BIGQUERY - 如何使用Pentaho Data Integration（Spoon）创建连接？

Question

我试图通过Pentaho数据集成访问BigQuery，但我没有成功。

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

我已经按照本教程使用了OSX http://wiki.pentaho.com/display/EAI/Google+BigQuery

这就是我所做的：

1. 我下载并提取了“kettle.zip的依赖项”到PDI_FOLDER / libswt / osx64
2. 我下载并将“bqjdbc-1.4-standalone.jar”复制到PDI_FOLDER / lib
3. 之后，我尝试使用New> Database Connection> Generic Database> Native（JDBC）在Data Integration中创建一个新连接

我按照本教程https://code.google.com/p/starschema-bigquery-jdbc/wiki/JDBCURL配置了此参数的连接。 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项目论证？ 项目名称或路径的URL？ 有人能举个例子吗？
• 我应该使用任何其他身份验证方法（尽管“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是否正确？

有人能帮助我吗？

这是我尝试测试创建的连接时的日志：

连接到数据库时出错[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'，请确保已安装'通用数据库'驱动程序（jar文件）。 net.starschema.clouddb.jdbc.BQDrive

org.pentaho.di.core.exception.KettleDatabaseException：尝试连接数据库时发生错误

找不到驱动程序类'net.starschema.clouddb.jdbc.BQDrive'，请确保已安装'通用数据库'驱动程序（jar文件）。 net.starschema.clouddb.jdbc.BQDrive

org.pentaho.di.core.database.Database.normalConnect（Database.java:428）位于org.pentaho.di.core的org.pentaho.di.core.database.Database.connect（Database.java:358）位于org.pentaho.di.core.database.DatabaseFactory.getConnectionTestReport（DatabaseFactory）的org.pentaho.di.core.database.Database.connect（Database.java:301）的.database.Database.connect（Database.java:311） .java：80）在org.pentaho.di.core.database.DatabaseMeta.testConnection（DatabaseMeta.java:2686）org.pentaho.ui.database.event.DataHandler.testDatabaseConnection（DataHandler.java:546）at sun。在sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:39）的sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:25）的java.lang.reflect.Method.invoke上的reflect.NativeMethodAccessorImpl.invoke0（Native Method）方法.java：597）org.pentaho.ui.xul.impl.AbstractXulDomContainer.invoke（AbstractXulDomContainer.java:313）org.pentaho.ui.xul.impl.AbstractXulComponent.invoke（AbstractXulComponen） t.java:157）org.pentaho.ui.xul.impl.AbstractXulComponent.invoke（AbstractXulComponent.java:141）org.pentaho.ui.xul.swt.tags.SwtButton.access $ 500（SwtButton.java:43 ）org.pentaho.ui.xul.swt.tags.SwtButton $ 4.widgetSelected（SwtButton.java:138）位于org.eclipse.swt.widgets的org.eclipse.swt.widgets.TypedListener.handleEvent（未知来源）。位于org.eclipse.swt.widgets.Widget的org.eclipse.swt.widgets.Widget.sendEvent（未知来源）的org.eclipse.swt.widgets.Display.sendEvent（未知来源）的EventTable.sendEvent（未知来源）。在org.eclipse.swt.wts.widget上的org.eclipse.swt.wts.widget.sendLentners（未知来源）的org.eclipse.swt.widgets.Widget.sendEvent（未知来源）的sendEvent（未知来源）（在org.eclipse.swt.wts.widgets.Dunplay.runDeferredEvents上）未知来源）org.eclipse.wt上的org.eclipse.wts.widge.Dindplay.readAndDvent（orn.e.ef.::::: or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or or （Window.java:796）org.pentaho.ui.xul.swt.tags.SwtDialog.show（SwtDialog） .java：389）org.pentaho.ui.xul.swt.tags.SwtDialog.show（SwtDialog.java:318）org.pentaho.di.ui.core.database.dialog.XulDatabaseDialog.open（XulDatabaseDialog.java） ：116）org.pentaho.di.ui.core.database.dialog.DatabaseDialog.open（DatabaseDialog.java:59）at org.pentaho.di.ui.spoon.delegates.SpoonDBDelegate.newConnection（SpoonDBDelegate.java:464） ）在org.pentaho.di.ui.spoon.delegates.SpoonDBDelegate.newConnection（SpoonDBDelegate.java:451）org.pentaho.di.ui.spoon.Spoon.newConnection（Spoon.java:8728）at sun.reflect。 sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java：39）中的NativeMethodAccessorImpl.invoke0（Native Method）位于sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:25）at java.lang.reflect.Method.invoke（Method。 java：597）org.pentah.ui.xul.impl.AbstractXulDomContainer.invoke（AbstractXulDomContainer.java:313）atg.pentaho.ui.xul.impl.AbstractXulComponent.invoke（AbstractXulComponent.java:157）atg.pentaho .ui.xul.impl.Abst ractXulComponent.invoke（AbstractXulComponent.java:141）org.pentaho.ui.xul.jface.tags.JfaceMenuitem.access $ 100（JfaceMenuitem.java:43）org.pentaho.ui.xul.jface.tags.JfaceMenuitem $ 1。运行（JfaceMenuitem.java:106）org.eclipse.jface.action.Action.runWithEvent（Action.java:498）org.eclipse.action.AdctionContributionItem.handleWidgetSelection（ActionContributionItem.java:545）org.eclipse .gface.action.ActionContributionItem.access $ 2（ActionContributionItem.java:490）org.eclipse.action.ActionContributionItem $ 5.handleEvent（ActionContributionItem.java:402）org.eclipse.swt.widgets.EventTable.sendEvent（Unknown）来自org.eclipse.swt.wt.widget.sendEvent（未知来源）org.eclipse.swt.widgets.Wind.sendEvent（未知来源）org.eclipse.swt.widgets.Widget.sendEvent（未知来源）位于org.eclipse.swt.wts.widget上的org.eclipse.swt.wts.widget.sendLentners（未知来源）org.eclipse.swt.wt.Uwt. 在org.pentaho.di.ui.ui.ui.spoon的org.pentaho.di.ui.spoon.Spoon.readAndDispatch（Spoon.java:1319）org.eclipse.swt.widgets.Display.readAndDispatch（未知来源）的nknown Source .spoon.waitForDispose（Spoon.java:7939）atg.pentaho.di.ui.spoon.Spoon.start（Spoon.java:9190）at org.pentaho.di.ui.spoon.Spoon.main（Spoon.java） ：654）at sun.reflect.NativeMethodAccessorImpl.invoke0（Native Method）at sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:39）at sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:25）at java.lang。反射.Method.invoke（Method.java:597）atg.pentaho.commons.launcher.Launcher.main（Launcher.java:92）at sun.reflect.NativeMethodAccessorImpl.invoke0（Native Method）at sun.reflect.NativeMethodAccessorImpl。在apple.launcher.LaunchRunner.run（LaunchRu）的java.lang.reflect.Method.invoke（Method.java:597）的sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:25）中调用（NativeMethodAccessorImpl.java:39） nner.java:116）at apple.launcher.LaunchRunner.callMain（LaunchRunner.java:51）at apple.launcher.JavaApplicationLauncher.launch（JavaApplicationLauncher.java:52）引起：org.pentaho.di.core.exception.KettleDatabaseException ：找不到驱动程序类'net.starschema.clouddb.jdbc.BQDrive'，请确保已安装'通用数据库'驱动程序（jar文件）。 net.starschema.clouddb.jdbc.BQDrive

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

自定义网址 ：
jdbc：BQDriver：projectid（secretproject）？withServiceAccount = true自定义驱动程序类：net.starschema.clouddb.jdbc.BQDrive

Answer 1

答案可能不会让你高兴，但我们走了。 可以创建这种连接，但是提取有问题并且行的流量非常慢（Bigquery可以快速处理任何内容，但是这种JDBC使得获取数据的速度非常慢。

我在这里做的是一个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，然后下载该文件。

这真的很快，你不会有很多错误。

这里是你可以使用的python代码。 （您需要安装google storage utils才能轻松地将文件从云端复制到您的机器上）

SH代码:( 在JOB上的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:( 创建一个包含查询结果的表，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。 =）

Answer 2

确保您已完成以下操作。

• 你说，

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

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

• 然后自定义连接URL应如下所示：

  jdbc:BQDriver:themetic-scope-114043?withServiceAccount=true其中themetic-scope-114043是您的项目ID。 （使用正确的ID）

• 自定义驱动程序类名称错误（最后遗漏的信件）

  net.starschema.clouddb.jdbc.BQDriver

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