Migrazione da Teradata a BigQuery: panoramica

Questo documento ti aiuta a comprendere le decisioni che devi prendere quando utilizzi BigQuery Data Transfer Service per eseguire la migrazione di schema e dati da Teradata a BigQuery.

La migrazione di schema e dati è in genere uno dei vari passaggi necessari per spostare un data warehouse da una piattaforma diversa a BigQuery. Per una descrizione del processo di migrazione end-to-end, consulta Panoramica: migrazione dei data warehouse in BigQuery.

Puoi anche utilizzare la traduzione SQL batch per eseguire la migrazione in blocco degli script SQL oppure la traduzione SQL interattiva per tradurre query ad hoc. SQL di Teradata è completamente supportato da entrambi i servizi di traduzione SQL.

Panoramica

Puoi utilizzare BigQuery Data Transfer Service in combinazione con un agente di migrazione speciale per copiare lo schema e i dati da Teradata a BigQuery. L'agente di migrazione si connette al data warehouse locale comunica con BigQuery Data Transfer Service per copiare tabelle dal data warehouse a BigQuery.

I passaggi seguenti descrivono il flusso di lavoro per il processo di migrazione:

  1. Scarica l'agente di migrazione.
  2. Configurare un trasferimento in BigQuery Data Transfer Service.
  3. Esegui il job di trasferimento per copiare lo schema e i dati della tabella dal tuo data warehouse a BigQuery.
  4. Facoltativo. Monitorare i job di trasferimento utilizzando la console Google Cloud.

Configurazione del job di trasferimento

Puoi configurare un job di trasferimento in base alle tue esigenze. Prima di configurare un trasferimento di dati da Teradata a BigQuery, considera le opzioni di configurazione descritte nelle sezioni seguenti e decidi quali impostazioni utilizzare. A seconda delle impostazioni scelte, potrebbe essere necessario completare alcuni prerequisiti prima di avviare il job di trasferimento.

Per la maggior parte dei sistemi, in particolare quelli con tabelle di grandi dimensioni, puoi ottenere le migliori prestazioni seguendo questa procedura:

  1. Esegui il partizionamento delle tabelle Teradata.
  2. Utilizza Teradata Parallel Transporter (TPT) per l'estrazione.
  3. Crea un file di schema personalizzato e configura le colonne di clustering e partizionamento BigQuery di destinazione.

Ciò consente all'agente di migrazione di eseguire l'estrazione partizione per partizione, che è la più efficiente.

Metodo di estrazione

BigQuery Data Transfer Service supporta due metodi di estrazione per trasferire i dati da Teradata a BigQuery:

  • Utilizza l'utilità Teradata Parallel Transporter (TPT) tbuild. Questo è l'approccio consigliato. L'uso di TPT in genere comporta un'estrazione dei dati più rapida.

    In questa modalità, l'agente di migrazione tenta di calcolare i batch di estrazione utilizzando righe distribuite per partizioni. Per ogni batch, l'agente emette ed esegue uno script di estrazione TPT, producendo un insieme di file delimitati da barre verticali. Quindi carica questi file in un bucket Cloud Storage, dove vengono utilizzati dal job di trasferimento. Una volta caricati i file in Cloud Storage, l'agente di migrazione li ha eliminati dal file system locale.

    Quando utilizzi l'estrazione TPT senza una colonna di partizionamento, viene estratta l'intera tabella. Quando utilizzi l'estrazione TPT con una colonna di partizionamento, l'agente estrae set di partizioni.

    In questa modalità, l'agente di migrazione non limita la quantità di spazio occupato dai file estratti nel file system locale. Assicurati che il file system locale abbia più spazio della dimensione della partizione più grande o della tabella più grande, a seconda che tu stia specificando o meno una colonna di partizionamento.

  • Estrazione mediante driver JDBC con connessione FastExport. Se lo spazio di archiviazione locale disponibile per i file estratti è limitato o se non esiste un motivo per cui non puoi utilizzare TPT, utilizza questo metodo di estrazione.

    In questa modalità, l'agente di migrazione estrae le tabelle in una raccolta di file AVRO sul file system locale. Quindi carica questi file in un bucket Cloud Storage, dove vengono utilizzati dal job di trasferimento. Una volta caricati i file in Cloud Storage, l'agente di migrazione li elimina dal file system locale.

    In questa modalità puoi limitare la quantità di spazio utilizzata dai file AVRO sul file system locale. Se questo limite viene superato, l'estrazione viene messa in pausa finché l'agente di migrazione non libera spazio quando carica ed elimina i file AVRO esistenti.

Identificazione dello schema

BigQuery Data Transfer Service fornisce rilevamento automatico dello schema e mappatura dei tipi di dati durante un trasferimento di dati da Teradata a BigQuery. Se vuoi, puoi specificare un file di schema personalizzato. Consigliamo la personalizzazione dello schema nelle seguenti situazioni:

  • Devi acquisire informazioni importanti su una tabella, come il partizionamento, che altrimenti andrebbero perse con la migrazione.

    Ad esempio, per i trasferimenti incrementali deve essere specificato un file di schema in modo che i dati dei trasferimenti successivi possano essere partizionati correttamente quando vengono caricati in BigQuery. Senza un file di schema specificato, ogni volta che viene eseguito un trasferimento, BigQuery Data Transfer Service applica automaticamente uno schema di tabella utilizzando i dati di origine trasferiti. Inoltre, tutte le informazioni su partizionamento, clustering, chiavi primarie e monitoraggio delle modifiche vanno perse.

  • Durante il trasferimento dei dati, devi modificare i nomi delle colonne o i tipi di dati.

File di schema personalizzato

Un file di schema personalizzato è un file JSON che descrive gli oggetti di database. Lo schema contiene un insieme di database, ciascuno contenente un insieme di tabelle, ciascuna delle quali contiene un insieme di colonne. Ogni oggetto ha un campo originalName che indica il nome dell'oggetto in Teradata e un campo name che indica il nome della destinazione dell'oggetto in BigQuery.

Le colonne includono i seguenti campi:

  • Un campo originalType che indica il tipo di dati della colonna in Teradata
  • Un campo type che indica il tipo di dati di destinazione per la colonna in BigQuery.

  • Un campo usageType per acquisire informazioni sul modo in cui la colonna viene utilizzata dal sistema, ad esempio nel clustering o nel partizionamento. Sono supportati i seguenti tipi di utilizzo:

    • CLUSTERING: puoi annotare fino a quattro colonne in ogni tabella di destinazione con questo tipo di utilizzo. L'ordine delle colonne per il clustering è determinato in base all'ordine in cui vengono visualizzate nello schema personalizzato. Le colonne selezionate devono soddisfare i vincoli per il clustering in BigQuery. Se per la stessa tabella viene specificato un campo PARTITIONING, BigQuery utilizza queste colonne per creare una tabella in cluster.
    • COMMIT_TIMESTAMP: puoi annotare solo una colonna in ogni tabella di destinazione con questo tipo di utilizzo. Utilizza questo useType per identificare una colonna di timestamp dell'aggiornamento per gli aggiornamenti incrementali. Questa colonna viene utilizzata per estrarre le righe create/aggiornate dall'ultima esecuzione del trasferimento. Puoi utilizzare questo tipo di utilizzo solo con la colonna con un tipo di dati TIMESTAMP o DATE.
    • PREDEFINITO: puoi annotare più colonne in una singola tabella di destinazione con questo tipo di utilizzo. Questo useType indica che la colonna non ha un uso speciale nel sistema di origine. Questo è il valore predefinito.
    • PARTIZIONAMENTO: puoi annotare solo una colonna in ogni tabella di destinazione con questo tipo di utilizzo. Questa colonna viene utilizzata nella definizione della tabella partitioned per l'oggetto tables contenitore. Puoi utilizzare questo tipo di utilizzo solo con la colonna con un tipo di dati TIMESTAMP o DATE.

Puoi creare un file di schema personalizzato manualmente, in base a questo esempio, oppure puoi fare in modo che l'agente di migrazione ne generi uno per te quando inizializzi l'agente.

Esempio

Considera che stai eseguendo la migrazione di una tabella Teradata denominata orders nel database tpch con la seguente definizione di tabella: 


CREATE SET TABLE TPCH.orders ,FALLBACK ,
     NO BEFORE JOURNAL,
     NO AFTER JOURNAL,
     CHECKSUM = DEFAULT,
     DEFAULT MERGEBLOCKRATIO,
     MAP = TD_MAP1
     (
      O_ORDERKEY INTEGER NOT NULL,
      O_CUSTKEY INTEGER NOT NULL,
      O_ORDERSTATUS CHAR(1) CHARACTER SET LATIN CASESPECIFIC NOT NULL,
      O_TOTALPRICE DECIMAL(15,2) NOT NULL,
      O_ORDERDATE DATE FORMAT 'yyyy-mm-dd' NOT NULL,
      O_ORDERPRIORITY CHAR(15) CHARACTER SET LATIN CASESPECIFIC NOT NULL,
      O_CLERK CHAR(15) CHARACTER SET LATIN CASESPECIFIC NOT NULL,
      O_SHIPPRIORITY INTEGER NOT NULL,
      O_COMMENT VARCHAR(79) CHARACTER SET LATIN CASESPECIFIC NOT NULL)
UNIQUE PRIMARY INDEX ( O_ORDERKEY );

Durante la migrazione a BigQuery, supponiamo che tu voglia configurare lo schema con le seguenti modifiche:

  • Rinomina la colonna O_CUSTKEY in O_CUSTOMERKEY.
  • Identifica O_ORDERDATE come colonna di partizionamento.

Lo schema personalizzato per configurare queste impostazioni è il seguente:


{
  "databases": [
    {
      "name": "tpch",
      "originalName": "e2e_db",
      "tables": [
        {
          "name": "orders",
          "originalName": "orders",
          "columns": [
            {
              "name": "O_ORDERKEY",
              "originalName": "O_ORDERKEY",
              "type": "INT64",
              "originalType": "integer",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 4
            },
            {
              "name": "O_CUSTOMERKEY",
              "originalName": "O_CUSTKEY",
              "type": "INT64",
              "originalType": "integer",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 4
            },
            {
              "name": "O_ORDERSTATUS",
              "originalName": "O_ORDERSTATUS",
              "type": "STRING",
              "originalType": "character",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 1
            },
            {
              "name": "O_TOTALPRICE",
              "originalName": "O_TOTALPRICE",
              "type": "NUMERIC",
              "originalType": "decimal",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 8
            },
            {
              "name": "O_ORDERDATE",
              "originalName": "O_ORDERDATE",
              "type": "DATE",
              "originalType": "date",
              "usageType": [
                "PARTITIONING"
              ],
              "isRequired": true,
              "originalColumnLength": 4
            },
            {
              "name": "O_ORDERPRIORITY",
              "originalName": "O_ORDERPRIORITY",
              "type": "STRING",
              "originalType": "character",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 15
            },
            {
              "name": "O_CLERK",
              "originalName": "O_CLERK",
              "type": "STRING",
              "originalType": "character",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 15
            },
            {
              "name": "O_SHIPPRIORITY",
              "originalName": "O_SHIPPRIORITY",
              "type": "INT64",
              "originalType": "integer",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 4
            },
            {
              "name": "O_COMMENT",
              "originalName": "O_COMMENT",
              "type": "STRING",
              "originalType": "varchar",
              "usageType": [
                "DEFAULT"
              ],
              "isRequired": true,
              "originalColumnLength": 79
            }
          ]
        }
      ]
    }
  ]
}

Trasferimenti on demand o incrementali

Durante la migrazione dei dati da un'istanza di database Teradata a BigQuery, BigQuery Data Transfer Service supporta sia il trasferimento una tantum (un "trasferimento on demand") sia i trasferimenti periodici e ricorrenti di righe nuove e aggiornate ("trasferimenti incrementali") (Anteprima). Puoi specificare il trasferimento come on demand o incrementale nelle opzioni di pianificazione durante la configurazione di un trasferimento.

  • Trasferimento on demand: utilizza questa modalità per eseguire la migrazione iniziale dello schema e dei dati da Teradata a BigQuery.

  • Trasferimento incrementale: utilizza questa modalità per eseguire regolarmente la migrazione di dati nuovi e modificati da Teradata a BigQuery.

    • Questo metodo richiede la personalizzazione dello schema per annotare le colonne con il tipo di utilizzo COMMIT_TIMESTAMP.
    • Durante la configurazione dei trasferimenti incrementali si applicano determinate condizioni.

Trasferimenti incrementali

Nei trasferimenti incrementali, il primo trasferimento crea sempre uno snapshot della tabella in BigQuery. Tutti i trasferimenti successivi acquisiscono, trasferiscono e aggiungono dati nuovi e modificati alla tabella esistente in BigQuery. Ciò significa che, per le righe modificate, la tabella BigQuery potrebbe avere righe duplicate con valori vecchi e nuovi.

Per ogni esecuzione di trasferimento, viene salvato un timestamp dell'esecuzione del trasferimento. Per ogni esecuzione di trasferimento successiva, un agente riceve il timestamp di un'esecuzione di trasferimento precedente (T1) e un timestamp di inizio dell'esecuzione del trasferimento attuale (T2).

Per ogni trasferimento dopo l'esecuzione iniziale, l'agente di migrazione estrarrà i dati utilizzando la seguente logica per tabella:

  • Se un oggetto tabella in un file di schema non ha una colonna con il tipo di utilizzo COMMIT_TIMESTAMP, la tabella viene ignorata.
  • Se una tabella ha una colonna con il tipo di utilizzo COMMIT_TIMESTAMP, tutte le righe con un timestamp compreso tra T1 e T2 vengono estratte e aggiunte alla tabella esistente in BigQuery.

La seguente tabella descrive in che modo l'agente di migrazione gestisce le operazioni DDL (Data Definition Language) e DML (Data Manipulation Language) nei trasferimenti incrementali.

Operazione Teradata Tipo Supporto da Teradata a BigQuery
CREATE DDL In BigQuery viene creato un nuovo snapshot completo per la tabella.
DROP DDL Funzionalità non supportata
ALTER (RENAME) DDL In BigQuery viene creato un nuovo snapshot completo per la tabella rinominata. Lo snapshot precedente non viene eliminato da BigQuery}. L'utente non viene avvisato della tabella rinominata.
INSERT DML Vengono aggiunte nuove righe alla tabella BigQuery.
UPDATE DML Le righe non vengono modificate. Le righe vengono aggiunte alla tabella BigQuery come nuove, in modo simile a un'operazione INSERT. Le righe dei trasferimenti precedenti non vengono aggiornate o eliminate.
MERGE DML Non supportati. Vedi invece INSERT, UPDATE e DELETE.
DELETE DML Funzionalità non supportata

Considerazioni sulla località

Il bucket Cloud Storage deve trovarsi in una o più regioni compatibili con la regione o le regioni del set di dati di destinazione in BigQuery.

  • Se il set di dati BigQuery si trova in più regioni, il bucket Cloud Storage contenente i dati che stai trasferendo deve trovarsi nella stessa località multiregionale o in una località contenuta all'interno di più regioni. Ad esempio, se il set di dati BigQuery si trova nell'area multiregionale "UE", il bucket Cloud Storage può trovarsi nella regione Belgio "europe-west1", che si trova all'interno dell'UE.
  • Se il set di dati si trova in una regione, il bucket Cloud Storage deve trovarsi nella stessa regione. Ad esempio, se il set di dati si trova nella regione di Tokyo "asia-northeast1", il bucket Cloud Storage non può trovarsi nell'area multiregionale "ASIA".

Per informazioni dettagliate sui trasferimenti e sulle regioni, consulta Località e trasferimenti dei set di dati.

Prezzi

Il trasferimento di dati con BigQuery è senza costi aggiuntivi. Tuttavia, utilizzando questo servizio è possibile sostenere dei costi al di fuori di Google, ad esempio quelli per il trasferimento di dati in uscita dalla piattaforma.

  • L'estrazione, il caricamento su un bucket di Cloud Storage e il caricamento di dati su BigQuery sono gratuiti.
  • I dati non vengono automaticamente eliminati dal bucket Cloud Storage dopo essere stati caricati in BigQuery. È consigliabile eliminare i dati dal bucket di Cloud Storage per evitare costi di archiviazione aggiuntivi. Vedi Prezzi di Cloud Storage.
  • BigQuery standard Quote e limiti per i job di caricamento.
  • Quando i dati vengono trasferiti su BigQuery, vengono applicati i prezzi standard di BigQuery per l'archiviazione e le query.
  • Per informazioni dettagliate, consulta la pagina Prezzi dei trasferimenti.

Limitazioni

  • I trasferimenti on demand una tantum sono pienamente supportati. I trasferimenti incrementali sono in beta. Le operazioni DDL/DML nei trasferimenti incrementali sono parzialmente supportate.
  • Durante il trasferimento, i dati vengono estratti in una directory nel file system locale. Assicurati che lo spazio libero sia sufficiente.
    • Quando utilizzi la modalità di estrazione FastExport, puoi impostare lo spazio di archiviazione massimo da utilizzare e il limite imposto dall'agente di migrazione. Configura l'impostazione max-local-storage nel file di configurazione dell'agente di migrazione quando configuri un trasferimento da Teradata a BigQuery.
    • Quando utilizzi il metodo di estrazione TPT, assicurati che il file system disponga di spazio libero sufficiente, più grande della partizione di tabella più grande nell'istanza di Teradata.
  • BigQuery Data Transfer Service converte automaticamente lo schema (se non fornisci un file di schema personalizzato) e trasferisce i dati Teradata a BigQuery. I dati vengono mappati da Teradata a tipi BigQuery.
  • I file non vengono automaticamente eliminati dal bucket Cloud Storage dopo essere stati caricati in BigQuery. Valuta la possibilità di eliminare i dati dal bucket Cloud Storage dopo averli caricati in BigQuery, per evitare costi di archiviazione aggiuntivi. Consulta la sezione Prezzi.
  • La velocità di estrazione è limitata dalla connessione JDBC.
  • I dati estratti da Teradata non sono criptati. Adotta le misure appropriate per limitare l'accesso ai file estratti nel file system locale e assicurati che il bucket Cloud Storage sia protetto correttamente.
  • Altre risorse di database, come stored procedure, query salvate, viste e funzioni definite dall'utente non vengono trasferite e non rientrano nell'ambito di questo servizio.

Passaggi successivi