Observability-Praktiken umsetzen und Probleme beheben1 / 5
Du musst Cloud Logging-Logs nach BigQuery exportieren, um sie langfristig auszuwerten und mit anderen Geschäftsdaten zu korrelieren. Wie solltest du den Log-Export konfigurieren?
RichtigFalsch
Alex
Um Cloud Logging-Logs nach BigQuery zu exportieren, erstellst du über den Log Router ein Log-Sink mit einem BigQuery-Dataset als Ziel und einem Inclusion-Filter, der festlegt, welche Logs weitergeleitet werden (docs.cloud.google.com/logging/docs/export/configure_export_v2). Der Log Router prüft jeden Log-Eintrag gegen die Sink-Filter und streamt passende Einträge nahezu in Echtzeit nach BigQuery, was SQL-basierte Auswertungen und die Korrelation mit Geschäftsdaten ermöglicht. Warum nicht die anderen? Eine Cloud Function per Zeitplan zum Kopieren der Logs bringt unnötige Komplexität und Latenz mit sich und dupliziert die eingebaute Funktionalität des Log Routers. Im Logs Explorer gibt es keinen Schalter für eine 'BigQuery-Integration' – der Log-Export erfordert eine explizite Sink-Konfiguration. Eine Dataflow-Pipeline ist für einen normalen Log-Export überdimensioniert, den Sinks nativ abdecken. Prüfungstipp: Log-Sinks unterstützen vier Zieltypen – BigQuery, Cloud Storage, Pub/Sub und Cloud Logging-Buckets – die jeweils zu unterschiedlichen Aufbewahrungs- und Analysemustern passen.
Quellecloud.google.com
Antworten auf Rückfragen bekommst du in der App. Erstelle ein kostenloses Konto — ohne Kreditkarte.
Frage 1 von 5
Kostenloses Konto erstellen