Réplication

La réplication Cloud Data Fusion vous permet de répliquer vos données de manière continue et en temps réel à partir de magasins de données opérationnels, tels que SQL Server et MySQL, dans BigQuery.

Pour utiliser la réplication, vous pouvez créer une instance de Cloud Data Fusion et ajouter l'application de réplication, ou ajouter l'application à une instance existante. Consultez les tutoriels pour MySQL, SQL Server et Oracle.

Les avantages comprennent :

  • Une interface simple permettant aux développeurs ETL et aux analystes de données de configurer des tâches de réplication.

  • Permet d'identifier les incompatibilités de schéma, les problèmes de connectivité et les fonctionnalités manquantes avant de démarrer la réplication, puis fournit des actions correctives.

  • Vous pouvez utiliser les dernières données opérationnelles en temps réel pour les analyser dans BigQuery. Vous utilisez la réplication basée sur les journaux directement dans BigQuery à partir de Microsoft SQL Server (à l'aide de SQL Server CDC) et de MySQL (en utilisant le journal binaire MySQL).

  • La capture de données modifiées (CDC, Change Data Capture) fournit une représentation des données modifiées dans un flux. Elle permet aux calculs et au traitement de se concentrer spécifiquement sur les enregistrements les plus récents, ce qui réduit au minimum les frais de sortie liés à la production sensible. systèmes.

  • L'évolutivité d'entreprise pour prendre en charge des bases de données transactionnelles à volume élevé et les chargements de données initiaux vers BigQuery sont compatibles avec la réplication des instantanés sans interruption, afin que l'entrepôt de données soit prêt à consommer des modifications en continu. Une fois l'instantané initial terminé, la réplication continue des modifications à haut débit commence en temps réel.

  • Les tableaux de bord vous aident à obtenir des insights en temps réel sur les performances de réplication. Cela permet d'identifier les goulots d'étranglement et de surveiller les contrats de niveau de service pour la diffusion de données.

  • Inclut la prise en charge des résidences de données, des clés de chiffrement gérées par le client (CMEK) et de VPC Service Controls. L'intégration de Cloud Data Fusion dans Google Cloud garantit le niveau le plus élevé de sécurité et de confidentialité de l'entreprise tout en rendant les dernières données disponibles dans votre entrepôt de données pour l'analyse.

Lors de l'exécution de la réplication, le cluster Dataproc vous est facturé et des frais de traitement vous sont facturés pour BigQuery. Pour optimiser ces coûts, nous vous recommandons vivement d'utiliser les tarifs forfaitaires de BigQuery.

Pour en savoir plus, consultez la page Tarifs de Cloud Data Fusion.

Entités de réplication

Entité Description
Réplication La réplication est une fonctionnalité de Cloud Data Fusion qui permet de répliquer des données en continu à faible latence depuis des datastores opérationnels vers des entrepôts de données analytiques. Créez une tâche de réplication en configurant une source et une cible avec des transformations facultatives.
Source Lit les événements de modification de base de données, de table ou de colonne et les rend disponibles pour un traitement ultérieur dans une tâche de réplication. Une tâche de réplication contient une source qui utilise une solution de capture des modifications pour fournir les modifications. Il peut y avoir plusieurs sources pour une base de données, chacune avec une solution de capture de changement différente. Une source est un module connectable créé à l'aide de l'architecture de plug-in de CDAP. Si aucune source n'est disponible pour répondre à vos besoins, vous pouvez créer la vôtre en mettant en œuvre l'interface source, puis l'importer dans CDAP ou Cloud Data Fusion.
Cible Écriture des modifications reçues d'une source dans une base de données cible. Une tâche de réplication contient une cible. Une cible est un module connectable créé à l'aide de l'architecture de plug-in de CDAP. Si aucune cible n'est disponible pour répondre à vos besoins, vous pouvez créer la vôtre en mettant en œuvre l'interface cible, puis l'importer dans CDAP ou Cloud Data Fusion.
Propriétés de la source Configure la source, y compris les détails de connexion, les noms de base de données et de table sources, les identifiants et d'autres propriétés.
Propriétés de la cible Configure la cible, y compris les détails de connexion, les noms de base de données et de table cibles, les identifiants et d'autres propriétés.
Propriétés de la tâche de réplication Configure la tâche de réplication, y compris les seuils de défaillance, les zones de préproduction, les notifications et les paramètres de validation.
Brouillon Une tâche de réplication partiellement enregistrée. Une fois la définition de la tâche de réplication terminée, elle peut être démarrée.
Events Événements de modification de la source à répliquer sur la cible. Les événements incluent des insertions, des mises à jour, des suppressions et des modifications LDD (langage de définition de données).
Insérer Ajout de nouveaux enregistrements dans la source.
Mettre à jour Mise à jour vers les enregistrements existants dans la source.
Supprimer Suppression des enregistrements existants dans la source.
Modification LDD Un événement contenant une modification de schéma, telle qu'une modification du type de données ou du nom.
Journaux Journaux opérationnels d'une tâche de réplication.
Détails de la tâche de réplication Page détaillée avec des informations sur la tâche de réplication, telles que son état actuel, les métriques opérationnelles, la vue historique au fil du temps, les résultats de la validation et sa configuration
Tableau de bord Page répertoriant l'état de toutes les activités de capture de données modifiées, y compris le débit, la latence, les taux d'échec et les résultats de validation.

Actions

Actions Description
Déployer Création d'une tâche de réplication en suivant un flux d'interface utilisateur pour spécifier une source, une cible et leur configuration
Enregistrer Enregistrement d'une tâche de réplication partiellement créée pour reprendre la création ultérieurement.
Supprimer Suppression d'une tâche de réplication existante. Seuls les pipelines arrêtés peuvent être supprimés.
Démarrer Démarrage d'une tâche de réplication. La tâche de réplication passe à l'état actif si des modifications sont en cours de traitement. Dans le cas contraire, elle passe à l'état "En attente".
Arrêter Arrêt d'une tâche de réplication La tâche de réplication arrête le traitement des modifications de la source.
Voir les journaux Affichage des journaux d'une tâche de réplication pour le débogage ou une autre analyse.
Search Recherche d'une tâche de réplication par son nom, sa description ou d'autres métadonnées de tâche de réplication.
Évaluer Évaluation de l'impact de la réplication avant de la démarrer. L'évaluation d'une tâche de réplication génère un rapport d'évaluation qui signale les incompatibilités de schémas et les fonctionnalités manquantes.

Surveillance

États des instances dupliquées Description
Déployé La tâche de réplication est déployée, mais pas démarrée. Dans cet état, une tâche de réplication ne réplique pas d'événements.
Démarrage… La tâche de réplication est en cours d'initialisation et n'est pas prête à répliquer les modifications.
Running La tâche de réplication est démarrée et réplique les modifications.
Amorçage d'arrêt La tâche de réplication s'arrête.
Stopped La tâche de réplication est arrêtée.
Échec La tâche de réplication a échoué en raison d'erreurs fatales.

États des tables

Concept Description
Création d'instantanés La tâche de réplication prend un instantané de l'état actuel de la table avant de répliquer les modifications.
En cours de réplication La tâche de réplication réplique les modifications de la table source vers la table de destination.
En échec La tâche de réplication ne parvient pas à répliquer les modifications de la table source en raison d'une erreur.

Métriques

Concept Description
Code inséré Nombre d'insertions appliquées à la cible au cours de la période sélectionnée.
Mises à jour Nombre de mises à jour appliquées à la cible au cours de la période sélectionnée.
Suppressions Nombre de suppressions appliquées à la cible au cours de la période sélectionnée.
LDD Nombre de modifications LDD appliquées à la cible au cours de la période sélectionnée.
Débit Nombre d'événements et nombre d'octets répliqués sur la cible au cours de la période sélectionnée.
Latence Latence à laquelle les données sont répliquées sur la cible dans la période sélectionnée.

Composants

Composant Description
Service Supervise l'orchestration de bout en bout des tâches de réplication et permet de concevoir, déployer, gérer et surveiller ces tâches. Il s'exécute dans le projet locataire Cloud Data Fusion (le projet locataire est masqué pour l'utilisateur). Son état s'affiche sur la page "ADMINISTRATEUR SYSTÈME" de l'interface utilisateur de Cloud Data Fusion.
Gestion de l'état Le service gère l'état de chaque tâche de réplication dans un bucket Cloud Storage du projet client. Le bucket peut être configuré lors de la création de la tâche de réplication. Il stocke les décalages et l'état de réplication actuels de chaque tâche de réplication.
Exécution Les clusters Dataproc fournissent l'environnement d'exécution de tâches de réplication, qui s'exécutent dans votre projet. Les tâches de réplication s'exécutent à l'aide de nœuds de calcul CDAP. La taille et les caractéristiques de l'environnement d'exécution sont configurées avec des profils Compute Engine.
Base de données source Base de données opérationnelle de production qui est répliquée dans votre base de données cible. Cette base de données peut être située sur site ou sur Google Cloud. La réplication Cloud Data Fusion est compatible avec les bases de données source MySQL, Microsoft SQL Server et Oracle.
Solution de suivi des modifications Au lieu d'exécuter un agent sur la base de données source, Cloud Data Fusion s'appuie sur une solution de suivi des modifications pour lire les modifications dans la base de données source. La solution peut être un composant de la base de données source ou une solution tierce sous licence distincte. Dans ce dernier cas, la solution de suivi des modifications s'exécute sur site, avec la base de données source ou sur Google Cloud. Chaque source doit être associée à une solution de suivi des modifications.
  1. SQL Server
    • Solution compatible :SQL Server CDC (tables de suivi des modifications)
    • Autres logiciels : non
    • Licence/Coût : non applicable
    • Commentaires : SQL Server 2016 et versions ultérieures
  2. MySQL
    • Solution compatible : Journal binaire MySQL
    • Autres logiciels : non
    • Licence/Coût : non applicable
    • Commentaires : non applicable
  3. Oracle
Base de données cible Emplacement de destination pour la réplication et l'analyse. Cloud Data Fusion est compatible avec la base de données cible BigQuery.
Authentification Les mécanismes d'authentification varient en fonction de la base de données source ou du logiciel de suivi des modifications. Lorsque vous utilisez les fonctionnalités intégrées des bases de données sources, telles que SQL Server et MySQL, les connexions à la base de données sont utilisées pour l'authentification. Lorsque vous utilisez un logiciel de suivi des modifications, le mécanisme d'authentification du logiciel est utilisé.

Connectivité

Le tableau suivant décrit les connexions réseau requises pour la réplication et les mécanismes de sécurité qu'elles utilisent.

De To Facultatif Protocole Réseau Sécurité de l'authentification Objectif
Service (projet locataire) Base de données source Yes Dépend de la source de réplication. JDBC pour la connexion directe à la base de données. Appairage + règles de pare-feu + VPN/Interconnexion + Routeur Connexion à la base de données Requis à la conception, mais pas à l'exécution. Fonctions : Liste des tables, évaluation (étapes facultatives ; la réplication peut se poursuivre sans elles)
Service (projet locataire) Cloud Storage No API Cloud VPC SC IAM Gestion des états : décalages, états de réplication
Dataproc (votre projet) Base de données source No Dépend de la source. JDBC pour la connexion directe à la base de données. Appairage + règles de pare-feu + VPN/Interconnexion + Routeur Connexion à la base de données Requis au moment de l'exécution, pour lire les modifications apportées par la base de données source afin de les répliquer sur la cible
Dataproc (votre projet) Cloud Storage No API Cloud VPC SC IAM Gestion des états : décalages, états de réplication
Dataproc (votre projet) BigQuery No API Cloud VPC SC IAM Requis au moment de l'exécution pour appliquer les modifications de la base de données source à la cible

Étapes suivantes