'

f = file('../../../../keys/bigquery_key.p12', 'rb')
key = f.read()
f.close()

credentials = SignedJwtAssertionCredentials(
    service_account,
    key,
    scope='https://www.googleapis.com/auth/bigquery')

http = httplib2.Http()
http = credentials.authorize(http)


client = get_client(project_id, credentials=credentials, service_account=service_account)

# Write to table
job = client.write_to_table("""SELECT * FROM 001234.TEST""",
                    'pentaho_export',
                  table='table_foo_bar',
                create_disposition='CREATE_IF_NEEDED',
                write_disposition='WRITE_TRUNCATE')
try:
    job_resource = client.wait_for_job(job, timeout=6000)
    #print job_resource
except BigQueryTimeoutException:
    print "Timeout"

# Exporting
job_export = client.export_data_to_uris( ['gs://pentaho_exports/foo_bar.csv.gz'],
                                   'pentaho_export',
                                   'table_foo_bar',
                   compression='GZIP',
                   field_delimiter='    ')
try:
    job_resource = client.wait_for_job(job_export, timeout=6000)
    #print job_resource
except BigQueryTimeoutException:
    print "Timeout"

# Delete an existing table.
deleted = client.delete_table('pentaho_export', 'table_foo_bar')

我希望它有所帮助。=)

于 2016-01-18T11:06:40.197 回答
3

确保您已完成以下操作。

  • 你说，

    2）我下载并复制“bqjdbc-1.4-standalone.jar”到PDI_FOLDER/lib

    它也应该被复制到data-integration\libext\JDBC。如果没有这样的文件夹，您需要创建它并复制.jar文件。

  • 那么自定义连接 URL 应该是这样的：

    jdbc:BQDriver:themetic-scope-114043?withServiceAccount=truethemetic-scope-114043你的项目ID在哪里。（使用正确的身份证）

  • 自定义驱动程序类名称错误（末尾缺少字母）

    net.starschema.clouddb.jdbc.BQDriver

  • 密码应正确指向 .p12 文件。在我的 Windows 机器中，我使用 C:\Digin-f537871c3b66.p12 作为密码，物理文件应该在上述路径中。

于 2016-03-01T10:19:30.487 回答