Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Dopo aver eseguito il deployment di un job di replica, non puoi modificarlo né aggiungere tabelle. Aggiungi invece le tabelle a un nuovo job di replica o a un job duplicato.
Opzione 1: crea un nuovo job di replica
L'aggiunta di tabelle a un nuovo job è l'approccio più semplice. Impedisce il reloading
storico di tutte le tabelle e i problemi di incoerenza dei dati.
Gli svantaggi sono l'aumento del sovraccarico della gestione di più job di replica e il consumo di più risorse di calcolo, poiché ogni job viene eseguito su un cluster Dataproc temporaneo separato per impostazione predefinita. Quest'ultimo può essere attenuato in qualche misura utilizzando un cluster Dataproc statico condiviso per entrambi i job.
Per ulteriori informazioni sulla creazione di nuovi job, consulta i tutorial sulla replica.
Opzione 2: arresta il job di replica corrente e crea un duplicato
Se duplichi il job di replica per aggiungere le tabelle, tieni presente quanto segue:
L'attivazione dello snapshot per il job duplicato comporta il caricamento storico di tutte le tabelle da zero. Questa opzione è consigliata se non puoi utilizzare l'opzione precedente, in cui esegui job separati.
La disattivazione dello snapshot per impedire il caricamento dei dati storici può comportare la perdita di dati, poiché potrebbero verificarsi eventi mancanti tra l'arresto della pipeline precedente e l'avvio della nuova. La creazione di un'intersezione per attenuare questo problema non è consigliata, in quanto può comportare anche la perdita di dati: i dati storici per le nuove tabelle non vengono replicati.
Per creare un job di replica duplicato:
Interrompi la pipeline esistente.
Nella pagina Job di replica, individua il job da duplicare,
fai clic su more_vert e su
Duplica.
Attiva lo snapshot:
Vai a Configura origine.
Nel campo Replica i dati esistenti, seleziona Sì.
Aggiungi le tabelle nella finestra Seleziona tabelle e trasformazioni e segui la procedura guidata per eseguire il deployment della pipeline di replica.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2025-09-04 UTC."],[[["\u003cp\u003eYou cannot directly edit or add tables to an existing replication job after deployment; instead, you must create a new or duplicate job.\u003c/p\u003e\n"],["\u003cp\u003eCreating a new replication job to add tables is the preferred method as it prevents historical reloading and data inconsistency issues, but it increases overhead and resource consumption.\u003c/p\u003e\n"],["\u003cp\u003eDuplicating a replication job to add tables requires careful consideration of snapshot settings, as enabling the snapshot triggers a full historical reload, while disabling it can lead to data loss.\u003c/p\u003e\n"],["\u003cp\u003eRunning duplicate replication jobs against the same target BigQuery dataset as the original job should be avoided, as it can cause data inconsistency.\u003c/p\u003e\n"],["\u003cp\u003eUsing a shared static Dataproc cluster can help mitigate the increased compute resource usage associated with running multiple replication jobs.\u003c/p\u003e\n"]]],[],null,["# Add tables to a replication job\n\nAfter you deploy a replication job, you cannot edit or add tables to\nit. Instead, add the tables to a new or duplicate replication job.\n\nOption 1: Create a new replication job\n--------------------------------------\n\nAdding tables to a new job is the simplest approach. It prevents historical\nreloading of all the tables and prevents data inconsistency issues.\n\nThe drawbacks are the increased overhead of managing multiple\nreplication jobs and the consumption of more compute resources, as\neach job runs on a separate ephemeral Dataproc cluster by\ndefault. The latter can be mitigated to some extent by using a shared static\nDataproc cluster for both jobs.\n\nFor more information about creating new jobs, see the\n[Replication tutorials](/data-fusion/docs/how-to/using-replication).\n\nFor more information about using static Dataproc cluster in\nCloud Data Fusion, see\n[Run a pipeline against an existing Dataproc cluster](/data-fusion/docs/how-to/running-against-existing-dataproc)\n\nOption 2: Stop the current replication job and create a duplicate\n-----------------------------------------------------------------\n\nIf you duplicate the replication job to add the tables, consider the\nfollowing:\n\n- Enabling the snapshot for the duplicate job results in the historical load of\n all the tables from scratch. This is recommended if you cannot use the\n previous option, where you run separate jobs.\n\n- Disabling the snapshot to prevent the historical load can result in data\n loss, as there could be missed events between when the old pipeline stops and\n the new one starts. Creating an overlap to mitigate this issue isn't\n recommended, as it can also result in data loss---historical data for the new\n tables isn't replicated.\n\nTo create a duplicate replication job, follow these steps:\n\n1. Stop the existing pipeline.\n\n2. From the Replication jobs page, locate the job that you want to duplicate,\n click more_vert and\n **Duplicate**.\n\n3. Enable the snapshot:\n\n 1. Go to **Configure source**.\n 2. In the **Replicate existing data** field, select **Yes**.\n4. Add tables in the **Select tables and transformations** window and follow the\n wizard to deploy the replication pipeline.\n\n| **Note:** If you run a duplicate replication job against the same target BigQuery dataset as the original job, don't run the original job again, as it can cause data inconsistency.\n\nWhat's next\n-----------\n\n- Learn more about [Replication](/data-fusion/docs/concepts/replication)."]]
