Google Cloud Dataflow - 是否可以定义从 BigQuery 读取数据并写入本地数据库的管道？答案

【问题标题】：Google Cloud Dataflow - is it possible to define a pipeline that reads data from BigQuery and writes to an on-premise database?Google Cloud Dataflow - 是否可以定义从 BigQuery 读取数据并写入本地数据库的管道？
【发布时间】：2020-07-06 16:33:50
【问题描述】：

我的组织计划在 BigQuery 中存储一组数据，并希望定期提取其中一些数据并将其带回本地数据库。在回顾我在网上找到的有关 Dataflow 的内容时，最常见的示例涉及将数据从另一个方向移动 - 从本地数据库到云。是否可以使用 Dataflow 将数据从云端带回我们的系统？如果没有，还有其他更适合此任务的工具吗？

【问题讨论】：

我投票结束这个问题，因为它缺乏足够的细节来创建答案。清楚地说明问题、您尝试过的内容以及任何错误。阅读此链接以帮助创建一个可以回答的好问题，而无需对您的问题提出意见或猜测。 stackoverflow.com/help/how-to-ask

标签： google-cloud-platform google-bigquery google-cloud-dataflow

【解决方案1】：

抽象地说，是的。如果您有一组源和同步，并且您想通过一组转换在它们之间移动数据，那么 Beam/Dataflow 应该非常适合该任务。听起来您在讨论基于批处理的周期性工作流程，而不是连续流式工作流程。

在实施工作方面，还有更多问题需要考虑。是否存在适用于您预期的本地数据库的 Beam 连接器？您可以在此处查看内置连接器：https://beam.apache.org/documentation/io/built-in/（请注意页面顶部的每种语言的 SDK 切换）

您需要自定义转换吗？您是否正在组合来自 BigQuery 以外的系统的数据？要么对我来说意味着你在 Beam 的正确轨道上。

另一方面，如果您的提取过程相对简单（例如，只需每周运行一次查询并提取它），您可能会发现有更简单的解决方案，特别是如果您不移动太多数据并且您的数据库可以在 BigQuery export formats 之一中提取数据。

【讨论】：

感谢您的回答。根据对我最初问题的评论，我意识到我未能提供太多细节。我还没有尝试过，因为我们仍在评估可行性。我可能会尝试通过询问“GCP 上的数据流技术是否允许写入本身不驻留在 GCP 上的数据存储”来简化我的问题。毫不奇怪，常见的例子集中在相反的方向——将数据输入 GCP。因此，我不清楚这项技术是否从根本上仅限于朝这个方向工作。无论如何，谢谢你们的反馈。