Query federate Spanner

In qualità di analista di dati, puoi eseguire query sui dati in Spanner da BigQuery utilizzando le query federate.

La federazione di BigQuery Spanner consente a BigQuery di eseguire query in tempo reale sui dati residenti in Spanner, senza copiare o spostare dati.

Prima di iniziare

  • Assicurati che l'amministratore BigQuery abbia creato una connessione Spanner e la condivida con te. Vedi Scegliere la connessione giusta.
  • Per ottenere le autorizzazioni necessarie per eseguire query su un'istanza Spanner, chiedi all'amministratore di concederti il ruolo Identity and Access Management (IAM) Utente connessione BigQuery (roles/bigquery.connectionUser). Devi inoltre chiedere all'amministratore di concederti una delle seguenti opzioni:
    • Se sei un utente con controllo dell'accesso granulare, devi avere accesso a un ruolo di database con il privilegio SELECT su tutti gli oggetti dello schema Spanner nelle tue query.
    • Se non sei un utente con controllo dell'accesso granulare, devi avere il ruolo IAM Lettore database (roles/spanner.databaseReader) Cloud Spanner.

    Per informazioni sulla concessione dei ruoli IAM, consulta Gestire l'accesso a progetti, cartelle e organizzazioni. Per informazioni sul controllo dell'accesso granulare, consulta Informazioni sul controllo dell'accesso granulare.

Scegli la connessione giusta

Se sei un utente controllo dell'accesso granulare di Spanner, quando esegui una query federata, devi utilizzare una connessione Spanner che specifichi un ruolo del database. Quindi tutte le query eseguite con questa connessione utilizzano quel ruolo di database.

Se utilizzi una connessione che non specifica un ruolo del database, devi disporre dei ruoli IAM indicati in Prima di iniziare.

Spanner Data Boost

Data Boost è una funzionalità serverless completamente gestita che fornisce risorse di calcolo indipendenti per i carichi di lavoro Spanner supportati. Data Boost consente di eseguire query di analisi ed esportazioni dei dati con un impatto quasi azzerato sui carichi di lavoro esistenti nell'istanza Spanner di cui è stato eseguito il provisioning. Data Boost consente di eseguire query federate con capacità di calcolo indipendente separata dalle istanze di cui è stato eseguito il provisioning per evitare di influire sui carichi di lavoro esistenti su Spanner. Data Boost ha l'impatto maggiore quando esegui query ad hoc complesse o quando vuoi elaborare grandi quantità di dati senza influire sul carico di lavoro di Spanner esistente. L'esecuzione di query federate con Data Boost può portare a un consumo della CPU notevolmente inferiore e, in alcuni casi, a una latenza delle query inferiore.

Prima di iniziare

Per ottenere l'autorizzazione necessaria per abilitare l'accesso a Data Boost, chiedi all'amministratore di concederti il ruolo IAM Amministratore database Cloud Spanner (roles/spanner.databaseAdmin) per il database Spanner. Per saperne di più sulla concessione dei ruoli, consulta Gestire l'accesso.

Questo ruolo predefinito contiene l'autorizzazione spanner.databases.useDataBoost, necessaria per abilitare l'accesso a Data Boost.

Potresti riuscire a ottenere questa autorizzazione anche con i ruoli personalizzati o altri ruoli predefiniti.

Attiva Data Boost

Per abilitare Data Boost sulle tue query federate in Spanner, devi prima creare una connessione a Spanner. Dopo aver abilitato Data Boost all'interno della connessione, esegui una query sui dati per inviare una query federata a Spanner.

Query sui dati

Per inviare una query federata a Spanner da una query GoogleSQL, utilizza la funzione EXTERNAL_QUERY.

Formula la query Spanner in GoogleSQL o PostgreSQL, a seconda del dialetto specificato del database.

L'esempio seguente crea una query federata in un database Spanner denominato orders e unisce i risultati a una tabella BigQuery denominata mydataset.customers.

SELECT c.customer_id, c.name, rq.first_order_date
FROM mydataset.customers AS c
LEFT OUTER JOIN EXTERNAL_QUERY(
  'my-project.us.example-db',
  '''SELECT customer_id, MIN(order_date) AS first_order_date
  FROM orders
  GROUP BY customer_id''') AS rq
  ON rq.customer_id = c.customer_id
GROUP BY c.customer_id, c.name, rq.first_order_date;

Lettura di dati in parallelo

Spanner può dividere determinate query in parti o partizioni più piccole e recuperare le partizioni in parallelo. Per ulteriori informazioni, consulta Leggere i dati in parallelo nella documentazione di Spanner.

Per abilitare le letture parallele nelle query federate, configura questa impostazione quando crei la risorsa di connessione. Questa opzione divide la query SQL in partizioni più piccole e recupera ogni partizione in parallelo. Tuttavia, questa opzione è limitata alle query che soddisfano una delle seguenti condizioni:

Le altre query restituiscono un errore. Per visualizzare il piano di esecuzione per una query di Spanner, consulta Comprendere il modo in cui Spanner esegue le query.

Gestisci la priorità di esecuzione delle query

Puoi assegnare la priorità (high, medium o low) a singole query, specificando l'opzione query_execution_priority, come mostrato di seguito:

SELECT *
FROM EXTERNAL_QUERY(
  'my-project.us.example-db',
  '''SELECT customer_id, MIN(order_date) AS first_order_date
  FROM orders
  GROUP BY customer_id''',
  '{"query_execution_priority":"high"}');

La priorità predefinita è medium.

Le query con priorità high competeranno con il traffico transazionale. Le query con priorità low fanno del "best effort" e potrebbero essere prerilasciate dal carico in background, ad esempio i backup pianificati.

Visualizza lo schema di una tabella Spanner

Puoi utilizzare la funzione EXTERNAL_QUERY per eseguire query sulle viste information_schema per accedere ai metadati del database, come elencare tutte le tabelle nel database o mostrare uno schema di tabella. L'esempio seguente restituisce informazioni sulle colonne della tabella MyTable:

Database Google SQL 

SELECT *
FROM EXTERNAL_QUERY(
  'my-project.us.example-db',
  '''SELECT t.column_name, t.spanner_type, t.is_nullable
    FROM information_schema.columns AS t
    WHERE
      t.table_catalog = ''
      AND t.table_schema = ''
     AND t.table_name = 'MyTable'
    ORDER BY t.ordinal_position
  ''');

Database PostgreSQL 

SELECT * from EXTERNAL_QUERY(
 'my-project.us.postgresql.example-db',
  '''SELECT t.column_name, t.data_type, t.is_nullable
    FROM information_schema.columns AS t
    WHERE
      t.table_schema = 'public' and t.table_name='MyTable'
    ORDER BY t.ordinal_position
  ''');

Per ulteriori informazioni, consulta i seguenti riferimenti allo schema di informazioni nella documentazione di Spanner:

Risoluzione dei problemi

Questa sezione consente di risolvere i problemi che potresti riscontrare durante l'invio di una query federata a Spanner.

Problema: la query non è partizionabile nella directory principale.
Risoluzione: se configuri la connessione per leggere i dati in parallelo, il primo operatore nel piano di esecuzione della query deve essere un'unione distribuita oppure il tuo piano di esecuzione non deve avere unioni distribuite. Per risolvere questo errore, visualizza il piano di esecuzione della query e riscrivi la query. Per saperne di più, consulta Comprendere il modo in cui Spanner esegue le query.
Problema: scadenza superata.
Risoluzione: seleziona l'opzione per leggere i dati in parallelo e riscrivi la query in modo che sia partizionabile come root. Per saperne di più, consulta Comprendere come Spanner esegue le query.

Passaggi successivi