Mit Cloud Data Fusion-Replikation können Sie Kopien von Ihre Daten kontinuierlich und in Echtzeit aus operativen Datenspeichern wie SQL Server und MySQL in BigQuery importieren.
Sie haben folgende Möglichkeiten, die Replikation zu verwenden:
- Erstellen Sie eine neue Cloud Data Fusion-Instanz und fügen Sie die Replikationsanwendung hinzu.
- Replikationsanwendung zu einer vorhandenen Instanz hinzufügen
Dies sind die wichtigsten Vorteile:
Schemainkompatibilitäten, Konnektivitätsprobleme und fehlende Schemata identifizieren vor dem Start der Replikation und bietet dann Korrekturmaßnahmen.
Die Nutzung der neuesten Betriebsdaten in Echtzeit für Analysen innerhalb BigQuery Sie verwenden die logbasierte Replikation direkt von BigQuery aus Microsoft SQL Server (mit SQL Server CDC) und MySQL (mit MySQL Binary Log).
Mit Change Data Capture (CDC) können Sie Daten darstellen, die sich in einem Stream geändert haben. Berechnungen und Verarbeitung können Sie somit auf die zuletzt geänderten Datensätze konzentrieren. So werden die Kosten für ausgehende Daten in sensiblen Produktionssystemen minimiert.
Skalierbarkeit für Unternehmen zur Unterstützung von Transaktionsdatenbanken mit hohem Datenvolumen. Ein anfängliches Laden von Daten in BigQuery wird mit einer Snapshot-Replikation ohne Ausfallzeiten unterstützt, damit das Data Warehouse kontinuierlich auf Änderungen zugreifen kann. Sobald der erste Snapshot erstellt wurde, beginnt die kontinuierliche Replikation der Änderungen mit hohem Durchsatz in Echtzeit.
Über die Dashboards erhalten Sie Echtzeitinformationen zur Replikationsleistung. Dies ist hilfreich, um Engpässe zu identifizieren und SLAs für die Datenübermittlung zu überwachen.
Einschließlich Unterstützung für Datenstandorte und vom Kunden verwaltete Verschlüsselungsschlüssel (CMEK) und VPC Service Controls. Einbindung von Cloud Data Fusion in Google Cloud sorgt für ein Höchstmaß an Unternehmenssicherheit Privatsphäre, während die neuesten Daten in Ihren Daten verfügbar gemacht werden Data Warehouse für die Analyse.
Empfohlene Preise
Wenn die Replikation ausgeführt wird, werden Ihnen der Dataproc-Cluster und die Verarbeitungskosten für BigQuery in Rechnung gestellt. Zur Optimierung dieser Kosten empfehlen wir dringend, BigQuery-Pauschalpreise zu verwenden.
Weitere Informationen finden Sie auf der Seite Preise für Cloud Data Fusion.
Replikationsentitäten
| Entity | Beschreibung |
|---|---|
| Replikation | Die Replikation ist eine Funktion von Cloud Data Fusion, mit der Daten kontinuierlich mit geringer Latenz aus operativen Datenspeichern in analytische Data Warehouses repliziert werden können. Erstellen: Replikationsjob durch Konfigurieren eines Quelle und ein Ziel mit optionalen Transformationen. |
| Quelle | Liest Datenbank-, Tabellen- oder Spaltenänderungsereignisse und stellt sie zur weiteren Verarbeitung in einem Replikationsjob zur Verfügung. Ein Replikationsjob enthält eine Quelle, die auf einer Änderungserfassungslösung basiert. Für eine Datenbank können mehrere Quellen mit jeweils einer anderen Änderungserfassungslösung vorhanden sein. Eine Quelle ist ein modulares Modul, das mithilfe der Plug-in-Architektur von CDAP erstellt wurde. Wenn eine Quelle nicht Ihren Anforderungen entspricht, können Sie eine eigene erstellen, indem Sie die Quellschnittstelle implementieren und diese dann in CDAP oder Cloud Data Fusion hochladen. |
| Ziel | Schreibt Änderungen, die von einer Quelle empfangen wurden, in eine Zieldatenbank. Ein Replikationsjob enthält ein Ziel. Ein Ziel ist ein modulares Modul, das mit dem Plug-in erstellt wurde. Architektur von CDAP. Wenn ein Ziel nicht Ihren Anforderungen entspricht, können Sie ein eigenes erstellen. Implementieren Sie dazu die Zielschnittstelle und laden Sie es dann in CDAP oder Cloud Data Fusion hoch. |
| Quellattribute | Konfiguriert die Quelle, einschließlich Verbindungsdetails, Quelldatenbank- und Tabellennamen, Anmeldedaten und anderer Attribute. |
| Zielattribute | Konfiguriert das Ziel, einschließlich Verbindungsdetails, Zieldatenbank- und Tabellennamen, Anmeldedaten und anderer Attribute. |
| Attribute des Replikationsjobs | Konfiguriert den Replikationsjob einschließlich Fehlerschwellenwerten, Staging-Bereiche, Benachrichtigungen und Validierungseinstellungen. |
| Entwurf | Einen gespeicherten, teilweise abgeschlossenen Replikationsjob. Wenn der Parameter Definition des Replikationsjobs abgeschlossen ist, kann er gestartet werden. |
| Veranstaltungen | Ereignisse in der Quelle ändern, die zum Ziel repliziert werden sollen Ereignisse umfassen Einfügungen, Aktualisierungen, Löschungen und Änderungen der DDL-Daten (Data Definition Language). |
| Einfügen | Hinzufügen neuer Einträge in der Quelle. |
| Aktualisieren | Aktualisieren vorhandener Datensätze in der Quelle. |
| Löschen | Entfernen vorhandener Datensätze in der Quelle |
| DDL-Änderung | Ein Ereignis, das eine Schemaänderung enthält, z. B. eine Änderung des Datentyps oder des Namens. |
| Logs | Die Betriebslogs eines Replikationsjobs. |
| Details zum Replikationsjob | Eine Detailseite mit Informationen zum Replikationsjob, z. B. aktueller Status, Betriebsmesswerte, Verlaufsansicht im Zeitverlauf, Validierungsergebnisse und Konfiguration. |
| Dashboard | Eine Seite mit dem Status aller CDC-Aktivitäten, einschließlich Durchsatz, Latenz, Fehlerraten und Validierungsergebnisse. |
Aktionen
| Aktionen | Beschreibung |
|---|---|
| Bereitstellen | Neuen Replikationsjob mithilfe einer Weboberfläche erstellen um eine Quelle, ein Ziel und deren Konfiguration anzugeben. |
| Speichern | Teilweise erstellten Replikationsjob speichern, um die Erstellung zu einem späteren Zeitpunkt fortzusetzen. |
| Löschen | Einen vorhandenen Replikationsjob löschen. Nur angehaltene Pipelines können gelöscht werden. |
| Start | Replikationsjob starten. Wenn Änderungen erforderlich sind, wird der Replikationsjob in den Status "Aktiv" versetzt. Andernfalls wechselt er in den Status „Warten“. |
| Beenden | Replikationsjob anhalten Der Replikationsjob beendet die Verarbeitung von Änderungen aus der Quelle. |
| Logs ansehen | Logs eines Replikationsjobs für das Debugging oder andere Analysen aufrufen. |
| Suchen | Die Suche nach einem Replikationsjob anhand seines Namens, oder andere Metadaten des Replikationsjobs. |
| Bewerten | Auswirkungen der Replikation vor dem Start der Replikation bewerten. Bei der Bewertung eines Replikationsjobs wird ein Bewertungsbericht generiert, der Schemainkompatibilitäten und fehlende Features meldet. |
Monitoring
| Replikatstatus | Beschreibung |
|---|---|
| Bereitgestellt | Der Replikationsjob wird bereitgestellt, aber nicht gestartet. In diesem Status repliziert ein Replikationsjob keine Ereignisse. |
| Wird gestartet | Der Replikationsjob wird initialisiert und ist nicht bereit, Änderungen zu replizieren. |
| Wird ausgeführt | Der Replikationsjob wird gestartet und Änderungen werden repliziert. |
| Wird beendet | Der Replikationsjob wird beendet. |
| Gestoppt | Der Replikationsjob wurde beendet. |
| Fehlgeschlagen | Der Replikationsjob ist aufgrund schwerwiegender Fehler fehlgeschlagen. |
Tabellenstatus
| Konzept | Beschreibung |
|---|---|
| Snapshot wird erstellt | Der Replikationsjob erstellt einen Snapshot des aktuellen der Tabelle vor dem Replizieren von Änderungen. |
| Replikation | Der Replikationsjob repliziert Änderungen aus der Quelle in die Zieltabelle übertragen. |
| Fehler | Der Replikationsjob kann Änderungen aus dem Quelltabelle. |
Messwerte
| Konzept | Beschreibung |
|---|---|
| Einfügungen | Die Anzahl der Insert-Anweisungen, die im ausgewählten Zeitraum auf das Ziel angewendet wurden. |
| Updates | Die Anzahl der Aktualisierungen, die im ausgewählten Zeitraum auf das Ziel angewendet wurden. |
| Löschvorgänge | Die Anzahl der Insert-Anweisungen, die im ausgewählten Zeitraum auf das Ziel angewendet wurden. |
| DDLs | Die Anzahl der DDL-Änderungen, die im ausgewählten Zeitraum auf das Ziel angewendet wurden. |
| Durchsatz | Die Anzahl der Ereignisse und die Anzahl der Byte, die im ausgewählten Zeitraum am Ziel repliziert wurden. |
| Latenz | Die Latenz, zu der Daten im ausgewählten Zeitraum am Ziel repliziert werden. |
Komponenten
| Komponente | Beschreibung |
|---|---|
| Dienst | Überwacht die End-to-End-Orchestrierung von Replikationsjobs und bietet Funktionen zum Entwerfen, Bereitstellen, Verwalten und Überwachen von Replikationsjobs. Sie wird im Cloud Data Fusion-Mandantenprojekt ausgeführt (das Mandantenprojekt ist für den Nutzer ausgeblendet). Der Status wird auf der Seite „Systemadministrator“ der Cloud Data Fusion-Weboberfläche angezeigt. |
| Zustandsverwaltung | Der Dienst verwaltet den Status jedes Replikationsjobs in einem Cloud Storage-Bucket im Kundenprojekt. Der Bucket kann beim Erstellen des Replikationsjobs konfiguriert werden. In diesem Tool werden die aktuellen Offsets und der Replikationsstatus jedes Replikationsjobs gespeichert. |
| Ausführung | Dataproc-Cluster stellen die Ausführungsumgebung von Replikationsjobs bereit, die in Ihrem Projekt ausgeführt werden. Replikationsjobs werden ausgeführt mit CDAP-Worker. Die Größe und Merkmale der Ausführung werden mit Compute Engine-Profilen konfiguriert. |
| Quelldatenbank | Betriebsdatenbank für die Produktion, die in die Zieldatenbank repliziert wird Diese Datenbank kann sich lokal oder in Google Cloud befinden. Cloud Data Fusion Replication unterstützt MySQL-, Microsoft SQL Server- und Oracle-Quelldatenbanken. |
| Lösung zur Änderungsverfolgung | Anstatt auf einem Agent ausgeführt zu werden, der auf der Quelldatenbank ausgeführt wird, benötigt Cloud Data Fusion eine Änderungsverfolgungslösung, um Änderungen in der Quelldatenbank zu lesen. Die Lösung kann eine Komponente der Quelldatenbank oder eine separat lizenzierte Drittanbieterlösung sein. Im letzteren Fall wird die Änderungsverfolgungslösung lokal, in der Quelldatenbank oder in Google Cloud ausgeführt. Jede Quelle muss einer Änderungsverfolgungslösung zugeordnet sein.
|
| Zieldatenbank | Der Zielspeicherort für die Replikation und die Analyse. Cloud Data Fusion unterstützt die BigQuery-Zieldatenbank. |
| Authentifizierung | Die Authentifizierungsmechanismen variieren je nach Quelldatenbank oder Änderungsverfolgungssoftware. Bei Verwendung der integrierten Funktionen von Quelldatenbanken wie SQL Server und MySQL werden Datenbankanmeldungen zur Authentifizierung verwendet. Wenn Sie Änderungsverfolgungssoftware verwenden, wird der Authentifizierungsmechanismus der Software verwendet. |
Verbindung
In der folgenden Tabelle werden die für die Replikation erforderlichen Netzwerkverbindungen und entsprechenden Sicherheitsmechanismen beschrieben.
| Von | To | Optional | Protokoll | Netzwerk | Auth-Sicherheit | Zweck |
|---|---|---|---|---|---|---|
| Dienst (Mandantenprojekt) | Quelldatenbank | Ja | Hängt von der Replikationsquelle ab. JDBC für direkte Datenbankverbindung. | Peering + Firewallregeln + VPN/Interconnect + Router | DB-Anmeldung | Wird beim Entwurf, nicht bei der Ausführung benötigt, Zeitfunktionen: Tabellenauflistung, Bewertung (optionale Schritte; Replikation kann ohne sie fortgesetzt werden) |
| Dienst (Mandantenprojekt) | Cloud Storage | Nein | Cloud API | VPC-SC | IAM | Zustandsverwaltung: Offsets, Replikationsstatus |
| Dataproc (Ihr Projekt) | Quelldatenbank | Nein | Je nach Quelle. JDBC für direkte DB-Verbindung. | Peering + Firewallregeln + VPN/Interconnect + Router | DB-Anmeldung | Wird zur Ausführungszeit benötigt, um Änderungen aus der Quelldatenbank zu lesen und an das Ziel zu replizieren |
| Dataproc (Ihr Projekt) | Cloud Storage | Nein | Cloud API | VPC-SC | IAM | Zustandsverwaltung: Offsets, Replikationsstatus |
| Dataproc (Ihr Projekt) | BigQuery | Nein | Cloud API | VPC-SC | IAM | Wird zur Ausführungszeit benötigt, um Änderungen aus der Quelldatenbank auf das Ziel anzuwenden |
Nächste Schritte
- Replication API-Referenz
- Weitere Informationen finden Sie in der Datentypzuordnung für die Replikation.