建立授權檢視表

在本教學課程中，您會在 BigQuery 中建立授權檢視表，供資料分析師使用。授權 view 可讓您與特定使用者和群組分享查詢結果，無須授予他們基礎來源資料的存取權。檢視畫面會取得來源資料的存取權，而非使用者或群組。您也可以使用檢視區塊的 SQL 查詢，從查詢結果中排除資料欄和欄位。

除了使用已授權檢視表，您也可以在來源資料中設定資料欄層級的存取權控管，然後讓使用者存取查詢受控資料的檢視表。如要進一步瞭解資料欄層級存取控管，請參閱「資料欄層級存取控管機制簡介」。

如果有多個授權檢視區塊存取同一個來源資料集，您可以授權包含檢視區塊的資料集，不必授權個別檢視區塊。

目標

  • 建立資料集，以便加入來源資料。
  • 執行查詢，將資料載入來源資料集中的目的地資料表。
  • 建立資料集，以便加入授權 view。
  • 根據 SQL 查詢建立授權 view，限制資料分析師可在查詢結果中查看的資料欄。
  • 授予資料分析師執行查詢工作的權限。
  • 授予資料分析師存取權，讓他們存取包含授權檢視區塊的資料集。
  • 將來源資料集的存取權授予授權檢視表。

費用

在本文件中，您會使用下列 Cloud de Confiance by S3NS的計費元件：

完成本文所述工作後，您可以刪除建立的資源，避免繼續計費，詳情請參閱「清除所用資源」。

事前準備

  1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. 確認專案已啟用計費功能 Cloud de Confiance 。

  3. 如果尚未啟用 BigQuery API，請啟用。

    啟用 API 時所需的角色

    如要啟用 API，您必須具備 serviceusage.services.enable 權限。如果您建立了專案，可能已透過「擁有者」角色 (roles/owner) 取得這項權限。否則，您可以透過「服務使用情形管理員」角色 (roles/serviceusage.serviceUsageAdmin) 取得這項權限。瞭解如何授予角色。

    啟用 API

  4. 請確認您具備必要權限，可執行本文中的工作。

建立資料集來儲存來源資料

首先，請建立資料集來儲存來源資料。

如要建立來源資料集，請選擇下列任一選項：

控制台

  1. 前往「BigQuery」頁面。

    前往「BigQuery」

  2. 點選左側窗格中的 「Explorer」。

    醒目顯示的「Explorer」窗格按鈕。

    如果沒有看到左側窗格，請按一下 「Expand left pane」(展開左側窗格)，開啟窗格。

  3. 在「Explorer」窗格中，找到要建立資料集的專案，然後依序點選旁邊的 「View actions」(查看動作)>「Create dataset」(建立資料集)。

  4. 在「建立資料集」頁面中，執行下列操作：

    1. 在「Dataset ID」(資料集 ID) 中輸入 github_source_data。

    2. 確認「位置類型」已選取「多區域」。

    3. 如果是「多區域」，請選擇「美國」或「歐盟」。在本教學課程中建立的所有資源都應位於同一個多區域位置。

    4. 點選「建立資料集」。

SQL

使用 CREATE SCHEMA DDL 陳述式：

  1. 前往 Cloud de Confiance 控制台的「BigQuery」頁面。

    前往「BigQuery」

  2. 在查詢編輯器中輸入下列陳述式：

    CREATE SCHEMA github_source_data;

  3. 按一下「執行」。

如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Create a source dataset to store your table.
Dataset sourceDataset = bigquery.create(DatasetInfo.of(sourceDatasetId));

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

from google.cloud import bigquery
from google.cloud.bigquery.enums import EntityTypes

client = bigquery.Client()
source_dataset_id = "github_source_data"
source_dataset_id_full = "{}.{}".format(client.project, source_dataset_id)


source_dataset = bigquery.Dataset(source_dataset_id_full)
# Specify the geographic location where the dataset should reside.
source_dataset.location = "US"
source_dataset = client.create_dataset(source_dataset)  # API request

建立資料表並載入來源資料

建立來源資料集後，請將 SQL 查詢結果儲存至目的地資料表，藉此填入來源資料集中的資料表。查詢會從 GitHub 公開資料集擷取資料。

控制台

  1. 前往「BigQuery」頁面。

    前往「BigQuery」

  2. 在查詢編輯器中輸入下列查詢：

    SELECT
  commit,
  author,
  committer,
  repo_name
FROM
  `bigquery-public-data.github_repos.commits`
LIMIT
  1000;

  3. 依序點選「編輯」>「查詢設定」。

  4. 在「目的地」部分，選取「為查詢結果設定目的地資料表」。

  5. 在「Dataset」(資料集) 中輸入 PROJECT_ID.github_source_data。

    將 PROJECT_ID 替換為專案 ID。

  6. 在「Table Id」(資料表 ID) 中輸入 github_contributors。

  7. 按一下 [儲存]。

  8. 按一下「執行」。

  9. 查詢完成後，在「Explorer」窗格中，依序點選「Datasets」和 github_source_data 資料集。

  10. 依序點選「總覽」>「資料表」，然後點選 github_contributors 資料表。

  11. 如要確認資料已寫入資料表，請點選「預覽」分頁標籤。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Populate a source table
String tableQuery =
    "SELECT commit, author, committer, repo_name"
        + " FROM `bigquery-public-data.github_repos.commits`"
        + " LIMIT 1000";
QueryJobConfiguration queryConfig =
    QueryJobConfiguration.newBuilder(tableQuery)
        .setDestinationTable(TableId.of(sourceDatasetId, sourceTableId))
        .build();
bigquery.query(queryConfig);

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

source_table_id = "github_contributors"
job_config = bigquery.QueryJobConfig()
job_config.destination = source_dataset.table(source_table_id)
sql = """
    SELECT commit, author, committer, repo_name
    FROM `bigquery-public-data.github_repos.commits`
    LIMIT 1000
"""
client.query_and_wait(
    sql,
    # Location must match that of the dataset(s) referenced in the query
    # and of the destination table.
    location="US",
    job_config=job_config,
)  # API request - starts the query and waits for query to finish

建立資料集來儲存授權 view

建立來源資料集後，請建立新的獨立資料集，儲存您與資料分析師共用的授權檢視畫面。在後續步驟中，您會將來源資料集中的資料存取權授予授權檢視表。資料分析師就能存取授權 view，但無法直接存取來源資料。

授權 view 應在與來源資料不同的資料集中建立。 這樣一來，資料擁有者就能授權使用者存取授權 view，不必同時授予基礎資料的存取權。來源資料集和授權 view 資料集必須位於相同區域的位置。

如要建立資料集來儲存檢視區塊，請選擇下列其中一個選項：

控制台

  1. 前往「BigQuery」頁面。

    前往「BigQuery」

  2. 點選左側窗格中的 「Explorer」。

    醒目顯示的「Explorer」窗格按鈕。

  3. 在「Explorer」窗格中，選取要建立資料集的專案。

  4. 展開「查看動作」 選項，然後點選「建立資料集」。

  5. 在「建立資料集」頁面中，執行下列操作：

    1. 在「Dataset ID」(資料集 ID) 中輸入 shared_views。

    2. 確認「位置類型」已選取「多區域」。

    3. 如果是「多區域」，請選擇「美國」或「歐盟」。在本教學課程中建立的所有資源都應位於同一個多區域位置。

    4. 點選「建立資料集」。

SQL

使用 CREATE SCHEMA DDL 陳述式：

  1. 前往 Cloud de Confiance 控制台的「BigQuery」頁面。

    前往「BigQuery」

  2. 在查詢編輯器中輸入下列陳述式：

    CREATE SCHEMA shared_views;

  3. 按一下「執行」。

如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Create a separate dataset to store your view
Dataset sharedDataset = bigquery.create(DatasetInfo.of(sharedDatasetId));

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

shared_dataset_id = "shared_views"
shared_dataset_id_full = "{}.{}".format(client.project, shared_dataset_id)


shared_dataset = bigquery.Dataset(shared_dataset_id_full)
shared_dataset.location = "US"
shared_dataset = client.create_dataset(shared_dataset)  # API request

在新資料集中建立授權 view

您可在新資料集中建立您想要授權的視圖。這是您與資料分析師分享的視圖。這個檢視區塊是使用 SQL 查詢建立，其中排除您不希望資料分析師看到的資料欄。

github_contributors 來源資料表包含兩個 RECORD 類型的欄位：author 和 committer。在本教學課程中，您的授權 view 會排除所有作者資料 (作者姓名除外)，以及所有提交者資料 (提交者姓名除外)。

如要在新資料集中建立檢視區塊，請選擇下列任一選項：

控制台

  1. 前往「BigQuery」頁面。

    前往「BigQuery」

  2. 在查詢編輯器中輸入下列查詢。

    SELECT
commit,
author.name AS author,
committer.name AS committer,
repo_name
FROM
`PROJECT_ID.github_source_data.github_contributors`;

    將 PROJECT_ID 替換為專案 ID。

  3. 依序點選「檔案」>「儲存」>「儲存檢視畫面」。

  4. 在「儲存檢視畫面」對話方塊中，執行下列操作：

    1. 在「Project」(專案) 部分，確認已選取專案。

    2. 在「Dataset」(資料集) 中輸入 shared_views。

    3. 在「Table」(資料表) 中輸入 github_analyst_view。

    4. 按一下 [儲存]。

SQL

使用 CREATE VIEW DDL 陳述式：

  1. 前往 Cloud de Confiance 控制台的「BigQuery」頁面。

    前往「BigQuery」

  2. 在查詢編輯器中輸入下列陳述式：

    CREATE VIEW shared_views.github_analyst_view
AS (
  SELECT
    commit,
    author.name AS author,
    committer.name AS committer,
    repo_name
  FROM
    `PROJECT_ID.github_source_data.github_contributors`
);

    將 PROJECT_ID 替換為您的專案 ID。

  3. 按一下「執行」。

如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Create the view in the new dataset
String viewQuery =
    String.format(
        "SELECT commit, author.name as author, committer.name as committer, repo_name FROM %s.%s.%s",
        projectId, sourceDatasetId, sourceTableId);

ViewDefinition viewDefinition = ViewDefinition.of(viewQuery);

Table view =
    bigquery.create(TableInfo.of(TableId.of(sharedDatasetId, sharedViewId), viewDefinition));

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

shared_view_id = "github_analyst_view"
view = bigquery.Table(shared_dataset.table(shared_view_id))
sql_template = """
    SELECT
        commit, author.name as author,
        committer.name as committer, repo_name
    FROM
        `{}.{}.{}`
"""
view.view_query = sql_template.format(
    client.project, source_dataset_id, source_table_id
)
view = client.create_table(view)  # API request

授予資料分析師執行查詢工作的權限

資料分析師必須具備 bigquery.jobs.create 權限，才能查詢檢視區塊並執行查詢作業。這項權限僅適用於執行查詢工作的專案 (帳單或執行專案)，該專案可能與包含檢視區塊的專案不同。

在本節中，您會為資料分析師授予 bigquery.user 角色，讓他們在執行工作的專案中使用。bigquery.user 角色包含 bigquery.jobs.create 權限。在後續步驟中，您會授予資料分析師存取檢視區塊的權限。

如要將資料分析師群組指派給專案的 bigquery.user 角色，讓他們能使用該專案執行工作，請按照下列步驟操作：

  1. 前往 Cloud de Confiance 控制台的「IAM」(身分與存取權管理) 頁面。

    前往「IAM」(身分與存取權管理) 頁面

  2. 請確認專案選取器中已選取分析師用來執行工作的專案。

  3. 按一下「Grant access」(授予存取權)。

  4. 在「授予存取權」對話方塊中，執行下列操作：

    1. 在「New principals」(新增主體) 欄位中，輸入包含資料分析師的群組。例如：data_analysts@example.com。

    2. 在「請選擇角色」欄位中，搜尋並選取「BigQuery 使用者」角色。

    3. 按一下 [儲存]。

授予資料分析師查詢授權檢視的權限

如要讓資料分析師查詢檢視區塊，您必須在資料集或檢視區塊層級授予 bigquery.dataViewer 角色。在資料集層級授予這個角色，分析師就能存取資料集中的所有資料表和檢視畫面。由於本教學課程建立的資料集只包含一個授權 view，因此您要在資料集層級授予存取權。如果您需要授權存取一系列授權檢視區塊，建議改用授權資料集。

您先前授予資料分析師的 bigquery.user 角色，可讓他們在執行查詢工作的專案中建立查詢工作。不過，使用者必須同時具備授權 view 或包含檢視表的資料集存取權，才能成功查詢檢視表。bigquery.dataViewer

如要授予資料分析師 bigquery.dataViewer 存取權，讓他們存取包含授權 view 的資料集，請按照下列步驟操作：

控制台

  1. 前往「BigQuery」頁面。

    前往「BigQuery」

  2. 點選左側窗格中的 「Explorer」。

    醒目顯示的「Explorer」窗格按鈕。

  3. 在「Explorer」窗格中，按一下「Datasets」(資料集)，然後選取「shared_views」資料集，開啟「Details」(詳細資料) 分頁。

  4. 依序點選「共用」>「權限」。

  5. 在「共用權限」窗格中，按一下「新增主體」。

  6. 在「New principals」(新增主體) 部分，輸入包含資料分析師的群組，例如 data_analysts@example.com。

  7. 按一下「選取角色」，然後依序選取「BigQuery」>「BigQuery 資料檢視者」。

  8. 按一下 [儲存]。

  9. 按一下 [關閉]。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Assign access controls to the dataset containing the view
List<Acl> viewAcl = new ArrayList<>(sharedDataset.getAcl());
viewAcl.add(Acl.of(new Acl.Group("example-analyst-group@google.com"), Acl.Role.READER));
sharedDataset.toBuilder().setAcl(viewAcl).build().update();

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

# analyst_group_email = 'data_analysts@example.com'
access_entries = shared_dataset.access_entries
access_entries.append(
    bigquery.AccessEntry("READER", EntityTypes.GROUP_BY_EMAIL, analyst_group_email)
)
shared_dataset.access_entries = access_entries
shared_dataset = client.update_dataset(
    shared_dataset, ["access_entries"]
)  # API request

授權視圖存取來源資料集

為含有授權檢視表的資料集建立存取控管機制後，請授予授權檢視表來源資料集的存取權。這項授權會授予檢視畫面存取來源資料的權限，但不會授予資料分析師群組存取權。

如要授予授權檢視者來源資料的存取權，請選擇下列其中一個選項：

控制台

  1. 前往「BigQuery」頁面。

    前往「BigQuery」

  2. 點選左側窗格中的 「Explorer」。

    醒目顯示的「Explorer」窗格按鈕。

  3. 在「Explorer」窗格中，按一下「Datasets」(資料集)，然後選取「github_source_data」資料集，開啟「Details」(詳細資料) 分頁。

  4. 依序點選「共用」>「授權檢視」。

  5. 在「Authorized views」(授權 view) 窗格中，為「Authorized view」(授權 view) 輸入 PROJECT_ID.shared_views.github_analyst_view。

    將 PROJECT_ID 替換為專案 ID。

  6. 按一下「新增授權」。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Authorize the view to access the source dataset
List<Acl> srcAcl = new ArrayList<>(sourceDataset.getAcl());
srcAcl.add(Acl.of(new Acl.View(view.getTableId())));
sourceDataset.toBuilder().setAcl(srcAcl).build().update();

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

access_entries = source_dataset.access_entries
access_entries.append(
    bigquery.AccessEntry(None, EntityTypes.VIEW, view.reference.to_api_repr())
)
source_dataset.access_entries = access_entries
source_dataset = client.update_dataset(
    source_dataset, ["access_entries"]
)  # API request

驗證設定

設定完成後，資料分析師群組的成員 (例如 data_analysts) 即可查詢檢視畫面，驗證設定。

如要驗證設定，資料分析師應執行下列查詢：

  1. 前往「BigQuery」頁面

    前往「BigQuery」

  2. 在查詢編輯器中輸入下列陳述式：

    SELECT
  *
FROM
  `PROJECT_ID.shared_views.github_analyst_view`;

    將 PROJECT_ID 替換為專案 ID。

  3. 按一下「執行」。

查詢結果大致如下。結果只會顯示作者名稱和提交者名稱。

查詢授權 view 後的查詢結果

如要進一步瞭解如何執行查詢，請參閱「執行互動式查詢」。

完整原始碼

以下是供您參考的完整教學課程原始碼。

Java

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Java 設定說明操作。詳情請參閱 BigQuery Java API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

// Create a source dataset to store your table.
Dataset sourceDataset = bigquery.create(DatasetInfo.of(sourceDatasetId));

// Populate a source table
String tableQuery =
    "SELECT commit, author, committer, repo_name"
        + " FROM `bigquery-public-data.github_repos.commits`"
        + " LIMIT 1000";
QueryJobConfiguration queryConfig =
    QueryJobConfiguration.newBuilder(tableQuery)
        .setDestinationTable(TableId.of(sourceDatasetId, sourceTableId))
        .build();
bigquery.query(queryConfig);

// Create a separate dataset to store your view
Dataset sharedDataset = bigquery.create(DatasetInfo.of(sharedDatasetId));

// Create the view in the new dataset
String viewQuery =
    String.format(
        "SELECT commit, author.name as author, committer.name as committer, repo_name FROM %s.%s.%s",
        projectId, sourceDatasetId, sourceTableId);

ViewDefinition viewDefinition = ViewDefinition.of(viewQuery);

Table view =
    bigquery.create(TableInfo.of(TableId.of(sharedDatasetId, sharedViewId), viewDefinition));

// Assign access controls to the dataset containing the view
List<Acl> viewAcl = new ArrayList<>(sharedDataset.getAcl());
viewAcl.add(Acl.of(new Acl.Group("example-analyst-group@google.com"), Acl.Role.READER));
sharedDataset.toBuilder().setAcl(viewAcl).build().update();

// Authorize the view to access the source dataset
List<Acl> srcAcl = new ArrayList<>(sourceDataset.getAcl());
srcAcl.add(Acl.of(new Acl.View(view.getTableId())));
sourceDataset.toBuilder().setAcl(srcAcl).build().update();

Python

在試用這個範例之前，請先按照「使用用戶端程式庫的 BigQuery 快速入門導覽課程」中的 Python 設定說明操作。詳情請參閱 BigQuery Python API 參考說明文件。

如要向 BigQuery 進行驗證，請設定應用程式預設憑證。詳情請參閱「設定用戶端程式庫的驗證作業」。

執行程式碼範例前，請將 GOOGLE_CLOUD_UNIVERSE_DOMAIN 環境變數設為 s3nsapis.fr。

# Create a source dataset
from google.cloud import bigquery
from google.cloud.bigquery.enums import EntityTypes

client = bigquery.Client()
source_dataset_id = "github_source_data"
source_dataset_id_full = "{}.{}".format(client.project, source_dataset_id)


source_dataset = bigquery.Dataset(source_dataset_id_full)
# Specify the geographic location where the dataset should reside.
source_dataset.location = "US"
source_dataset = client.create_dataset(source_dataset)  # API request

# Populate a source table
source_table_id = "github_contributors"
job_config = bigquery.QueryJobConfig()
job_config.destination = source_dataset.table(source_table_id)
sql = """
    SELECT commit, author, committer, repo_name
    FROM `bigquery-public-data.github_repos.commits`
    LIMIT 1000
"""
client.query_and_wait(
    sql,
    # Location must match that of the dataset(s) referenced in the query
    # and of the destination table.
    location="US",
    job_config=job_config,
)  # API request - starts the query and waits for query to finish

# Create a separate dataset to store your view
shared_dataset_id = "shared_views"
shared_dataset_id_full = "{}.{}".format(client.project, shared_dataset_id)


shared_dataset = bigquery.Dataset(shared_dataset_id_full)
shared_dataset.location = "US"
shared_dataset = client.create_dataset(shared_dataset)  # API request

# Create the view in the new dataset
shared_view_id = "github_analyst_view"
view = bigquery.Table(shared_dataset.table(shared_view_id))
sql_template = """
    SELECT
        commit, author.name as author,
        committer.name as committer, repo_name
    FROM
        `{}.{}.{}`
"""
view.view_query = sql_template.format(
    client.project, source_dataset_id, source_table_id
)
view = client.create_table(view)  # API request

# Assign access controls to the dataset containing the view
# analyst_group_email = 'data_analysts@example.com'
access_entries = shared_dataset.access_entries
access_entries.append(
    bigquery.AccessEntry("READER", EntityTypes.GROUP_BY_EMAIL, analyst_group_email)
)
shared_dataset.access_entries = access_entries
shared_dataset = client.update_dataset(
    shared_dataset, ["access_entries"]
)  # API request

# Authorize the view to access the source dataset
access_entries = source_dataset.access_entries
access_entries.append(
    bigquery.AccessEntry(None, EntityTypes.VIEW, view.reference.to_api_repr())
)
source_dataset.access_entries = access_entries
source_dataset = client.update_dataset(
    source_dataset, ["access_entries"]
)  # API request

清除所用資源

為避免因為本教學課程所用資源，導致系統向 Google Cloud 收取費用，請刪除含有相關資源的專案，或者保留專案但刪除個別資源。

刪除專案

控制台

  1. 前往 Cloud de Confiance 控制台的「Manage resources」(管理資源) 頁面。

    前往「Manage resources」(管理資源)

  2. 在專案清單中選取要刪除的專案，然後點選「Delete」(刪除)。
  3. 在對話方塊中輸入專案 ID，然後按一下 [Shut down] (關閉) 以刪除專案。

gcloud

    刪除 Cloud de Confiance 專案：

    gcloud projects delete PROJECT_ID

刪除個別資源

或者，如要移除本教學課程中使用的個別資源，請執行下列操作：

  1. 刪除授權 view。

  2. 刪除包含授權 view 的資料集。

  3. 刪除來源資料集中的資料表。

  4. 刪除來源資料集。

您建立的資源不需額外權限即可刪除。

後續步驟