始める前に
- ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
- ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
- 画面左上の [ラボを開始] をクリックして開始します
Cloud Spanner について
700 以上のラボとコースにアクセス
Python で Spanner アプリケーションをプログラミングする
ラボの手順とタスク
700 以上のラボとコースにアクセス
SCBL005
概要
このラボでは、Python コードを実行して Spanner のインスタンスとデータベースを作成します。また、Google 標準 SQL と PostgreSQL の両方の言語を使用して、データベースのレコードを作成、取得、削除する方法も確認します。
目標
このラボでは、次の方法について学びます。
- Python を使用して Spanner のインスタンスとデータベースを作成、削除する。
- PostgreSQL 言語に対応した Spanner データベースをプログラミングする。
設定と要件
[ラボを開始] ボタンをクリックする前に
こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。
このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ご自身でラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。
このラボを完了するためには、下記が必要です。
- 標準的なインターネット ブラウザ（Chrome を推奨）
- ラボを完了するための時間（開始後は一時停止できません）
Google Cloud Shell の有効化
Google Cloud Shell は、デベロッパー ツールと一緒に読み込まれる仮想マシンです。5 GB の永続ホーム ディレクトリが用意されており、Google Cloud で稼働します。Google Cloud Shell では、コマンドラインで GCP リソースにアクセスできます。
GCP Console の右上のツールバーにある [Cloud Shell をアクティブにする] ボタンをクリックします。
[続行] をクリックします。
環境のプロビジョニングと接続には少し時間がかかります。接続すると、すでに認証されており、プロジェクトは PROJECT_ID に設定されています。例えば:
gcloud は Google Cloud Platform のコマンドライン ツールです。このツールは、Cloud Shell にプリインストールされており、タブ補完がサポートされています。
次のコマンドを使用すると、有効なアカウント名を一覧表示できます。
gcloud auth list
出力:
ACTIVE: *
ACCOUNT: student-01-xxxxxxxxxxxx@qwiklabs.net
To set the active account, run:
$ gcloud config set account `ACCOUNT`
次のコマンドを使用すると、プロジェクト ID を一覧表示できます。
gcloud config list project
出力:
[core]
project = <project_ID>
出力例:
[core]
project = qwiklabs-gcp-44776a13dea667a6
タスク 1. Python で Spanner データベースをプログラミングする
Dataflow Workbench インスタンスを作成する
- Google Cloud コンソールのナビゲーション メニューを使用して、[分析] セクションから [Dataflow] > [ワークベンチ] を選択します。
ヒント: コンソールのツールバーの検索ボックスを使用して Dataflow ワークベンチを検索することもできます。
-
[Notebooks API を有効にする] リンクが表示されたら、そのリンクをクリックして API を有効にします。
-
ワークベンチのページで、[新規作成] ボタンをクリックします。
ノートブックに「my-notebook」という名前を付け、リージョンを選択します。このリージョンでは任意のゾーンを選択できます。 -
左側のリストから [マシンタイプ] をクリックし、マシンタイプに [E2 standard] と [e2-standard-2] を選択します。
-
残りのフィールドはデフォルトのままにし、[作成] をクリックします。
-
インスタンスの準備ができたら、[Open Jupyter] をクリックします。別のブラウザタブで Jupyter が開きます。
開いている [Launcher] タブで、必要に応じて下にスクロールし、[Terminal] をクリックします。
次のコマンドを実行して、このラボに必要なファイルを含む Git リポジトリのクローンを作成します。
Jupyter ノートブックを開く
-
左側のファイル エクスプローラで training-data-analyst/courses/understanding-spanner/colab-notebooks/Spanner_Samples_Python.ipynb に移動し、そのファイルを開きます。
-
最初のセルを実行して、Python の Spanner クライアント ライブラリをインストールします。
-
2 番目のセルで、次のように変数を更新します。
| 変数 | 新しい値（ノートブックでは、外側の単一引用符をそのまま残してください） |
|---|---|
| project_id | |
| region_id |
-
続けて、2 番目のセルを実行します。変数が作成され、Spanner API が有効になります。
-
各コードセルの前のテキストを読んで、各セルを実行します。コードによって実行される内容を確認してください。
タスク 2. PostgreSQL 言語を使用して Spanner データベースをプログラミングする
-
training-data-analyst/courses/understanding-spanner/colab-notebooks/Spanner_PostgeSQL.ipynb ファイルを開きます。
-
最初のセルを実行して、Python の Spanner クライアント ライブラリがアクティブであることを確認します。
-
2 番目のセルで、次のように変数を更新します。
| 変数 | 新しい値（ノートブックでは、外側の単一引用符をそのまま残してください） |
|---|---|
| project_id | |
| region_id |
-
続けて、2 番目のセルを実行します。変数が作成され、Spanner API が有効になります。
-
ノートブックの各ステップの内容を確認して、実行します。
これで完了です。Python コードを実行して Spanner のインスタンスとデータベースを作成しました。また、Google 標準 SQL と PostgreSQL の両方の言語を使用して、データベースのレコードを作成、取得、削除する方法も確認しました。
ラボを終了する
ラボでの学習が完了したら、[ラボを終了] をクリックします。ラボで使用したリソースが Qwiklabs から削除され、アカウントの情報も消去されます。
ラボの評価を求めるダイアログが表示されたら、星の数を選択してコメントを入力し、[送信] をクリックします。
星の数は、それぞれ次の評価を表します。
- 星 1 つ = 非常に不満
- 星 2 つ = 不満
- 星 3 つ = どちらともいえない
- 星 4 つ = 満足
- 星 5 つ = 非常に満足
フィードバックを送信しない場合は、ダイアログ ボックスを閉じてください。
フィードバック、ご提案、修正事項がございましたら、[サポート] タブからお知らせください。
Copyright 2024 Google LLC All rights reserved. Google および Google のロゴは、Google LLC の商標です。その他すべての社名および製品名は、それぞれ該当する企業の商標である可能性があります。
