Konfigurera export av tjänstloggar till BigQuery

Utgåvor som stöds för den här funktionen: Frontline Standard och Frontline Plus, Enterprise Standard och Enterprise Plus, Education Standard och Education Plus, Enterprise Essentials Plus. Jämför utgåvor

Om du vill exportera aktivitetslogghändelser (enskilda åtgärder som vidtagits av en användare) och användningsrapporter (sammanställda rapporter för en app) till Google BigQuery måste du göra en BigQuery Export-konfiguration i Googles administratörskonsol.

Om data i BigQuery och Reports API

Data som är tillgänglig i BigQuery-datasetet skiljer sig från datan som hämtas från Reports API. BigQuery-data innehåller endast ofiltrerade dataset. Du kan fortfarande filtrera data med SQL, men alla Reports API-parametrar stöds inte.

Du kan filtrera Reports API-data genom att inkludera parametrar i API-begäran.

Exempel: Det finns två organisationsenheter på en domän, A och B. Med Reports API och BigQuery kan du få åtkomst till alla händelser för hela domänen (A och B).

• Med Reports API kan du hämta A-händelser med parametern orgUnitID i API-begäran.
• Med SQL och BigQuery kan du inte filtrera händelser efter organisationsenhet eftersom det inte finns någon motsvarande kolumn för orgUnitID-parametern.

Viktigt!

• BigQuery-data innehåller historisk data (180 dagar för aktivitetsdata och 450 dagar för användningsdata). Du kan även hämta historisk data från Reports API.
• Om du inaktiverar export av Google Workspace-data till BigQuery inkluderas ingen ny data i BigQuery Export. Befintlig data är dock tillgänglig i andra källor, till exempel Reports API.
  • BigQuery-tabellerna har partitioner på dagsnivå i den pseudokolumnen (_PARTITIONTIME). Partitionerna härleds från kolumnen time_usec för aktivitetstabeller och kolumnen date för användningstabeller. Observera att Workspace åsidosätter standardgränserna för UTC i BigQuery för att justera partitionerna efter Stillahavstid (PT). För att optimera kostnaden för BigQuery-sökfrågor rekommenderar Google att du filtrerar efter _PARTITIONTIME i kombination med time_usec eller datum.
• All data i tjänstrapporter är inte tillgänglig i BigQuery-exporten. En lista över tjänster som stöds finns i Vilka tjänster har stöd för BigQuery-export? på den här sidan.
• Exempel på sökfrågor finns i Exempel på sökfrågor för rapportloggar i BigQuery.

Så här distribueras och lagras data

• Det kan ta en timme för principer att distribueras. Därefter skapas dagliga tabeller i din datauppsättning (Stillahavstid).
• Data lagras i enlighet med riktlinjer för andra loggar och rapporter. Mer information finns i Datalagring och fördröjning.
• Datatabeller raderas inte automatiskt. Om du vill radera ett aktivt projekt går du till Radera en BigQuery-export konfiguration.
• Aktivitetslogghändelser är tillgängliga inom tio minuter. Användningslogghändelser har en fördröjning på 48 timmar vid första konfigurationen, men därefter är fördröjningen vanligen 1–3 dagar.

Innan du börjar

Viktigt! Om du använder organisationspolicyn Domänbegränsad delning i Google Cloud ska du lägga till Googles kund-id C02h8e9nw på godkännandelistan.

Du måste först konfigurera ett BigQuery-projekt i Google Cloud Console. Gör följande när du skapar projektet:

• Lägg till ett administratörskonto för Google Workspace som
  • BigQuery-administratör (roles/bigquery.admin) eller motsvarande roll för identitets- och åtkomsthantering (IAM)
  • IAM-administratör för projekt (roles/resourcemanager.projectIamAdmin)
• Lägg till tjänstkontot gapps-reports@system.gserviceaccount.com som projektredigerare (eller motsvarande IAM-redigerarroll). Detta krävs för att skriva loggar, uppdatera schemat och slutföra steg 5 senare.

Du hittar anvisningar i Skapa ett BigQuery-projekt för rapportloggar.

Steg 1: Konfigurera en BigQuery Export-konfiguration

1. Öppna menyn Rapportering Dataintegrationer (eller BigQuery-export för Education-administratörer, vilket öppnar sidan Dataintegrationer) i Googles administratörskonsol.

   Gå till Dataintegreringar

   Administratörsbehörighet för Rapporter krävs.

2. Peka på kortet BigQuery-export och klicka på Redigera .
3. Aktivera BigQuery-loggar genom att markera rutan Aktivera dataexport för Google Workspace till Google BigQuery.
4. (Valfritt) Om du vill exportera känsliga parametrar för dataskyddsregler markerar du rutan Tillåt export av känsligt innehåll från dataskyddsregelloggar. Mer information finns i Visa innehåll som aktiverar dataskyddsregler.
5. Välj det projekt som du vill lagra loggarna i under Projekt-id för BigQuery. Välj ett projekt som gapps-reports@system.gserviceaccount.com har rollen Redigerare för eller en motsvarande IAM-redigerarroll. Om projektet inte visas måste du konfigurera det i BigQuery. Mer information finns i Snabbstart med Google Cloud Console.
6. Ange namnet på det dataset som ska användas för att lagra loggarna i projektet under Nytt dataset i projektet. Datasetnamn måste vara helt nya och unika och får inte redan finnas i Google Cloud. Mer information finns i Skapa dataset.
7. (Valfritt) Markera rutan Begränsa datasetet till en specifik geografisk plats välj platsen i menyn. Mer information finns i Flera regioner.
   1. Klicka på Spara. Obs! Om du inte kan spara projektet öppnar du Google Cloud Console raderar det nya datasetet och sparar det igen i administratörskonsolen.

När exporten aktiveras skapas datasetet nästa dag. Utöver projektägare, redigerare och läsbehöriga läggs tjänstkontot gapps-reports@system.gserviceaccount.com till som redigerare. Tjänstkontot krävs för att skriva loggar och uppdatera schemat.

Steg 2: Ändra datasetet och reservannonser för BigQuery Export till ett nytt dataset (valfritt)

Du kan ändra inställningarna för BigQuery Export för att börja exportera data till ett annat dataset än det aktuella. Du kan även flytta befintlig data från den tidigare datamängden till den nya (180 dagar för granskning och 450 dagar för användning). Du kan till exempel ändra platsen för BigQuery Export-datasetet från USA till EU. Med backfill kan du överföra data som redan lagras i USA-regionen till EU-regionen. Om du väljer återfyllning skapar BigQuery ett nytt dataset på den angivna platsen.

Tänk på följande

• Befintlig data exporteras till ett nytt dataset om du väljer en ny plats, ändrar projekt-id eller ändrar dataset-id.
• Den exporterade datan behålls även i det tidigare datasetet.
• All ny data och den återfyllda datan lagras i det nya datasetet.
• Befintlig data (180 dagar för granskning och 450 dagar för användning) exporteras till det nya datasetet men raderas inte från den befintliga platsen, så du har BigQuery Export-dataset på två platser.

Så här återfyller du befintlig data till den nya platsen:

1. Öppna menyn Rapportering Dataintegrationer (eller BigQuery-export för Education-administratörer, vilket öppnar sidan Dataintegrationer) i Googles administratörskonsol.

   Gå till Dataintegreringar

   Administratörsbehörighet för Rapporter krävs.

2. Ange det nya datasetnamnet.
3. Om du vill återfylla befintlig data till den nya platsen markerar du rutan Återfyll befintlig BigQuery-data från de senaste 180 dagarna till det nya datasetet.
4. Klicka på Bekräfta Spara.

Krav för export av loggdata

Loggdata exporteras via insertAll API, vilket kräver att du har aktiverat fakturering för ditt BigQuery Export-projekt. Om fakturering inte har aktiverats är projektet i sandlådeläge och loggdata exporteras inte till datasetet. Mer information finns i Begränsningar.

Obs! Export av användningsrapporter är fortfarande aktiverat för projekt i sandlådeläge.

Fördröjningstider

I de flesta fall är aktivitetslogghändelser tillgängliga inom tio minuter efter att du har aktiverat dataexport till BigQuery. Användningslogghändelser har en fördröjning på 48 timmar vid första konfigurationen, men därefter är fördröjningen vanligen 1–3 dagar. Mer information finns i Datalagring och fördröjning.

Vanliga frågor

Relaterat ämne

BigQuery-dokumentation