Halaman ini diterjemahkan oleh Cloud Translation API.

Memigrasikan kode dengan penerjemah SQL batch

Dokumen ini menjelaskan cara menggunakan penerjemah SQL batch di BigQuery untuk menerjemahkan skrip yang ditulis dalam dialek SQL lainnya ke dalam kueri GoogleSQL. Dokumen ini ditujukan bagi pengguna yang sudah memahami konsol Google Cloud.

Sebelum memulai

Sebelum Anda mengirimkan tugas terjemahan, selesaikan langkah-langkah berikut:

Pastikan Anda memiliki semua izin yang diperlukan.
Mengaktifkan BigQuery Migration API.
Mengumpulkan file sumber yang berisi skrip dan kueri SQL yang akan diterjemahkan.
Opsional. Membuat file metadata untuk meningkatkan akurasi terjemahan.
Opsional. Menentukan apakah Anda perlu memetakan nama objek SQL dalam file sumber ke nama baru di BigQuery. Menentukan aturan pemetaan nama yang akan digunakan jika diperlukan.
Menentukan metode yang akan digunakan untuk mengirimkan tugas terjemahan.
Mengupload file sumber ke Cloud Storage.

Izin yang diperlukan

Anda harus memiliki izin berikut pada project untuk mengaktifkan BigQuery Migration Service:

resourcemanager.projects.get
serviceusage.services.enable
serviceusage.services.get

Anda memerlukan izin berikut pada project untuk mengakses dan menggunakan BigQuery Migration Service:

bigquerymigration.workflows.create
bigquerymigration.workflows.get
bigquerymigration.workflows.list
bigquerymigration.workflows.delete
bigquerymigration.subtasks.get
bigquerymigration.subtasks.list

Atau, Anda dapat menggunakan peran berikut untuk mendapatkan izin yang sama:
- bigquerymigration.viewer - Akses hanya baca.
- bigquerymigration.editor - Akses baca/tulis.

Guna mengakses bucket Cloud Storage untuk file input dan output:

storage.objects.get di bucket Cloud Storage sumber.
storage.objects.list di bucket Cloud Storage sumber.
storage.objects.create di bucket Cloud Storage tujuan.

Anda dapat memiliki semua izin Cloud Storage yang diperlukan di atas dari peran berikut:

roles/storage.objectAdmin
roles/storage.admin

Mengaktifkan BigQuery Migration API

Jika project Google Cloud CLI Anda dibuat sebelum 15 Februari 2022, aktifkan BigQuery Migration API sebagai berikut:

Di konsol Google Cloud, buka halaman BigQuery Migration API.

Buka BigQuery Migration API
Klik Enable.

Mengumpulkan file sumber

File sumber harus berupa file teks yang berisi SQL yang valid untuk dialek sumber. File sumber juga dapat menyertakan komentar. Lakukan yang terbaik untuk memastikan bahwa SQL valid, menggunakan metode apa pun yang tersedia.

Membuat file metadata

Untuk membantu layanan memberikan hasil terjemahan yang lebih akurat, sebaiknya Anda menyediakan file metadata. Namun, hal ini tidak wajib.

Anda dapat menggunakan alat ekstraksi command line dwh-migration-dumper untuk menghasilkan informasi metadata, atau menyediakan file metadata Anda sendiri. Setelah file metadata siap, Anda dapat menyertakannya bersama dengan file sumber dalam folder sumber terjemahan. Penerjemah otomatis mendeteksinya dan memanfaatkannya untuk menerjemahkan file sumber. Anda tidak perlu mengonfigurasi setelan tambahan untuk mengaktifkannya.

Untuk menghasilkan informasi metadata menggunakan alat dwh-migration-dumper, lihat Membuat metadata untuk terjemahan.

Untuk menyediakan metadata Anda sendiri, kumpulkan pernyataan bahasa definisi data (DDL) untuk objek SQL di sistem sumber ke dalam file teks terpisah.

Menentukan cara mengirimkan tugas terjemahan

Anda memiliki tiga opsi untuk mengirimkan tugas terjemahan batch:

Klien terjemahan batch: Mengonfigurasi tugas dengan mengubah setelan di file konfigurasi, lalu mengirimkan tugas menggunakan command line. Pendekatan ini tidak mengharuskan Anda untuk mengupload file sumber secara manual ke Cloud Storage. Klien masih menggunakan Cloud Storage untuk menyimpan file selama pemrosesan tugas terjemahan.

Klien terjemahan batch lama adalah klien Python open source yang memungkinkan Anda menerjemahkan file sumber yang berada di mesin lokal Anda dan menghasilkan output file yang telah diterjemahkan ke direktori lokal. Anda mengonfigurasi klien untuk penggunaan dasar dengan mengubah beberapa setelan dalam file konfigurasinya. Jika mau, Anda juga dapat mengonfigurasi klien untuk menangani tugas yang lebih kompleks, seperti penggantian makro, serta pra- dan pascapemrosesan input dan output terjemahan. Untuk mengetahui informasi selengkapnya, lihat file readme klien terjemahan batch.
Konsol Google Cloud: Mengonfigurasi dan mengirimkan tugas menggunakan antarmuka pengguna. Pendekatan ini mengharuskan Anda mengupload file sumber ke Cloud Storage.

Membuat file YAML konfigurasi

Jika ingin, Anda dapat membuat dan menggunakan file YAML konfigurasi untuk menyesuaikan terjemahan batch. File ini dapat digunakan untuk mengubah output terjemahan dengan berbagai cara. Misalnya, Anda dapat membuat file YAML konfigurasi untuk mengubah huruf objek SQL selama penerjemahan.

Jika ingin menggunakan Konsol Google Cloud atau BigQuery Migration API untuk tugas terjemahan batch, Anda dapat mengupload file YAML konfigurasi ke bucket Cloud Storage yang berisi file sumber.

Jika ingin menggunakan klien terjemahan batch, Anda dapat menempatkan file YAML konfigurasi di folder input terjemahan lokal.

Mengupload file input ke Cloud Storage

Jika ingin menggunakan Konsol Google Cloud atau BigQuery Migration API untuk melakukan tugas terjemahan, Anda harus mengupload file sumber yang berisi kueri dan skrip yang ingin diterjemahkan ke Cloud Storage. Anda juga dapat mengupload file metadata apa pun atau file YAML konfigurasi ke bucket Cloud Storage yang sama yang berisi file sumber. Untuk mengetahui informasi selengkapnya tentang membuat bucket dan mengupload file ke Cloud Storage, lihat Membuat bucket dan Mengupload objek dari sistem file.

Dialek SQL yang didukung

Penerjemah SQL batch adalah bagian dari BigQuery Migration Service. Penerjemah SQL batch dapat menerjemahkan dialek SQL berikut ke dalam GoogleSQL:

Amazon Redshift SQL
Apache HiveQL dan Beeline CLI
IBM Netezza SQL dan NZPLSQL
Teradata dan Teradata Vantage
- SQL
- Basic Teradata Query (BTEQ)
- Teradata Parallel Transport (TPT)

Selain itu, terjemahan dialek SQL berikut didukung di pratinjau:

Apache Spark SQL
Azure Synapse T-SQL
Greenplum SQL
IBM DB2 SQL
MySQL SQL
Oracle SQL, PL/SQL, Exadata
PostgreSQL SQL
Trino atau PrestoSQL
Snowflake SQL
SQL Server T-SQL
SQLite
Vertica SQL

Lokasi

Penerjemah SQL batch tersedia di lokasi pemrosesan berikut:

	Deskripsi region	Nama region	Detail
Asia Pasifik
	Tokyo	`asia-northeast1`
	Mumbai	`asia-south1`
	Singapura	`asia-southeast1`
	Sydney	`australia-southeast1`
Eropa
	Multi-region Uni Eropa	`eu`
	Warsawa	`europe-central2`
	Finlandia	`europe-north1`	CO Rendah₂
	Madrid	`europe-southwest1`	CO Rendah₂
	Belgia	`europe-west1`	CO Rendah₂
	London	`europe-west2`	CO Rendah₂
	Frankfurt	`europe-west3`	CO Rendah₂
	Belanda	`europe-west4`	CO Rendah₂
	Zürich	`europe-west6`	CO Rendah₂
	Paris	`europe-west9`	CO₂ Rendah
	Turin	`europe-west12`
Amerika
	Quebec	`northamerica-northeast1`	CO₂ Rendah
	Sao Paulo	`southamerica-east1`	CO Rendah₂
	Multi-region AS	`us`
	Iowa	`us-central1`	CO Rendah₂
	South Carolina	`us-east1`
	Northern Virginia	`us-east4`
	Columbus, Ohio	`us-east5`
	Dallas	`us-south1`	CO₂ Rendah
	Oregon	`us-west1`	CO Rendah₂
	Los Angeles	`us-west2`
	Salt Lake City	`us-west3`

Mengirim tugas terjemahan

Ikuti langkah-langkah ini untuk memulai tugas terjemahan, melihat progresnya, dan melihat hasilnya.

Konsol

Langkah-langkah ini mengasumsikan bahwa Anda sudah mengupload file sumber ke bucket Cloud Storage.

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada panel navigasi, klik SQL translation.
Klik Start Translation.
Isi dialog konfigurasi terjemahan.
1. Untuk Display name, ketik nama untuk tugas terjemahan. Nama tersebut dapat berisi huruf, angka, atau garis bawah.
2. Untuk Processing location, pilih lokasi tempat Anda ingin menjalankan tugas terjemahan. Misalnya, jika Anda berada di Eropa dan tidak ingin data Anda melewati batas lokasi, pilih region eu. Tugas terjemahan akan memiliki performa terbaik jika Anda memilih lokasi yang sama dengan bucket file sumber.
3. Untuk Source dialect, pilih dialek SQL yang ingin Anda terjemahkan.
4. Untuk Target dialect, pilih BigQuery.
Klik Next.
Untuk Source location, tentukan jalur ke folder Cloud Storage yang berisi file yang akan diterjemahkan. Anda dapat mengetik jalur dalam format bucket_name/folder_name/ atau menggunakan opsi Browse.
Klik Next.
Untuk Target location, tentukan jalur ke folder Cloud Storage tujuan untuk file yang diterjemahkan. Anda dapat mengetik jalur dalam format bucket_name/folder_name/ atau menggunakan opsi Browse.
Jika Anda melakukan terjemahan yang tidak perlu menetapkan nama objek default atau pemetaan nama sumber ke target, lanjutkan ke Langkah 11. Jika sudah, klik Next.
Isi setelan opsional yang Anda perlukan.
1. Opsional. Untuk Default database, ketik nama database default yang akan digunakan dengan file sumber. Penerjemah menggunakan nama database default ini untuk me-resolve nama yang sepenuhnya memenuhi syarat objek SQL yang tidak memiliki nama database.
2. Opsional. Untuk Schema search path, tentukan skema yang akan ditelusuri saat penerjemah harus me-resolve nama yang sepenuhnya memenuhi syarat objek SQL dalam file sumber yang tidak memiliki nama skema. Jika file sumber menggunakan sejumlah nama skema yang berbeda, klik Add Schema Name dan tambahkan nilai untuk setiap nama skema yang mungkin direferensikan.
  
  Penerjemah menelusuri file metadata yang Anda sediakan untuk memvalidasi tabel dengan nama skemanya. Jika opsi yang pasti tidak dapat ditentukan dari metadata, nama skema pertama yang Anda masukkan akan digunakan sebagai default. Untuk mengetahui informasi selengkapnya tentang cara nama skema default digunakan, lihat skema default.
3. Opsional. Jika ingin menentukan aturan pemetaan nama untuk mengganti nama objek SQL antara sistem sumber dan BigQuery selama penerjemahan, Anda dapat menyediakan file JSON dengan pasangan pemetaan nama, atau Anda dapat menggunakan Konsol Google Cloud untuk menentukan nilai yang akan dipetakan.
  
  Untuk menggunakan file JSON:
  1. Klik Upload JSON file for name mapping.
  2. Cari lokasi file pemetaan nama dalam format yang sesuai, pilih file tersebut, lalu klik Open.
    
    Perhatikan bahwa ukuran file harus kurang dari 5 MB.
  Untuk menggunakan Konsol Google Cloud:
  1. Klik Add name mapping pair.
  2. Tambahkan bagian nama objek sumber yang sesuai di kolom Database, Schema, Relationship, dan Attribute pada kolom Source.
  3. Tambahkan bagian nama objek target di BigQuery di kolom yang sama seperti untuk nama objek sumber pada kolom Target.
  4. Untuk Type, pilih jenis objek yang mendeskripsikan objek yang Anda petakan.
  5. Ulangi Langkah 1 - 4 hingga Anda menentukan semua pasangan pemetaan nama yang Anda butuhkan. Perhatikan bahwa Anda hanya dapat menentukan hingga 25 pasangan pemetaan nama saat menggunakan Konsol Google Cloud.
4. Opsional. Untuk membuat saran AI terjemahan menggunakan model Gemini, pilih kotak centang Saran AI Gemini. Saran didasarkan pada file YAML konfigurasi yang diakhiri dengan .ai_config.yaml dan berada di direktori Cloud Storage. Output ini ada di subdirektori output suggestion/. Untuk mempelajari cara menulis file YAML konfigurasi untuk saran AI, lihat Membuat file YAML konfigurasi berbasis Gemini.
  
  Pratinjau
  
  Produk atau fitur ini tunduk pada "Persyaratan Penawaran Pra-GA" di bagian Persyaratan Layanan Umum di Persyaratan Khusus Layanan. Produk dan fitur pra-GA tersedia "sebagaimana adanya" dan mungkin memiliki dukungan terbatas. Untuk mengetahui informasi selengkapnya, lihat deskripsi tahap peluncuran.
Klik Create untuk memulai tugas terjemahan.

Setelah tugas terjemahan dibuat, Anda dapat melihat statusnya di daftar tugas terjemahan.

Klien terjemahan batch

Instal klien terjemahan batch dan Google Cloud CLI.
Buat file kredensial gcloud CLI.
Dalam direktori penginstalan klien terjemahan batch, gunakan editor teks pilihan Anda untuk membuka file config.yaml lalu ubah setelan berikut:
- project_number: Ketik nomor project yang ingin Anda gunakan untuk tugas terjemahan batch. Anda dapat menemukannya di panel Project info di halaman sambutan Konsol Google Cloud untuk project tersebut.
- gcs_bucket: Ketik nama bucket Cloud Storage yang digunakan klien terjemahan batch untuk menyimpan file selama pemrosesan tugas terjemahan.
- input_directory: Ketik jalur absolut atau relatif ke direktori yang berisi file sumber dan file metadata apa pun.
- output_directory: Ketik jalur absolut atau relatif ke direktori target untuk file yang diterjemahkan.
Simpan perubahan dan tutup file config.yaml tersebut.
Tempatkan file sumber dan metadata di direktori input.
Jalankan klien terjemahan batch menggunakan perintah berikut:
```
bin/dwh-migration-client
```
Setelah tugas terjemahan dibuat, Anda dapat melihat statusnya dalam daftar tugas terjemahan di Konsol Google Cloud.
Opsional. Setelah tugas terjemahan selesai, hapus file yang dibuat oleh tugas tersebut di bucket Cloud Storage yang Anda tentukan untuk menghindari biaya penyimpanan.

Pelajari output terjemahan

Setelah menjalankan tugas terjemahan, Anda dapat melihat informasi tentang tugas tersebut di Konsol Google Cloud. Jika menggunakan Konsol Google Cloud untuk menjalankan tugas, Anda dapat melihat hasil tugas di bucket Cloud Storage tujuan yang telah Anda tentukan. Jika menggunakan klien terjemahan batch untuk menjalankan tugas, Anda dapat melihat hasil tugas di direktori output yang telah Anda tentukan. Penerjemah SQL batch menghasilkan file berikut ke tujuan yang ditentukan:

File yang diterjemahkan.
Laporan ringkasan terjemahan dalam format CSV.
Pemetaan nama output yang digunakan dalam format JSON.
File saran AI (Pratinjau).

Output Konsol Google Cloud

Untuk melihat detail tugas terjemahan, ikuti langkah-langkah berikut:

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada panel navigasi, klik SQL translation.
Dalam daftar tugas terjemahan, temukan tugas yang ingin Anda lihat detail terjemahannya. Kemudian, klik nama tugas terjemahan. Anda dapat melihat visualisasi Sankey yang menggambarkan kualitas tugas secara keseluruhan, jumlah baris kode input (tidak termasuk baris kosong dan komentar), dan daftar masalah yang terjadi selama proses terjemahan. Anda harus memprioritaskan perbaikan dari kiri ke kanan. Masalah pada tahap awal dapat menyebabkan masalah tambahan pada tahap berikutnya.
Tahan kursor di atas batang error atau peringatan, dan tinjau saran untuk menentukan langkah berikutnya guna men-debug tugas terjemahan.
Pilih tab Log Summary untuk melihat ringkasan masalah terjemahan, termasuk kategori masalah, tindakan yang disarankan, dan seberapa sering setiap masalah terjadi. Anda dapat mengklik batang visualisasi Sankey untuk memfilter masalah. Anda juga dapat memilih kategori masalah untuk melihat pesan log yang terkait dengan kategori masalah tersebut.
Pilih tab Pesan Log untuk melihat detail selengkapnya tentang setiap masalah terjemahan, termasuk kategori masalah, pesan masalah tertentu, dan link ke file tempat masalah terjadi. Anda dapat mengklik batang visualisasi Sankey untuk memfilter masalah. Anda dapat memilih masalah di tab Log Message untuk membuka Code tab yang menampilkan file input dan output jika berlaku.
Klik tab Job details untuk melihat detail konfigurasi tugas terjemahan.

Laporan ringkasan

Laporan ringkasan adalah file CSV yang berisi tabel yang memuat semua pesan peringatan dan error yang ditemukan selama tugas terjemahan.

Untuk melihat file ringkasan di Konsol Google Cloud, ikuti langkah-langkah berikut:

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada panel navigasi, klik SQL translation.
Dalam daftar tugas terjemahan, temukan tugas yang Anda minati, lalu klik nama tugas atau klik More options > Show details.
Di tab Job details, di bagian Translation report, klik translation_report.csv.
Di halaman Object details, klik nilai di baris Authenticated URL untuk melihat file di browser Anda.

Tabel berikut menjelaskan kolom file ringkasan:

Kolom	Deskripsi
Stempel waktu	Stempel waktu saat masalah terjadi.
FilePath	Jalur ke file sumber yang terkait dengan masalah.
FileName	Nama file sumber yang terkait dengan masalah.
ScriptLine	Nomor baris tempat masalah terjadi.
ScriptColumn	Nomor kolom tempat masalah terjadi.
TranspilerComponent	Komponen internal mesin terjemahan tempat peringatan atau error terjadi. Kolom ini mungkin kosong.
Lingkungan	Lingkungan dialek terjemahan yang terkait dengan peringatan atau error. Kolom ini mungkin kosong.
ObjectName	Objek SQL dalam file sumber yang terkait dengan peringatan atau error. Kolom ini mungkin kosong.
Keseriusan	Tingkat keparahan masalah, baik berupa peringatan maupun error.
Kategori	Kategori masalah terjemahan.
SourceType	Sumber masalah ini. Nilai dalam kolom ini dapat berupa `SQL`, yang menunjukkan masalah dalam file SQL input, atau `METADATA`, yang menunjukkan masalah dalam paket metadata.
Pesan	Pesan error atau peringatan masalah terjemahan.
ScriptContext	Cuplikan SQL dalam file sumber yang terkait dengan masalah.
Tindakan	Tindakan yang kami sarankan untuk Anda lakukan guna menyelesaikan masalah.

Tab Kode

Tab kode memungkinkan Anda meninjau informasi lebih lanjut tentang file input dan output untuk tugas terjemahan tertentu. Di tab kode, Anda dapat memeriksa file yang digunakan dalam tugas terjemahan, meninjau perbandingan berdampingan antara file input dan terjemahannya untuk menemukan ketidakakuratan, serta melihat ringkasan dan pesan log untuk file tertentu dalam tugas.

Untuk mengakses tab kode, ikuti langkah-langkah berikut:

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada panel navigasi, klik SQL translation.
Dalam daftar tugas terjemahan, temukan tugas yang Anda minati, lalu klik nama tugas atau klik More options > Show details.
Pilih Tab kode. Jika saran Gemini tersedia, tombol Saran Gemini akan muncul. Klik tombol untuk meninjau saran (Pratinjau).
Opsional: Untuk melihat file input dan file outputnya di penerjemah SQL interaktif BigQuery, klik Edit. Anda dapat mengedit file dan menyimpan file output kembali ke Cloud Storage (Pratinjau).

Tab konfigurasi

Setelah mentransformasi tugas terjemahan SQL menggunakan file YAML konfigurasi, buka tab Konfigurasi tempat Anda melihat dan mengedit file YAML konfigurasi. Schema Explorer menampilkan dokumentasi untuk jenis konfigurasi yang didukung guna membantu Anda menulis file YAML konfigurasi. Setelah mengedit file YAML konfigurasi, Anda dapat menjalankan ulang tugas untuk menggunakan konfigurasi baru. Untuk mengedit file YAML konfigurasi dan menjalankan ulang tugas, ikuti langkah-langkah berikut:

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada panel navigasi, klik SQL translation.
Dalam daftar tugas terjemahan, temukan tugas yang Anda minati, lalu klik nama tugas atau klik More options > Show details.
Di jendela Detail terjemahan, klik tab Konfigurasi.
Pilih file YAML konfigurasi yang ingin Anda edit.
Edit file, lalu klik Simpan.
Klik Jalankan kembali. Tugas terjemahan baru akan dibuat yang berisi file YAML konfigurasi baru Anda.

File pemetaan nama output yang digunakan

File JSON ini berisi aturan pemetaan nama output yang digunakan oleh tugas terjemahan. Aturan dalam file ini mungkin berbeda dengan aturan pemetaan nama output yang Anda tentukan untuk tugas terjemahan, karena adanya konflik pada aturan pemetaan nama atau kurangnya aturan pemetaan nama untuk objek SQL yang diidentifikasi selama penerjemahan. Tinjau file ini untuk menentukan apakah aturan pemetaan nama perlu diperbaiki atau tidak. Jika ya, buat aturan pemetaan nama output baru yang mengatasi masalah yang teridentifikasi, dan jalankan tugas terjemahan baru.

File yang diterjemahkan

Untuk setiap file sumber, file output yang sesuai akan dihasilkan di jalur tujuan. File output berisi kueri yang diterjemahkan.

Men-debug kueri SQL yang diterjemahkan batch dengan penerjemah SQL interaktif

Anda dapat menggunakan penerjemah SQL interaktif BigQuery untuk meninjau atau men-debug kueri SQL menggunakan metadata atau informasi pemetaan objek yang sama seperti database sumber Anda. Setelah Anda menyelesaikan tugas terjemahan batch, BigQuery akan membuat ID konfigurasi terjemahan yang berisi informasi tentang metadata tugas, pemetaan objek, atau jalur penelusuran skema, sebagaimana yang berlaku untuk kueri tersebut. Gunakan ID konfigurasi terjemahan batch dengan penerjemah SQL interaktif untuk menjalankan kueri SQL dengan konfigurasi yang ditentukan.

Untuk memulai terjemahan SQL interaktif menggunakan ID konfigurasi terjemahan batch, ikuti langkah-langkah berikut:

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada Navigation menu, klik SQL translation.
Dalam daftar tugas terjemahan, temukan tugas yang Anda minati, lalu klik More Options > Open Interactive Translation.

Penerjemah SQL interaktif BigQuery kini terbuka dengan ID konfigurasi terjemahan batch yang sesuai. Untuk melihat ID konfigurasi terjemahan untuk terjemahan interaktif, klik More > Translation settings di penerjemah SQL interaktif.

Untuk men-debug file terjemahan batch di penerjemah SQL interaktif, ikuti langkah-langkah berikut:

Di Konsol Google Cloud, buka halaman BigQuery.

Buka BigQuery
Di bagian Migration pada panel navigasi, klik SQL translation.
Dalam daftar tugas terjemahan, temukan tugas yang Anda minati, lalu klik nama tugas atau klik More options > Show details.
Di jendela Translation details, klik tab Code.
Di file explorer, klik nama file Anda untuk membuka file.
Di samping nama file output, klik Edit untuk membuka file di penerjemah SQL interaktif (Preview).

Anda akan melihat file input dan output diisi di penerjemah SQL interaktif yang kini menggunakan ID konfigurasi terjemahan batch yang sesuai.
Untuk menyimpan file output yang diedit kembali ke Cloud Storage, di penerjemah SQL interaktif, klik Save > Save To GCS (Preview).

Batasan

Penerjemah tidak dapat menerjemahkan fungsi yang ditentukan pengguna (UDF) dari bahasa selain SQL, karena tidak dapat mengurainya untuk menentukan jenis data input dan output-nya. Hal ini menyebabkan terjemahan pernyataan SQL yang mereferensikan UDF ini menjadi tidak akurat. Untuk memastikan UDF non-SQL direferensikan dengan benar selama penerjemahan, gunakan SQL yang valid untuk membuat UDF placeholder dengan tanda tangan yang sama.

Misalnya, Anda memiliki UDF yang ditulis dalam bahasa C yang menghitung jumlah dua bilangan bulat. Untuk memastikan pernyataan SQL yang mereferensikan UDF ini diterjemahkan dengan benar, buat UDF SQL placeholder yang memiliki tanda tangan yang sama dengan UDF C, seperti yang ditunjukkan dalam contoh berikut:

CREATE FUNCTION Test.MySum (a INT, b INT)
  RETURNS INT
  LANGUAGE SQL
  RETURN a + b;

Simpan UDF placeholder ini dalam file teks, lalu sertakan file tersebut sebagai salah satu file sumber untuk tugas terjemahan. Hal ini memungkinkan penerjemah mempelajari definisi UDF dan mengidentifikasi jenis data input dan output yang diharapkan.

Kuota dan batas

Kuota BigQuery Migration API berlaku.
Setiap project dapat memiliki maksimal 10 tugas terjemahan aktif.
Meskipun tidak ada batasan pasti untuk jumlah total file sumber dan metadata, sebaiknya pertahankan jumlah file tersebut agar tetap kurang dari 1.000 untuk mendapatkan performa yang lebih baik.

Memecahkan masalah error terjemahan

Masalah terjemahan `RelationNotFound` atau `AttributeNotFound`

Terjemahan berfungsi paling baik dengan DDL metadata. Jika definisi objek SQL tidak dapat ditemukan, mesin terjemahan akan menimbulkan masalah RelationNotFound atau AttributeNotFound. Sebaiknya gunakan ekstraktor metadata untuk membuat paket metadata guna memastikan semua definisi objek ada. Menambahkan metadata adalah langkah pertama yang direkomendasikan untuk mengatasi sebagian besar error terjemahan, karena sering kali dapat memperbaiki banyak error lain yang disebabkan secara tidak langsung oleh kurangnya metadata.

Untuk mengetahui informasi selengkapnya, lihat Membuat metadata untuk terjemahan dan penilaian.

Harga

Penggunaan penerjemah SQL batch tidak dikenai biaya. Namun, penyimpanan yang digunakan untuk menyimpan file input dan output dikenai biaya normal. Untuk mengetahui informasi selengkapnya, lihat Harga penyimpanan.

Langkah selanjutnya

Pelajari lebih lanjut langkah-langkah berikut dalam migrasi data warehouse: