# Подключение к BigQuery Совместимо с dbt v2 Платформа dbt Чтобы узнать, какие функции BigQuery поддерживаются в dbt v2 в режиме `strict`, см. [Поддержка функций BigQuery](https://docs.getdbt.tech/reference/resource-configs/bigquery-function-support.md). ## Необходимые разрешения Учетным записям пользователей dbt требуются следующие разрешения для чтения данных, а также для создания таблиц и views в проекте BigQuery: * Редактор данных BigQuery * Пользователь BigQuery (Версии dbt: v1.12 и новее) При сканировании наборов данных dbt получает список подпрограмм BigQuery (функций и хранимых процедур) и сведения о них. Если вы используете пользовательскую роль IAM вместо предопределённой, также предоставьте следующие разрешения: * `bigquery.routines.list`: получение списка подпрограмм в наборе данных * `bigquery.routines.get`: чтение метаданных подпрограмм Без этих разрешений dbt может не обнаружить существующие таблицы, а некоторые операции поиска могут завершиться ошибкой. Предопределённые роли, такие как BigQuery Data Editor, обычно уже включают эти разрешения. Для работы с BigQuery при использовании dbt v2 пользователям также нужна роль: * BigQuery Read Session User (для доступа к Storage Read API) Чтобы использовать функцию [«История запросов»](https://docs.getdbt.tech/docs/explore/model-query-history.md#bigquery-model-query-history), добавьте роль: * BigQuery Resource Viewer Для работы с BigQuery DataFrames пользователям нужны следующие дополнительные роли: * BigQuery Job User * BigQuery Read Session User * Notebook Runtime User * Code Creator * colabEnterpriseUser ## Права доступа к хранилищу данных для dbt v2 Удостоверение Google Cloud (сервисный аккаунт или пользователь), которое использует dbt v2, должно иметь разрешения IAM для запуска заданий, чтения и записи данных таблиц, а также чтения метаданных, которые dbt v2 использует для интроспекции и проверки актуальности источников. ### Необходимые объекты Google Cloud Перед подключением следующие объекты должны существовать или быть доступны: | Объект | Термин BigQuery | Назначение | | -------------------------------------- | ----------------- | -------------------------------------------------------- | | **Проект** | Проект GCP | Идентификатор вашего проекта Google Cloud | | **Набор данных** | Набор данных | Целевой набор данных (эквивалент схемы) | | **Сервисный аккаунт или пользователь** | Удостоверение IAM | Удостоверение для аутентификации | | **Местоположение или регион** | Местоположение | Местоположение данных (например, `US`, `EU`, `us-east1`) | ### Разрешения IAM Для основных функций dbt необходимы следующие разрешения: | Разрешение | Назначение | | ---------------------------- | -------------------------------------------- | | `bigquery.datasets.get` | Доступ к метаданным набора данных | | `bigquery.tables.create` | Создание таблиц | | `bigquery.tables.delete` | Удаление или замена таблиц | | `bigquery.tables.get` | Чтение метаданных таблиц | | `bigquery.tables.getData` | Чтение данных таблиц | | `bigquery.tables.list` | Получение списка таблиц в наборе данных | | `bigquery.tables.update` | Обновление схемы таблицы | | `bigquery.tables.updateData` | Вставка, обновление или удаление строк | | `bigquery.routines.get` | Чтение метаданных подпрограмм | | `bigquery.routines.list` | Получение списка подпрограмм в наборе данных | | `bigquery.jobs.create` | Выполнение запросов | Следующие разрешения необязательны и нужны для дополнительных функций dbt: | Разрешение | Когда требуется | | -------------------------- | -------------------------------------------- | | `bigquery.datasets.create` | Автоматическое создание наборов данных | | `bigquery.routines.create` | Создание UDF или хранимых процедур | | `bigquery.jobs.get` | Отслеживание статуса заданий | | `storage.objects.create` | Модели Python (промежуточное хранение в GCS) | | `dataproc.*` | Модели Python в Dataproc | #### Предопределённые роли IAM Следующие роли обычно служат отправной точкой при настройке доступа для dbt: | Роль | Описание | Сценарий использования | | --------------------------- | --------------------------------------- | ----------------------------------------- | | `roles/bigquery.dataEditor` | Чтение и запись таблиц в наборах данных | Стандартные операции dbt | | `roles/bigquery.user` | Запуск заданий, создание наборов данных | Выполнение заданий | | `roles/bigquery.jobUser` | Только запуск заданий | Минимальные права для выполнения запросов | Для доступа к Storage Read API с помощью dbt v2 также предоставьте роль **BigQuery Read Session User** (`roles/bigquery.readSessionUser`) на уровне проекта, как указано в разделе [Подключение BigQuery](https://docs.getdbt.tech/docs/platform/connect-data-platform/connect-bigquery.md#required-permissions). ### Операции с метаданными Для основных функций dbt необходимы следующие операции: | Тип запроса | Используемый SQL или API | Необходимое разрешение | | -------------------------------- | -------------------------------- | ------------------------------------------------ | | Получение схемы таблицы | API `get_table_schema` | `bigquery.tables.get` | | Получение списка отношений | Запрос к набору данных | `bigquery.tables.list`, `bigquery.routines.list` | | Проверка актуальности источников | Запрос к метаданным `__TABLES__` | `bigquery.tables.get` | | Получение статистики таблицы | Запрос к `INFORMATION_SCHEMA` | `bigquery.tables.get` | | Создание набора данных | `CREATE SCHEMA` | `bigquery.datasets.create` | ### INFORMATION\_SCHEMA и представления метаданных dbt v2 выполняет запросы к следующим системным представлениям BigQuery: | Представление | Назначение | Область действия | | ------------------------------- | ------------------------- | ----------------------- | | `INFORMATION_SCHEMA.TABLES` | Получение списка таблиц | Набор данных или регион | | `INFORMATION_SCHEMA.COLUMNS` | Метаданные столбцов | Набор данных или регион | | `INFORMATION_SCHEMA.VIEWS` | Определения представлений | Набор данных или регион | | `INFORMATION_SCHEMA.PARTITIONS` | Информация о секциях | Только набор данных | | `__TABLES__` (устарело) | Время изменения таблиц | Набор данных | ### BigQuery DataFrames (необязательно) Для рабочих процессов BigQuery DataFrames пользователям обычно требуются дополнительные роли, такие как `BigQuery Job User`, `BigQuery Read Session User`, `Notebook Runtime User`, `Code Creator` и `colabEnterpriseUser`. Точные названия ролей в вашей организации уточните у администратора Google Cloud. ## Аутентификация dbt поддерживает различные методы аутентификации в зависимости от вашей среды и тарифного плана: * Окружения для разработки поддерживают: * Service JSON * BigQuery OAuth [Enterprise](https://www.getdbt.com/pricing "Подробнее о статусе или тарифе") * Окружения для деплоя поддерживают: * Service JSON * BigQuery Workload Identity Federation (WIF) [Enterprise](https://www.getdbt.com/pricing "Подробнее о статусе или тарифе") Эти методы аутентификации настраиваются в [глобальных настройках подключений учетной записи](https://docs.getdbt.tech/docs/platform/connect-data-platform/about-connections.md), а не в настройках единого входа или интеграций. При создании нового подключения BigQuery вам будет предложено два варианта схемы подключения (оба используют один и тот же адаптер): * **BigQuery:** Поддерживает все типы подключений (используйте этот вариант) * **BigQuery (Legacy):**  Поддерживает все типы подключений, кроме WIF (устаревшая функция. Не используйте.) Для всех новых подключений следует выбирать **BigQuery**, поскольку вариант **BigQuery (Legacy)** будет выведен из эксплуатации. Чтобы обновить существующие подключения и учетные данные в окружении для использования нового варианта BigQuery, сначала удалите конфигурации с помощью [API](https://docs.getdbt.tech/docs/dbt-apis/admin-api.md). ### JSON keyfile Загрузка JSON ключевого файла учетной записи службы Хотя поля в подключении BigQuery можно заполнить вручную, мы рекомендуем загрузить keyfile сервисного аккаунта JSON, чтобы быстро и корректно настроить подключение к BigQuery. Вы можете предоставить JSON ключевой файл в одном из двух форматов: * **JSON keyfile upload** — Загрузите keyfile напрямую в его стандартном формате JSON. * **Base64-encoded string** — Укажите keyfile в виде строки, закодированной в base64. При предоставлении строки в формате base64 dbt автоматически декодирует её и заполняет необходимые поля. Опция **JSON keyfile** доступна для настройки как **development**, так и **deployment** окружений. Загрузка корректного JSON keyfile заполнит следующие поля: * Project ID * Private key ID * Private key * Client email * Client ID * Auth URI * Token URI * Auth provider x509 cert url * Client x509 cert url В дополнение к этим полям, в подключении BigQuery можно настроить ещё два необязательных поля: | Поле | Описание | Примеры | | -------- | ----------------------------------------------------------------------------------------------------------- | ---------- | | Timeout | Устарело; существует для обратной совместимости с более старыми версиями dbt и будет удалено в будущем. | `300` | | Location | [Местоположение](https://cloud.google.com/bigquery/docs/locations), где dbt должен создавать наборы данных. | `US`, `EU` | [![Пример корректного подключения к BigQuery](/img/docs/dbt-platform/platform-configuring-dbt-platform/bigquery-connection.png?v=2 "Пример корректного подключения к BigQuery")](#)Пример корректного подключения к BigQuery ### BigQuery OAuth **Доступно в:** средах разработки, только в планах Enterprise Метод аутентификации OAuth позволяет dbt выполнять запросы от имени пользователя BigQuery или рабочей нагрузки без хранения файла ключа сервисного аккаунта BigQuery в dbt. Однако для завершения настройки в dbt Cloud по-прежнему необходимо предоставить JSON или заполнить поля вручную. Чтобы обойти это требование, необязательно указывать реальные значения (например, можно указать `N/A`). Подробнее о первоначальной настройке подключения к BigQuery через OAuth в dbt> см. в [документации по настройке BigQuery OAuth](https://docs.getdbt.tech/docs/platform/manage-access/set-up-bigquery-oauth.md). Если ваша организация настроила BigQuery OAuth, вы как конечный пользователь можете связать проект со своим личным аккаунтом BigQuery в своём профиле в dbt. ### Федерация удостоверений рабочей нагрузки BigQuery [Enterprise](https://www.getdbt.com/pricing "Подробнее о статусе или тарифе")[Предварительная версия](https://docs.getdbt.tech/docs/dbt-versions/product-lifecycles "Подробнее о статусе или тарифе") примечание Если вы используете BigQuery WIF, рекомендуем использовать его вместе с BigQuery OAuth. В противном случае необходимо создать два подключения — одно с service JSON и одно с WIF, чтобы использовать service JSON в средах разработки. **Доступно в:** средах развертывания Метод аутентификации BigQuery WIF позволяет dbt выполнять запросы при развертывании от имени сервисного аккаунта без настройки файла ключа сервисного аккаунта BigQuery в dbt. Дополнительную информацию о первоначальной настройке подключения BigQuery WIF в dbt см. в разделе [Настройка Workload Identity Federation для BigQuery](https://docs.getdbt.tech/docs/platform/manage-access/set-up-bigquery-oauth.md#set-up-bigquery-workload-identity-federation-). Чтобы узнать, как оптимизировать производительность с помощью конфигураций, специфичных для конкретной платформы данных, в , обратитесь к разделу [Настройки BigQuery](https://docs.getdbt.tech/reference/resource-configs/bigquery-configs.md). Чтобы узнать, как оптимизировать производительность с помощью настроек для конкретной платформы данных в dbt, обратитесь к разделу [Настройки для BigQuery](https://docs.getdbt.tech/reference/resource-configs/bigquery-configs.md). В BigQuery необязательные конфигурации позволяют настроить параметры для таких задач, как приоритет запросов, местоположение набора данных, время ожидания выполнения задания и многое другое. Эти опции дают вам больший контроль над тем, как BigQuery работает за кулисами, чтобы соответствовать вашим требованиям. Чтобы настроить дополнительные параметры в : Чтобы настроить необязательные параметры конфигурации в dbt: [![Необязательная конфигурация BigQuery](/img/bigquery/bigquery-optional-config.png?v=2 "Необязательная конфигурация BigQuery")](#)Необязательная конфигурация BigQuery Ниже перечислены необязательные параметры конфигурации, которые вы можете задать в : Ниже перечислены необязательные параметры конфигурации, которые можно задать в dbt: | Параметр конфигурации | Информация | Тип | Пример | | ------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------- | ------- | ------------------------------------------------- | | [Priority](#priority) | Задаёт приоритет заданий BigQuery (либо `interactive`, либо постановка в очередь для обработки в режиме `batch`) | String | `batch` or `interactive` | | [Retries](#retries) | Определяет количество повторных попыток для заданий, завершившихся неудачно из‑за временных проблем | Integer | `3` | | [Location](#location) | Регион для создания новых наборов данных | String | `US`, `EU`, `us-west2` | | [Maximum bytes billed](#maximum-bytes-billed) | Ограничивает максимальное количество байт, за которые может быть выставлен счёт при выполнении запроса | Integer | `1000000000` | | [Execution project](#execution-project) | Указывает идентификатор проекта, на который будет выставляться счёт за выполнение запроса | String | `my-project-id` | | [Impersonate service account](#impersonate-service-account) | Позволяет пользователям, аутентифицированным локально, получать доступ к ресурсам BigQuery от имени указанного сервисного аккаунта | String | `service-account@project.iam.gserviceaccount.com` | | [Job retry deadline seconds](#job-retry-deadline-seconds) | Задаёт общее количество секунд, в течение которых BigQuery будет пытаться повторно выполнить задание при сбое | Integer | `600` | | [Job creation timeout seconds](#job-creation-timeout-seconds) | Определяет максимальный таймаут для этапа создания задания | Integer | `120` | | [Google cloud storage-bucket](#google-cloud-storage-bucket) | Расположение для хранения объектов в Google Cloud Storage | String | `my-bucket` | | [Dataproc region](#dataproc-region) | Указывает облачный регион для запуска заданий обработки данных | String | `US`, `EU`, `asia-northeast1` | | [Dataproc cluster name](#dataproc-cluster-name) | Назначает уникальный идентификатор группе виртуальных машин в Dataproc | String | `my-cluster` | | [Notebook Template ID](#notebook-template-id) | Уникальный идентификатор среды выполнения ноутбука Colab Enterprise | Integer | `7018811640745295872` | | [Compute Region](#compute-region) | Указывает регион вычислительных ресурсов | String | `US`, `EU`, `asia-northeast1` |  Priority `priority` для заданий BigQuery, которые выполняет dbt, можно настроить с помощью конфигурации `priority` в вашем профиле BigQuery. Поле приоритета может быть установлено в `batch` или `interactive`. Для получения дополнительной информации о приоритете запросов обратитесь к [документации BigQuery](https://cloud.google.com/bigquery/docs/running-queries).  Retries Повторные попытки в BigQuery помогают гарантировать успешное завершение заданий, повторяя их после временных сбоев, делая ваши операции более надежными и устойчивыми.  Location `location` наборов данных BigQuery можно установить с помощью настройки `location` в профиле BigQuery. Согласно [документации BigQuery](https://cloud.google.com/bigquery/docs/locations), `location` может быть либо многорегиональным местоположением (например, `EU`, `US`), либо региональным местоположением (например, `us-west2`).  Maximum bytes billed Значение `maximum_bytes_billed`, заданное в профиле BigQuery, позволяет ограничить объём данных, который может обработать ваш запрос. Это защитная мера, предотвращающая случайную обработку большего объёма данных, чем вы ожидаете, что могло бы привести к увеличению затрат. Запросы, выполняемые dbt, завершатся с ошибкой, если превысят установленный предел количества байтов. Значение этого параметра необходимо указывать как целое число байтов. Если значение `maximum_bytes_billed` равно 1000000000, укажите его в поле `maximum_bytes_billed` в dbt. Если ваш `maximum_bytes_billed` равен 1000000000, вы должны ввести это значение в поле `maximum_bytes_billed` в dbt cloud.  Execution project По умолчанию dbt будет использовать указанный `project`/`database` как: 1. Место для материализации ресурсов (моделей, семян, снимков и т.д.), если они не указывают пользовательскую конфигурацию проекта/базы данных 2. Проект GCP, который получает счет за стоимость запросов или использование слотов При необходимости вы можете указать проект выполнения для выставления счетов за выполнение запросов, вместо проекта/базы данных, где вы материализуете большинство ресурсов.  Impersonate service account Эта функция позволяет пользователям, аутентифицирующимся с использованием локального OAuth, получать доступ к ресурсам BigQuery на основе разрешений учетной записи службы. Для общего обзора этого процесса см. официальную документацию по [Созданию краткосрочных учетных данных учетной записи службы](https://cloud.google.com/iam/docs/create-short-lived-credentials-direct).  Job retry deadline seconds **Job retry deadline seconds** задаёт общий лимит времени для повторных попыток BigQuery. По истечении лимита BigQuery прекращает повторять задание.  Job creation timeout seconds **Job creation timeout seconds** задаёт максимальное время ожидания начала задания BigQuery. Если оно не начнётся вовремя, BigQuery прервёт его. Начиная с dbt v1.10, адаптер BigQuery отправляет запрос на отмену заданий BigQuery, время выполнения которых превышает настроенный тайм-аут. Если запрос выполнен успешно, dbt останавливает задание. Если запрос не выполнен, задание BigQuery может продолжать выполняться в фоновом режиме, пока не завершится или пока вы не отмените его вручную. #### Запуск моделей dbt на Python в Google Cloud Platform Для выполнения Python-моделей dbt на GCP, dbt использует вспомогательные сервисы, Dataproc и Cloud Storage, которые предлагают тесную интеграцию с BigQuery. Вы можете использовать существующий кластер Dataproc и корзину Cloud Storage или создать новые: * *  Google cloud storage bucket Все, что вы храните в Cloud Storage, должно быть размещено внутри [bucket](https://cloud.google.com/storage/docs/buckets). Buckets помогают вам организовать ваши данные и управлять доступом к ним.  Dataproc region Назначенное местоположение в облаке, где вы можете эффективно выполнять свои задания по обработке данных. Этот регион должен совпадать с местоположением вашего набора данных BigQuery, если вы хотите использовать Dataproc с BigQuery, чтобы гарантировать, что данные не перемещаются между регионами, что может быть неэффективным и дорогостоящим. Для получения дополнительной информации о [регионах Dataproc](https://cloud.google.com/bigquery/docs/locations) обратитесь к документации BigQuery.  Dataproc cluster name Уникальная метка, которую вы присваиваете вашей группе виртуальных машин, чтобы помочь вам идентифицировать и управлять вашими задачами по обработке данных в облаке. Когда вы интегрируете Dataproc с BigQuery, вам нужно предоставить имя кластера, чтобы BigQuery знал, какой конкретный набор ресурсов (кластер) использовать для выполнения заданий по обработке данных. Ознакомьтесь с [документом Dataproc о создании кластера](https://cloud.google.com/dataproc/docs/guides/create-cluster) для обзора работы кластеров.  Notebook Template ID Уникальный идентификатор, связанный с конкретным ноутбуком Colab, который выступает в роли Python-рантайма для BigQuery DataFrames.  Compute Region Этот регион должен совпадать с местоположением вашего датасета BigQuery, если вы хотите использовать BigQuery DataFrames. Также убедитесь, что среда выполнения Colab находится в том же регионе. ### Подключения и управление учетными данными на уровне аккаунта Вы можете повторно использовать подключения в нескольких проектах с помощью [глобальных подключений](https://docs.getdbt.tech/docs/platform/connect-data-platform/about-connections.md#migration-from-project-level-connections-to-account-level-connections). Подключения привязываются на уровне окружения (ранее — на уровне проекта), поэтому в одном проекте можно использовать несколько подключений (для разработки, staging, production и других задач). В настоящее время подключения BigQuery в dbt предполагают управление учетными данными на уровне подключения (это относится только к подключениям BigQuery). Изначально такой подход был разработан, чтобы упростить создание нового подключения путем загрузки файла ключа сервисного аккаунта. Здесь описано, как переопределить эти учетные данные с помощью [расширенных атрибутов](https://docs.getdbt.tech/docs/dbt-platform-environments.md#extended-attributes), *чтобы администраторы проектов могли управлять учетными данными независимо* от параметров подключения на уровне аккаунта. Информацию о том, где настроить эти атрибуты для окружений развертывания и разработки, см. в разделе [Расширенные атрибуты](https://docs.getdbt.tech/docs/dbt-platform-environments.md#extended-attributes). В этом разделе описывается, как переопределить учетные данные на уровне окружения с помощью [extended attributes](https://docs.getdbt.tech/docs/dbt-platform-environments.md#extended-attributes), *чтобы администраторы проекта могли управлять учетными данными независимо* от параметров подключения на уровне аккаунта, используемых для данного окружения. Для проекта вы сначала создадите переменную среды для хранения секретного значения `private_key`. Затем вы используете расширенные атрибуты, чтобы переопределить весь JSON учетной записи службы (вы не можете переопределить только секретный ключ из-за ограничения расширенных атрибутов). 1. **Новая переменная среды** Чтобы автоматизировать развертывание, используйте следующий [запрос к API администрирования](https://docs.getdbt.tech/dbt-cloud/api-v3#/operations/Create%20Projects%20Environment%20Variables%20Bulk), где `XXXXX` — номер вашей учетной записи, `YYYYY` — номер вашего проекта, `ZZZZZ` — ваш [API-токен](https://docs.getdbt.tech/docs/dbt-apis/authentication.md): ```shell curl --request POST \ --url https://cloud.getdbt.com/api/v3/accounts/XXXXX/projects/YYYYY/environment-variables/bulk/ \ --header 'Accept: application/json' \ --header 'Authorization: Bearer ZZZZZ' \ --header 'Content-Type: application/json' \ --data '{ "env_var": [ { "new_name": "DBT_ENV_SECRET_PROJECTXXX_PRIVATE_KEY", "project": "Value by default for the entire project", "ENVIRONMENT_NAME_1": "Optional, if wanted, value for environment name 1", "ENVIRONMENT_NAME_2": "Optional, if wanted, value for environment name 2" } ] }' ``` 2. **Расширенные атрибуты** Заполните блок [расширенных атрибутов](https://docs.getdbt.tech/docs/dbt-platform-environments.md#extended-attributes) следующим содержимым (заменив `XXX` соответствующими значениями). На этой странице объясняется, где настроить их для сред развертывания и разработки: ```yaml keyfile_json: type: service_account project_id: xxx private_key_id: xxx private_key: '{{ env_var(''DBT_ENV_SECRET_PROJECTXXX_PRIVATE_KEY'') }}' client_email: xxx client_id: xxx auth_uri: xxx token_uri: xxx auth_provider_x509_cert_url: xxx client_x509_cert_url: xxx ``` Если вам нужно переопределить [другие поля](https://docs.getdbt.tech/docs/local/connect-data-platform/bigquery-setup.md?version=1.12#service-account-json) на уровне окружения с помощью расширенных атрибутов, соблюдайте [требуемые отступы](https://docs.getdbt.tech/docs/dbt-platform-environments.md#extended-attributes) (порядок не имеет значения): ```yaml priority: interactive keyfile_json: type: xxx project_id: xxx private_key_id: xxx private_key: '{{ env_var(''DBT_ENV_SECRET_PROJECTXXX_PRIVATE_KEY'') }}' client_email: xxx client_id: xxx auth_uri: xxx token_uri: xxx auth_provider_x509_cert_url: xxx client_x509_cert_url: xxx execution_project: buck-stops-here-456 ``` Чтобы автоматизировать развертывание, сначала необходимо [создать полезную нагрузку расширенных атрибутов](https://docs.getdbt.tech/dbt-cloud/api-v3#/operations/Create%20Extended%20Attributes) для выбранного проекта, а затем [назначить ее](https://docs.getdbt.tech/dbt-cloud/api-v3#/operations/Update%20Environment) определенной среде. Здесь `XXXXX` — номер вашего аккаунта, `YYYYY` — номер вашего проекта, а `ZZZZZ` — ваш [токен API](https://docs.getdbt.tech/docs/dbt-apis/authentication.md): ```shell curl --request POST \ --url https://cloud.getdbt.com/api/v3/accounts/XXXXX/projects/YYYYY/extended-attributes/ \ --header 'Accept: application/json' \ --header 'Authorization: Bearer ZZZZZ' \ --header 'Content-Type: application/json' \ --data '{ "id": null, "extended_attributes": {"type":"service_account","project_id":"xxx","private_key_id":"xxx","private_key":"{{ env_var('DBT_ENV_SECRET_PROJECTXXX_PRIVATE_KEY') }}","client_email":"xxx","client_id":xxx,"auth_uri":"https://accounts.google.com/o/oauth2/auth","token_uri":"https://oauth2.googleapis.com/token","auth_provider_x509_cert_url":"https://www.googleapis.com/oauth2/v1/certs","client_x509_cert_url":"xxx"}, "state": 1 }' ``` *Запомните `id`, возвращенный в сообщении.* Он будет использован в следующем вызове. С `EEEEE` идентификатором среды, `FFFFF` идентификатором расширенных атрибутов: ```shell curl --request POST \ --url https://cloud.getdbt.com/api/v3/accounts/XXXXX/projects/YYYYY/environments/EEEEE/ \ --header 'Accept: application/json' \ --header 'Authorization: Bearer ZZZZZZ' \ --header 'Content-Type: application/json' \ --data '{ "extended_attributes_id": FFFFF }' ```