GSP1054

Ringkasan

Bigtable adalah layanan database NoSQL yang skalabel dan terkelola sepenuhnya dari Google. Bigtable cocok untuk menyimpan data dalam jumlah besar di penyimpanan key-value dan untuk kasus penggunaan seperti personalisasi, teknologi iklan, teknologi finansial, media digital, dan Internet of Things (IoT). Bigtable mendukung throughput baca dan tulis yang tinggi pada latensi rendah untuk akses cepat ke data dalam jumlah besar untuk pemrosesan dan analisis.

Untuk kasus penggunaan personalisasi, Bigtable dapat menangani penulisan tinggi untuk menyimpan interaksi pengguna dengan produk online dan pembacaan tinggi untuk menyediakan interaksi ini ke model yang menghasilkan rekomendasi yang dipersonalisasi.

Di lab ini, Anda akan menggunakan Konsol Google Cloud untuk membuat instance Bigtable dengan tabel untuk menyimpan interaksi pengguna dengan produk. Kemudian, Anda menggunakan template Dataflow untuk mengisi tabel dari file data yang telah dibuat sebelumnya di Cloud Storage. Setelah tugas Dataflow selesai, Anda akan memverifikasi bahwa tabel telah berhasil diisi dengan data, lalu menyelesaikan lab dengan menghapus data Bigtable.

Yang akan Anda lakukan

Di lab ini, Anda akan mempelajari cara membuat instance Bigtable dan memuat data dari Cloud Storage tanpa menulis kode apa pun.

• Membuat instance Bigtable dan tabel Bigtable dengan grup kolom.
• Menggunakan template Dataflow untuk memuat file SequenceFile dari Cloud Storage ke Bigtable.
• Memverifikasi data yang dimuat ke Bigtable.
• Menghapus tabel dan instance Bigtable.

Prasyarat

• Pemahaman dasar tentang konsep dan istilah database seperti instance, skema, dan kunci
• Menyelesaikan lab berjudul Mendesain dan Membuat Kueri Skema Bigtable

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

   {{{user_0.username | "Username"}}}

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

   {{{user_0.password | "Password"}}}

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Mengaktifkan Cloud Shell

Cloud Shell adalah mesin virtual yang dilengkapi dengan berbagai alat pengembangan. Mesin virtual ini menawarkan direktori beranda persisten berkapasitas 5 GB dan berjalan di Google Cloud. Cloud Shell menyediakan akses command-line untuk resource Google Cloud Anda.

1. Klik Activate Cloud Shell di bagian atas Konsol Google Cloud.

2. Klik jendela berikut:

   • Lanjutkan melalui jendela informasi Cloud Shell.
   • Beri otorisasi ke Cloud Shell untuk menggunakan kredensial Anda guna melakukan panggilan Google Cloud API.

Setelah terhubung, Anda sudah diautentikasi, dan project ditetapkan ke Project_ID, . Output berisi baris yang mendeklarasikan Project_ID untuk sesi ini:

Project Cloud Platform Anda dalam sesi ini disetel ke {{{project_0.project_id | "PROJECT_ID"}}}

gcloud adalah alat command line untuk Google Cloud. Alat ini sudah terinstal di Cloud Shell dan mendukung pelengkapan command line.

3. (Opsional) Anda dapat menampilkan daftar nama akun yang aktif dengan perintah ini:

gcloud auth list

4. Klik Authorize.

Output:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} Untuk menetapkan akun aktif, jalankan: $ gcloud config set account `ACCOUNT`

5. (Opsional) Anda dapat menampilkan daftar ID project dengan perintah ini:

gcloud config list project

Output:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Catatan: Untuk mendapatkan dokumentasi gcloud yang lengkap di Google Cloud, baca panduan ringkasan gcloud CLI.

Dataflow API

Memastikan Dataflow API berhasil diaktifkan

Untuk memastikan akses ke API yang diperlukan, mulai ulang koneksi ke Dataflow API.

gcloud services disable dataflow.googleapis.com --project {{{project_0.project_id|Project ID}}} --force gcloud services enable dataflow.googleapis.com --project {{{project_0.project_id|Project ID}}}

Klik Periksa progres saya untuk memverifikasi tujuan. Dataflow API

Tugas 1. Membuat instance Bigtable

Untuk membuat tabel baru di Bigtable, Anda harus membuat instance Bigtable terlebih dahulu untuk menyimpan tabel Anda.

1. Di Konsol Google Cloud, pada Navigation menu (), di bagian Databases, klik Bigtable.

2. Klik Create instance.

3. Masukkan informasi yang diperlukan untuk membuat instance Bigtable:

Property	Value
Instance name	Personalized Sales
Instance ID	Leave the default value
Storage Type	SSD
Cluster ID	Leave the default value
Region
Zone
Node scaling mode	Manual allocation
Quantity	Leave the default value

4. Klik Create.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat instance Bigtable.

Tugas 2. Membuat tabel Bigtable baru

Di Bigtable, setiap baris dalam tabel memiliki ID unik yang disebut row key, dan kolom dalam tabel dikelompokkan berdasarkan grup kolom untuk mengatur kolom terkait. Dalam tugas ini, Anda akan membuat tabel Bigtable baru dengan row key dan grup kolom yang sesuai untuk interaksi pengguna.

Pertama, Anda membuat tabel bernama UserSessions untuk menyimpan interaksi online pengguna dengan berbagai produk dan penjualan yang dikonfirmasi, menggunakan ID pengguna yang digabungkan dengan stempel waktu sebagai row key. Kemudian, Anda membuat dua grup kolom yang disebut Interactions dan Sales untuk membantu mengatur kolom terkait.

1. Dari daftar instance Bigtable, klik ID instance bernama personalized-sales.

2. Di menu navigasi, di bagian Instance, klik Tables.

3. Klik Create table.

4. Untuk Table ID, ketik UserSessions

5. Klik Add column family.

6. Untuk Column family name, ketik Interactions

Biarkan nilai default untuk kebijakan pembersihan sampah memori.

7. Klik Done.

8. Ulangi langkah 5 hingga 7 untuk membuat grup kolom lain bernama Sales.

9. Klik Create.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat tabel Bigtable baru.

Tugas 3. Memuat file data dari Cloud Storage menggunakan template Dataflow

Dalam tugas ini, Anda akan menjalankan tugas Dataflow untuk memuat data dari Cloud Storage ke Bigtable. Agar tugas Dataflow dapat berjalan dengan lancar, Anda harus membuat bucket Cloud Storage terlebih dahulu agar Dataflow dapat menulis file sementara sesuai kebutuhan. Kemudian, Anda dapat berhasil membuat dan menjalankan tugas Dataflow baru dari template.

Membuat bucket Cloud Storage

1. Di Konsol Google Cloud, pada Navigation menu (), klik Cloud overview > Dashboard.

2. Di bagian Project info, salin nilai untuk Project ID (seperti ).

   Anda akan menggunakan Project ID Qwiklabs, yang sudah unik secara global, sebagai nama bucket Cloud Storage.

3. Di Konsol Google Cloud, pada Navigation menu (), klik Cloud Storage > Buckets.

4. Klik Create Bucket.

5. Masukkan informasi yang diperlukan untuk membuat bucket Cloud Storage, dengan mengganti project-id dengan project ID yang Anda salin di langkah 2.

Property	Value
Name	project-id
Location type	Multi-region
Location	us (multiple regions in United States)

Jangan ubah nilai default untuk parameter lainnya.

6. Klik Create.

7. Jika melihat pesan Public access will be prevented, klik Confirm.

Membuat tugas Dataflow menggunakan template

1. Di Konsol Google Cloud, pada Navigation menu (), di bagian Analytics, klik Dataflow > Jobs.

2. Klik Create job from template.

3. Masukkan informasi yang diperlukan untuk membuat tugas Dataflow dari template, dengan mengganti project-id dengan project ID yang sebelumnya Anda salin.

Property	Value
Job name	import-usersessions
Regional endpoint
Dataflow template	SequenceFile Files on Cloud Storage to Cloud Bigtable
Project ID	project-id
Instance ID	personalized-sales
Table ID	UserSessions
Source path pattern	gs://spls/gsp1054/retail-interactions-sales-00000-of-00001
Temporary location	gs://project-id/temp

Jangan ubah nilai default untuk parameter lainnya.

4. Klik Run Job.

5. Di halaman Job Graph, di bagian Job steps view, pilih Graph view.

Graph view menampilkan grafik progres tugas untuk menyelesaikan langkah-langkah berikut:

• Membaca SequenceFile di Cloud Storage.
• Memutasi data untuk dimuat ke Bigtable.
• Menulis data ke Bigtable.

6. Untuk melihat tampilan tabel dari langkah-langkah yang sama, pilih Table view.

Jika tugas telah berhasil diselesaikan, tanda centang hijau untuk status Succeeded akan ditampilkan di samping setiap tugas dalam Job Graph. Tugas ini akan memerlukan waktu sekitar 3 hingga 5 menit agar dapat berjalan dengan lancar.

Klik Periksa progres saya untuk memverifikasi tujuan. Memuat file data dari Cloud Storage menggunakan template Dataflow.

Tugas 4. Memverifikasi data yang dimuat ke Bigtable

Setelah tugas Dataflow Anda berhasil diselesaikan, Anda dapat menggunakan cbt (alat command line Cloud Bigtable) commands untuk terhubung ke instance Bigtable Anda dan memverifikasi bahwa tabel telah diisi dengan data.

Mengonfigurasi Bigtable CLI

Untuk terhubung ke Bigtable menggunakan perintah CLI cbt, Anda harus terlebih dahulu mengupdate file konfigurasi .cbtrc dengan project ID dan ID instance Bigtable Anda menggunakan Cloud Shell.

Untuk meninjau cara mengakses Cloud Shell, klik Setup and Requirements di menu sisi kanan halaman ini.

1. Untuk memodifikasi file .cbtrc dengan project ID dan instance ID, jalankan perintah berikut di Cloud Shell:

echo project = `gcloud config get-value project` \ >> ~/.cbtrc echo instance = personalized-sales \ >> ~/.cbtrc

2. Untuk memverifikasi bahwa Anda berhasil memodifikasi file .cbtrc, jalankan perintah berikut:

cat ~/.cbtrc

Output akan terlihat seperti berikut:

project = <project-id> instance = personalized-sales

Mengkueri data dalam tabel

Setelah mengonfigurasi file konfigurasi .cbtrc di Cloud Shell, Anda dapat menjalankan perintah CLI cbt sederhana untuk mengkueri sepuluh kumpulan data pertama dari tabel.

• Untuk melihat data sepuluh baris pertama tabel, jalankan perintah berikut:

cbt read UserSessions \ count=10

Outputnya disusun sebagai berikut:

---------------------------------------------- ROW KEY COLUMN_FAMILY:COLUMN_QUALIFIER @ TIMESTAMP VALUE

Nilai output akan terlihat seperti berikut:

---------------------------------------------- blue1#1638940844409 Interactions:blue_blouse @ 2022/06/07-18:34:28.858000 "purchased" Interactions:blue_jacket @ 2022/06/07-18:34:28.858000 "viewed details" Interactions:blue_shoes @ 2022/06/07-18:34:28.858000 "viewed details" Interactions:green_skirt @ 2022/06/07-18:34:28.858000 "seen" Interactions:orange_dress @ 2022/06/07-18:34:28.858000 "seen" Interactions:purple_dress @ 2022/06/07-18:34:28.858000 "seen" Interactions:purple_skirt @ 2022/06/07-18:34:28.858000 "seen" Interactions:user_id @ 2022/06/07-18:34:28.858000 "blue1" Interactions:yellow_blouse @ 2022/06/07-18:34:28.858000 "seen" Sales:sale @ 2022/06/07-18:34:28.858000 "blue_blouse"

Tugas 5. Menghapus tabel dan instance Bigtable

1. Di Konsol Google Cloud, pada Navigation menu (), di bagian Databases, klik Bigtable.

2. Dari daftar Instance Bigtable, klik ID Instance bernama personalized-sales.

3. Di menu navigasi, di bagian Instance, klik Tables.

4. Klik tabel bernama UserSessions.

5. Klik Delete table.

6. Pada dialog konfirmasi, ketik UserSessions

7. Klik Delete.

8. Di menu navigasi, di bagian Instance, klik Overview.

9. Klik Hapus instance.

10. Di dialog konfirmasi, ketik personalized-sales

11. Klik Delete.

Klik Periksa progres saya untuk memverifikasi tujuan. Menghapus tabel dan instance Bigtable.

Selamat!

Di lab ini, Anda menggunakan Bigtable untuk membuat instance dan tabel baru, memuat data ke dalam tabel menggunakan template Dataflow, dan mengonfirmasi bahwa data berhasil dimuat dengan menjalankan perintah CLI cbt sederhana. Kemudian, Anda menyelesaikan lab dengan menghapus tabel dan instance Bigtable.

Langkah berikutnya/Pelajari lebih lanjut

• Lihat lab berjudul Mengalirkan Data ke Bigtable.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Panduan Terakhir Diperbarui pada 13 Agustus 2025

Lab Terakhir Diuji pada 13 Agustus 2025

Hak cipta 2025 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.