Questo tutorial descrive come eseguire la migrazione dei dati da Aerospike a Bigtable. Il tutorial spiega le differenze tra Aerospike e Bigtable e come trasformare il carico di lavoro per l'esecuzione in Bigtable. È per i professionisti di database che cercano un servizio di database su Google Cloud simile ad Aerospike. Questo tutorial presuppone la conoscenza degli schemi dei database, dei tipi di dati, delle nozioni di base di NoSQL e dei sistemi di database relazionali. Questo tutorial si basa sull'esecuzione di attività predefinite per eseguire una migrazione di esempio. Al termine del tutorial, puoi modificare il codice e i passaggi forniti in base al tuo ambiente.
Bigtable è un servizio di database NoSQL su scala petabyte completamente gestito per carichi di lavoro analitici e operativi di grandi dimensioni. Puoi usarlo come motore di archiviazione per il tuo servizio a bassa latenza e con scalabilità nell'ordine dei petabyte, con disponibilità e durabilità maggiori. Puoi analizzare i dati in Bigtable utilizzando i servizi di analisi dei dati di Google Cloud come Dataproc e BigQuery.
Bigtable è ideale per la tecnologia pubblicitaria (ad tech), la tecnologia finanziaria (fintech) e i servizi Internet of Things (IoT) implementati con database NoSQL come AeroSpike o Cassandra. Se cerchi un servizio gestito da NoSQL, usa Bigtable.
Architettura
Il seguente diagramma dell'architettura di riferimento mostra i componenti comuni che puoi utilizzare per eseguire la migrazione dei dati da Aerospike a Bigtable.
Nel diagramma precedente, i dati vengono migrati da un ambiente on-premise utilizzando Aerospike a Bigtable su Google Cloud utilizzando due metodi diversi. Il primo metodo esegue la migrazione dei dati mediante l'elaborazione batch. Per prima cosa, sposta i dati di backup di Aerospike in un bucket Cloud Storage. Quando i dati di backup arrivano in Cloud Storage, attiva Cloud Functions per l'avvio di un processo ETL (Extract, Transform, Load) in batch utilizzando Dataflow. Il job Dataflow converte i dati di backup in un formato compatibile con Bigtable e importa i dati nell'istanza Bigtable.
Il secondo metodo esegue la migrazione dei dati utilizzando l'elaborazione dei flussi. Con questo metodo, ti connetti ad Aerospike utilizzando una coda di messaggi, come Kafaka, tramite Aerospike Connect, e trasferisci i messaggi in tempo reale a Pub/Sub su Google Cloud. Quando il messaggio arriva in un argomento Pub/Sub, viene elaborato in tempo reale dal job di flusso Dataflow per convertire e importare i dati nell'istanza Bigtable.
Con l'elaborazione batch, puoi eseguire in modo efficiente la migrazione di grandi blocchi di dati. Tuttavia, spesso richiede un tempo di inattività di cutover sufficiente durante la migrazione e l'aggiornamento del servizio per i nuovi database. Se vuoi ridurre al minimo i tempi di inattività del cutover, potresti valutare l'utilizzo dell'elaborazione dei flussi per migrare i dati gradualmente dopo la prima elaborazione batch e mantenere la coerenza dei dati di backup fino al completamento del cutover controllato. In questo documento puoi eseguire la migrazione da Aerospike utilizzando l'elaborazione batch con applicazioni di esempio, incluso il processo di cutover.
Confronto tra Aerospike e Bigtable
Prima di avviare la migrazione dei dati, è fondamentale comprendere le differenze di modello dei dati tra Aerospike e Bigtable.
Il modello dei dati Bigtable è una mappa chiave-valore distribuita, multidimensionale e ordinata con famiglie di righe e colonne. Al contrario, il modello dei dati Aerospike è un database orientato alle righe in cui ogni record è identificato in modo univoco da una chiave. La differenza tra i modelli è il modo in cui raggruppano gli attributi di un'entità. Bigtable raggruppa gli attributi correlati in una famiglia di colonne, mentre Aerospike raggruppa gli attributi in un set. Aerospike supporta più tipi di dati rispetto a Bigtable. Ad esempio, Aerospike supporta numeri interi, stringhe, elenchi e mappe. Bigtable tratta tutti i dati come stringhe di byte non elaborati per la maggior parte degli scopi.
Uno schema in Aerospike è flessibile e i valori dinamici negli stessi bin possono avere tipi diversi. Le app che utilizzano Aerospike o Bigtable hanno flessibilità e responsabilità analoga di amministrazione dei dati: le app gestiscono i tipi di dati e i vincoli di integrità, invece di fare affidamento sul motore del database.
Migrazione degli scaffali
L'app BookShe è un'app web in cui gli utenti possono archiviare informazioni sui libri e visualizzare l'elenco di tutti i libri attualmente archiviati nel database. L'app utilizza un identificatore (ID) del libro per cercare informazioni sul libro. L'app o il database genera automaticamente questi ID. Quando un utente seleziona l'immagine di un libro, il backend dell'app carica i dettagli del libro dal database.
In questo tutorial, eseguirai la migrazione dei dati dall'app scaffale utilizzando Aerospike a Bigtable. Dopo la migrazione, potrai accedere ai libri da Bigtable.
Il seguente diagramma mostra come viene eseguita la migrazione dei dati da Aerospike a Bigtable:
Nel diagramma precedente, la migrazione dei dati viene eseguita nel seguente modo:
- Esegui il backup dei dati sui libri dall'attuale database Aerospike e trasferisci i dati in un bucket Cloud Storage.
- Quando carichi i dati di backup nel bucket, il job Dataflow
as2bt
viene attivato automaticamente tramite le notifiche di aggiornamento di Cloud Storage utilizzando la funzione Cloud Function. - Dopo che la migrazione dei dati è stata completata dal job Dataflow di
as2bt
, modifichi il backend del database da Aerospike a Bigtable in modo che l'applicazione scaffale carichi i dati dei libri dal cluster Bigtable.
Obiettivi
- Esegui il deployment di un ambiente tutorial per la migrazione da Aerospike a Bigtable.
- Creare un set di dati di backup dell'app di esempio da Aerospike in Cloud Storage.
- Usa Dataflow per trasferire lo schema dei dati e migrarlo in Bigtable.
- Modifica la configurazione dell'app di esempio in modo da utilizzare Bigtable come backend.
- Verifica che l'app BookSheet funzioni correttamente con Bigtable.
Costi
In questo documento, utilizzi i seguenti componenti fatturabili di Google Cloud:
Per generare una stima dei costi in base all'utilizzo previsto, utilizza il Calcolatore prezzi.
Gli addebiti per Bigtable si basano sul numero di ore nodo, la quantità di dati archiviati e la quantità di larghezza di banda di rete utilizzata. Per stimare il costo del cluster Bigtable e di altre risorse, puoi utilizzare il Calcolatore prezzi. La configurazione del Calcolatore prezzi di esempio utilizza tre nodi Bigtabley invece di un nodo singolo. Il costo totale stimato nell'esempio precedente è superiore al costo totale effettivo di questo tutorial.
Una volta completate le attività descritte in questo documento, puoi evitare la fatturazione continua eliminando le risorse che hai creato. Per ulteriori informazioni, consulta la pagina Pulizia.
Prima di iniziare
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Attiva Cloud Resource Manager API.
Terraform utilizza l'API Cloud Resource Manager per abilitare le API richieste per questo tutorial.
-
Nella console Google Cloud, attiva Cloud Shell.
preparazione dell'ambiente
Per preparare l'ambiente per la migrazione da Aerospike a Bigtable, esegui i seguenti strumenti direttamente da Cloud Shell:
- Google Cloud CLI
- Lo strumento a riga di comando
gsutil
- Lo strumento a riga di comando di Bigtable,
cbt
- Terraform
- Apache Maven
Questi strumenti sono già disponibili in Cloud Shell, pertanto non è necessario installarli di nuovo.
Configura il progetto
In Cloud Shell, controlla l'ID progetto che Cloud Shell configura automaticamente. Il prompt dei comandi è aggiornato per riflettere il progetto attualmente attivo e viene visualizzato in questo formato:
USERNAME@cloudshell:~ (PROJECT_ID)$
Se l'ID progetto non è configurato correttamente, puoi configurarlo manualmente:
gcloud config set project <var>PROJECT_ID</var>
Sostituisci
PROJECT_ID
con l'ID del tuo progetto Google Cloud.Configura
us-east1
come regione eus-east1-b
come zona:gcloud config set compute/region us-east1 gcloud config set compute/zone us-east1-b
Per ulteriori informazioni su regioni e zone, consulta Area geografica e regioni.
Esegui il deployment dell'ambiente del tutorial
In Cloud Shell, clona il repository di codice:
git clone https://github.com/fakeskimo/as2bt.git/
In Cloud Shell, inizializza la directory di lavoro Terraform:
cd "$HOME"/as2bt/bookshelf/terraform terraform init
Configura le variabili di ambiente Terraform per il deployment:
export TF_VAR_gce_vm_zone="$(gcloud config get-value compute/zone)" export TF_VAR_gcs_bucket_location="$(gcloud config get-value compute/region)"
Rivedi il piano di esecuzione di Terraform:
terraform plan
L'output è simile al seguente:
Terraform will perform the following actions: # google_bigtable_instance.bookshelf_bigtable will be created + resource "google_bigtable_instance" "bookshelf_bigtable" { + display_name = (known after apply) + id = (known after apply) + instance_type = "DEVELOPMENT" + name = "bookshelf-bigtable" + project = (known after apply) + cluster { + cluster_id = "bookshelf-bigtable-cluster" + storage_type = "SSD" + zone = "us-east1-b" } }
(Facoltativo) Per visualizzare le risorse con dipendenze di cui viene eseguito il deployment da Terraform, disegna dei grafici:
terraform graph | dot -Tsvg > graph.svg
Esegui il provisioning dell'ambiente del tutorial:
terraform apply
Verifica dell'ambiente del tutorial e dell'applicazione scaffale
Dopo aver eseguito il provisioning dell'ambiente e prima di avviare il job di migrazione dei dati, devi verificare che il deployment e la configurazione di tutte le risorse siano stati eseguiti. Questa sezione spiega come verificare il processo di provisioning e ti aiuta a comprendere quali componenti sono configurati nell'ambiente.
Verifica l'ambiente del tutorial
In Cloud Shell, verifica l'istanza di Compute Engine
bookshelf-aerospike
:gcloud compute instances list
L'output mostra che il deployment dell'istanza è stato eseguito nella zona
us-east1-b
:NAME ZONE MACHINE_TYPE PREEMPTIBLE INTERNAL_IP EXTERNAL_IP STATUS bookshelf-aerospike us-east1-b n1-standard-2 10.142.0.4 34.74.72.3 RUNNING
Verifica l'istanza Bigtable
bookshelf-bigtable
:gcloud bigtable instances list
L'output è simile al seguente:
NAME DISPLAY_NAME STATE bookshelf-bigtable bookshelf-bigtable READY
Questa istanza Bigtable viene utilizzata come destinazione della migrazione per i passaggi successivi.
Verifica che il bucket Cloud Storage
bookshelf
sia nel job della pipeline Dataflow:gsutil ls -b gs://bookshelf-*
Poiché i nomi dei bucket Cloud Storage devono essere univoci a livello globale, il nome del bucket viene creato con un suffisso casuale. L'output è simile al seguente:
gs://bookshelf-616f60d65a3abe62/
Aggiungere un libro all'app Bookshelf
In Cloud Shell, ottieni l'indirizzo IP esterno dell'istanza
bookshelf-aerospike
:gcloud compute instances list --filter="name:bookshelf-aerospike" \ --format="value(networkInterfaces[0].accessConfigs.natIP)"
Prendi nota dell'indirizzo IP perché sarà necessario nel passaggio successivo.
Per aprire l'app Book {/4}, vai a
http://IP_ADDRESS:8080
in un browser web.Sostituisci
IP_ADDRESS
con l'indirizzo IP esterno che hai copiato nel passaggio precedente.Per creare un nuovo libro, fai clic su
Aggiungi libro.Nella finestra Aggiungi libro, compila i seguenti campi, quindi fai clic su Salva:
- Nel campo Titolo, inserisci
Aerospike-example
. - Nel campo Author (Autore), inserisci
Aerospike-example
. - Nel campo Data di pubblicazione, inserisci la data odierna.
- Nel campo Description (Descrizione), inserisci
Aerospike-example
.
Questo libro viene utilizzato per verificare che l'app Book quadro utilizzi Aerospike come spazio di archiviazione dei libri.
- Nel campo Titolo, inserisci
Nell'URL dell'app Book {/4}, prendi nota dell'ID libro. Ad esempio, se l'URL è
34.74.80.160:8080/books/10000
, l'ID libro è10000
.In Cloud Shell, utilizza SSH per connetterti all'istanza
bookshelf-aerospike
:gcloud compute ssh bookshelf-aerospike
Dalla sessione dell'istanza
bookshelf-aerospike
, verifica che sia stato creato un nuovo libro con l'ID libro che hai annotato in precedenza:aql -c 'select * from bookshelf.books where id = "BOOK_ID"'
L'output è simile al seguente:
+----------------------+----------------------+---------------+----------------------+----------+---------+ | title | author | publishedDate | description | imageUrl | id | +----------------------+----------------------+---------------+----------------------+----------+---------+ | " Aerospike-example" | " Aerospike-example" | "2000-01-01" | " Aerospike-example" | "" | "10000" | +----------------------+----------------------+---------------+----------------------+----------+---------+ 1 row in set (0.001 secs)
Se l'ID libro non è presente nell'elenco, ripeti la procedura per aggiungere un nuovo libro.
Trasferimento dei dati di backup da Aerospike a Cloud Storage
In Cloud Shell, dalla sessione dell'istanza
bookshelf-aerospike
, crea un file di backup Aerospike:aql -c "select * from bookshelf.books" --timeout=-1 --outputmode=json \` | tail -n +2 | jq -c '.[0] | .[]' \ | gsutil cp - $(gsutil ls -b gs://bookshelf-*)bookshelf-backup.json
Questo comando elabora i dati e crea un file di backup tramite la seguente procedura:
- Seleziona le informazioni sul libro da Aerospike e le stampa nel formato JSON Piuttostoprint.
- Rimuove le prime due intestazioni dall'output e converte i dati nel formato JSON delimitato da nuova riga (ndjson) utilizzando
jq
, un processore JSON a riga di comando. - Utilizza lo strumento a riga di comando
gsutil
per caricare i dati nel bucket Cloud Storage.
Verifica che il file di backup di Aerospike sia caricato e che esista nel bucket Cloud Storage:
gsutil ls gs://bookshelf-*/bookshelf-*\ gs://bookshelf-616f60d65a3abe62/bookshelf-backup.json
(Facoltativo) Esamina i contenuti dei file di backup dal bucket Cloud Storage:
gsutil cat -r 0-1024 gs://bookshelf-*/bookshelf-backup.json | head -n 2
L'output è simile al seguente:
{"title":"book_2507","author":"write_2507","publishedDate":"1970-01-01","imageUrl":"https://storage.googleapis.com/aerospike2bt-bookshelf/The_Home_Edit-2019-06-24-044906.jpg","description":"test_2507","createdBy":"write_2507","createdById":"2507_anonymous","id":"2507"} {"title":"book_3867","author":"write_3867","publishedDate":"1970-01-01","imageUrl":"https://storage.googleapis.com/aerospike2bt-bookshelf/The_Home_Edit-2019-06-24-044906.jpg","description":"test_3867","createdBy":"write_3867","createdById":"3867_anonymous","id":"3867"}
Esci dalla sessione SSH e torna a Cloud Shell:
exit
Migrazione dei dati di backup in Bigtable utilizzando Dataflow
Ora puoi eseguire la migrazione dei dati di backup da Cloud Storage a un'istanza Bigtable. Questa sezione spiega come utilizzare le pipeline di Dataflow per eseguire la migrazione di dati compatibili con uno schema di Bigtable.
Configura il job di migrazione Dataflow
In Cloud Shell, vai alla directory
dataflow
nel repository di codice di esempio:cd "$HOME"/as2bt/dataflow/
Configura le variabili di ambiente per un job Dataflow:
export BOOKSHELF_BACKUP_FILE="$(gsutil ls gs://bookshelf*/bookshelf-backup.json)" export BOOKSHELF_DATAFLOW_ZONE="$(gcloud config get-value compute/zone)"
Verifica che le variabili di ambiente siano configurate correttamente:
env | grep BOOKSHELF
Se le variabili di ambiente sono configurate correttamente, l'output è simile al seguente:
BOOKSHELF_BACKUP_FILE=gs://bookshelf-616f60d65a3abe62/bookshelf-backup.json BOOKSHELF_DATAFLOW_ZONE=us-east1-b
esegui il job Dataflow
In Cloud Shell, esegui la migrazione dei dati da Cloud Storage all'istanza Bigtable:
./run_oncloud_json.sh
Per monitorare il job di migrazione dei dati di backup, vai alla pagina Job della console Google Cloud.
Attendi il completamento del job. Una volta completato il job, l'output in Cloud Shell è simile al seguente:
Dataflow SDK version: 2.13.0 Submitted job: 2019-12-16_23_24_06-2124083021829446026 [INFO] ------------------------------------------------------------------------ [INFO] BUILD SUCCESS [INFO] ------------------------------------------------------------------------ [INFO] Total time: 08:20 min [INFO] Finished at: 2019-12-17T16:28:08+09:00 [INFO] ------------------------------------------------------------------------
Controlla i risultati del job di migrazione
In Cloud Shell, verifica che i dati di backup siano stati trasferiti correttamente in Bigtable:
cbt -instance bookshelf-bigtable lookup books 00001
L'output è simile al seguente:
---------------------------------------- 00001 info:author @ 2019/12/17-16:26:04.434000 "Aerospike-example" info:description @ 2019/12/17-16:26:04.434000 "Aerospike-example" info:id @ 2019/12/17-16:26:04.434000 "00001" info:imageUrl @ 2019/12/17-16:26:04.434000 "" info:publishedDate @ 2019/12/17-16:26:04.434000 "2019-10-01" info:title @ 2019/12/17-16:26:04.434000 "Aerospike-example"
Modifica del database dello scaffale da Aerospike a Bigtable
Dopo aver eseguito correttamente la migrazione dei dati da Aerospike a Bigtable, puoi modificare la configurazione dell'app Book {/4}in modo da utilizzare Bigtable per l'archiviazione. Quando imposti questa configurazione, i nuovi libri vengono salvati nelle istanze Bigtable.
Modificare la configurazione dell'app Book {/4}
In Cloud Shell, utilizza SSH per connetterti all'app
bookshelf-aerospike
:gcloud compute ssh bookshelf-aerospike
Verifica che l'attuale configurazione di
DATA_BACKEND
siaaerospike
:grep DATA_BACKEND /opt/app/bookshelf/config.py
L'output è il seguente:
DATA_BACKEND = 'aerospike'
Modifica la configurazione di
DATA_BACKEND
daaerospike
abigtable
:sudo sed -i "s/DATA_BACKEND =.*/DATA_BACKEND = 'bigtable'/g" /opt/app/bookshelf/config.py
Verifica che la configurazione di
DATA_BACKEND
sia stata modificata inbigtable
:grep DATA_BACKEND /opt/app/bookshelf/config.py
L'output è il seguente:
DATA_BACKEND = 'bigtable'
Riavvia l'app BookSheet che utilizza la nuova configurazione del backend
bigtable
:sudo supervisorctl restart bookshelf
Verifica che l'app BookShe sia stata riavviata e che funzioni correttamente:
sudo supervisorctl status bookshelf
L'output è simile al seguente:
bookshelf RUNNING pid 18318, uptime 0:01:00
Verificare che l'app scaffale utilizzi il backend Bigtable
- In un browser, vai a
http://IP_ADDRESS:8080
. Aggiungi un nuovo libro denominato
Bigtable-example
.Per verificare che il libro
Bigtable-example
sia stato creato in un'istanza Bigtable dall'app Book {/4}, copia l'ID libro dalla barra degli indirizzi nel browser.In Cloud Shell, cerca i dati del libro
Bigtable-example
da un'istanza Bigtable:cbt -instance bookshelf-bigtable lookup books 7406950188
L'output è simile al seguente:
---------------------------------------- 7406950188 info:author @ 2019/12/17-17:28:25.592000 "Bigtable-example" info:description @ 2019/12/17-17:28:25.592000 "Bigtable-example" info:id @ 2019/12/17-17:28:25.592000 "7406950188" info:image_url @ 2019/12/17-17:28:25.592000 "" info:published_date @ 2019/12/17-17:28:25.592000 "2019-10-01" info:title @ 2019/12/17-17:28:25.592000 "Bigtable-example"
Hai eseguito correttamente una migrazione dei dati da Aerospike a Bigtable e hai modificato la configurazione dello scaffale per connetterti al backend di Bigtable.
Esegui la pulizia
Il modo più semplice per eliminare la fatturazione è eliminare il progetto Google Cloud che hai creato per il tutorial. In alternativa, puoi eliminare le singole risorse.
Elimina il progetto
- Nella console Google Cloud, vai alla pagina Gestisci risorse.
- Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
- Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.
Passaggi successivi
- Scopri come progettare il tuo schema Bigtable.
- Leggi come avviare la migrazione a Google Cloud.
- Imposta una pipeline CI/CD per il flusso di lavoro di elaborazione dati.
- Scopri le strategie a tua disposizione per trasferire grandi set di dati.
- Esplora le architetture di riferimento, i diagrammi e le best practice su Google Cloud. Visita il nostro Cloud Architecture Center.