Kev Tso Cai: Peb xav kom txhua dataset kom muaj tus tswv kev pabcuam tus account thiab pab pawg nyeem.
Kev Tshawb Fawb: Peb tau xa tawm BigQuery stackdriver cav, uas muaj cov ncauj lus kom ntxaws txog kev ua tiav cov ntaub ntawv, rau hauv BigQuery dataset kom yooj yim tsom xam.
Txhawm rau kom cov neeg siv Twitter cov ntaub ntawv tus kheej raug tswj kom raug, peb yuav tsum sau npe tag nrho BigQuery datasets, sau cov ntaub ntawv tus kheej, khaws cia kom raug, thiab tshem tawm (scrape) cov ntaub ntawv uas tau muab tshem tawm los ntawm cov neeg siv.
Peb saib hauv Google Cloud Data Loss Prevention API, uas siv tshuab kev kawm los faib thiab hloov kho cov ntaub ntawv rhiab, tab sis txiav txim siab los ntawm kev sau cov ntaub ntawv ntawm tus kheej vim qhov tseeb. Peb npaj yuav siv Cov Ntaub Ntawv Loss Tiv Thaiv API txhawm rau txhim kho cov lus piav qhia kev cai.
Ntawm Twitter, peb tau tsim plaub pawg tsis pub lwm tus paub rau cov ntaub ntawv hauv BigQuery, teev ntawm no hauv kev txiav txim siab los ntawm kev nkag siab:
Cov ntaub ntawv rhiab heev yog tsim muaj raws li qhov xav tau raws li lub hauv paus ntsiab lus ntawm qhov tsawg kawg nkaus. Txhua cov ntaub ntawv teev muaj ib pab pawg neeg nyeem, thiab peb yuav taug qab kev siv los ntawm tus kheej cov nyiaj.
Cov ntaub ntawv rhiab heev nruab nrab (ib-txoj kev pseudonym siv salted hashing) tsis muaj Cov Ntaub Ntawv Qhia Txog Tus Kheej (PII) thiab nkag mus rau cov neeg ua haujlwm loj dua. Qhov no yog qhov sib npaug zoo ntawm kev txhawj xeeb txog kev ceev ntiag tug thiab cov ntaub ntawv siv hluav taws xob. Qhov no tso cai rau cov neeg ua haujlwm los ua cov haujlwm tshuaj ntsuam xyuas, xws li suav cov naj npawb ntawm cov neeg siv uas siv cov yam ntxwv, tsis paub tias leej twg yog cov neeg siv tiag.
Rau cov xwm txheej tsawg uas yuav tsum muaj cov lus nug tsis tu ncua ntawm kaum ntawm petabytes, peb tau txiav txim siab tias khaws cov ntaub ntawv khaws tseg hauv BigQuery tsis raug nqi thiab siv Presto ncaj qha mus saib cov ntaub ntawv hauv GCS. Txhawm rau ua qhov no, peb tab tom saib BigQuery Sab Nraud Cov Ntaub Ntawv.
Cov kauj ruam tom ntej
Peb tau pom ntau qhov kev txaus siab hauv BigQuery txij li alpha tso tawm. Peb tab tom ntxiv ntau cov ntaub ntawv thiab ntau cov lus txib rau BigQuery. Peb tsim cov khoom sib txuas rau cov cuab yeej ntsuas cov ntaub ntawv xws li Scalding los nyeem thiab sau rau BigQuery cia. Peb tab tom saib cov cuab yeej zoo li Looker thiab Apache Zeppelin rau kev tsim cov ntawv tshaj tawm kev lag luam thiab sau ntawv siv BigQuery datasets.
Peb txoj kev koom tes nrog Google tau ua tau zoo heev thiab peb txaus siab los txuas ntxiv thiab txhim kho kev koom tes no. Peb tau ua haujlwm nrog Google los siv peb tus kheej Partner Issue Trackerxa cov lus nug ncaj qha rau Google. Ib txhia ntawm lawv, xws li BigQuery Parquet loader, twb tau siv los ntawm Google.