Daten aus MySQL in BigQuery replizieren

---

In dieser Anleitung erfahren Sie, wie Sie einen Job erstellen und bereitstellen, mit dem geänderte Daten kontinuierlich aus einer MySQL-Datenbank in eine BigQuery-Tabelle repliziert werden.

Lernziele

In dieser Anleitung lernen Sie, wie Sie:

1. Ihre MySQL-Datenbank in Compute Engine bereitstellen
2. Ihre MySQL-Datenbank zum Aktivieren der Replikation einrichten
3. Cloud Data Fusion-Replikationsjob erstellen und ausführen.
4. Ergebnisse in BigQuery anzeigen

Kosten

In diesem Dokument verwenden Sie die folgenden kostenpflichtigen Komponenten von Google Cloud:

• Cloud Data Fusion
• BigQuery
• Dataproc
• Cloud Storage
• Compute Engine

Mit dem Preisrechner können Sie eine Kostenschätzung für Ihre voraussichtliche Nutzung vornehmen. Neuen Google Cloud-Nutzern steht möglicherweise eine kostenlose Testversion zur Verfügung.

Bei der Replikation werden Ihnen die Kosten für den Dataproc-Cluster und Verarbeitungskosten für BigQuery in Rechnung gestellt. Zur Optimierung dieser Kosten empfehlen wir dringend, BigQuery-Pauschalpreise zu verwenden.

Hinweise

1. Melden Sie sich bei Ihrem Google Cloud-Konto an. Wenn Sie mit Google Cloud noch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

2. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

   Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit dem Projekt verknüpften Ressourcen entfernen.

   Zur Projektauswahl

3. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

4. Cloud Data Fusion, BigQuery, and Cloud Storage APIs aktivieren.

   Aktivieren Sie die APIs

5. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

   Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit dem Projekt verknüpften Ressourcen entfernen.

   Zur Projektauswahl

6. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

7. Cloud Data Fusion, BigQuery, and Cloud Storage APIs aktivieren.

   Aktivieren Sie die APIs

8. Erstellen Sie eine öffentliche Cloud Data Fusion-Instanz in Version 6.3.0 oder höher. Wenn Sie eine private Instanz erstellen, richten Sie VPC-Netzwerk-Peering ein.
   • Aktivieren Sie beim Erstellen der Instanz die Replikation. Klicken Sie dazu auf Beschleuniger hinzufügen und dann auf das Kästchen Replikation.
   • Informationen zum Aktivieren in einer vorhandenen Instanz finden Sie unter Replikation aktivieren.

Wichtig: Sie müssen die Replikation in Ihrer Instanz aktivieren, damit sie in der Cloud Data Fusion-Weboberfläche im Menü angezeigt wird (siehe Replikation aktivieren).

Erforderliche Rollen

Informationen zum Abrufen der Berechtigungen, die Sie für diese Anleitung benötigen, finden Sie unter Zugriffssteuerung mit IAM und Dienstkontonutzerberechtigung gewähren.

MySQL in Compute Engine installieren

1. Laden Sie ein MySQL Server-Docker-Image herunter.

2. Laden Sie das Docker-Image in Artifact Registry hoch.

3. Stellen Sie Ihr Docker-Image auf einer neuen VM-Instanz bereit.

   Hinweis: Zum Bereitstellen des Images in der neuen VM-Instanz muss der Compute Engine-Dienst die Rolle Artifact Registry-Leser (roles/artifactregistry.reader) haben.

4. Ändern Sie auf der Compute Engine-Seite Laufwerke die Laufwerksgröße in 500 GB und starten Sie die VM neu.

   Zur Seite „Laufwerke“

5. Erstellen Sie eine Firewall für die VM-Instanz.

6. Installieren Sie die Sakila-Beispieldatenbank.

Replikation in Ihrer MySQL-Datenbank aktivieren

Richten Sie Change Data Capture (CDC) in MySQL ein, um die Replikation zu aktivieren.

Wenden Sie sich an Ihren Datenbankadministrator, um Berechtigungen zum Ausführen der Befehle zu erhalten.

Cloud Data Fusion-Replikationsjob erstellen und ausführen

JDBC-Treiber hochladen

Hinweis :Verwenden Sie die JDBC-Treiberversion 8 oder höher.

1. Laden Sie den JDBC-Treiber für MySQL (Version 8 oder höher) auf Ihren lokalen Computer herunter.

2. Laden Sie den JDBC-Treiber in die Cloud Data Fusion-Weboberfläche hoch.

   Konfigurieren Sie den JDBC-Treiber mit diesen Werten:

   • Geben Sie im Feld Name mysql ein.
   • Übernehmen Sie im Feld Version die Standardeinstellung.
   • Geben Sie im Feld Klassenname com.mysql.jdbc.Driver ein.

Auftrag erstellen

1. Klicken Sie in der Weboberfläche von Cloud Data Fusion auf Replikation.

2. Klicken Sie auf Replikationsjob erstellen.

3. Geben Sie auf der Seite Neuen Replikationsjob erstellen den Namen eines Replikationsjobs an und klicken Sie auf Weiter.

4. Konfigurieren Sie die Quelle:

   1. Wählen Sie MySQL als Quelle aus.
   2. Geben Sie unter Host den Hostnamen des MySQL-Servers ein, aus dem gelesen werden soll.
   3. Geben Sie unter Port den Port ein, der für die Verbindung zum MySQL Server verwendet werden soll: 3306.
   4. Wählen Sie als JDBC-Plug-in-Name mysql oder den Namen aus , den Sie bei der Konfiguration des JDBC-Treibers angegeben haben.
   5. Geben Sie als Datenbankname sakila ein.
   6. Geben Sie im Abschnitt Anmeldedaten Ihren Nutzernamen und Ihr Passwort ein, um auf den MySQL-Server zuzugreifen.

5. Klicken Sie auf Next (Weiter).

6. Konfigurieren Sie das Ziel:

   1. Wählen Sie das BigQuery-Ziel aus.
   2. Die Projekt-ID und der Dienstkontoschlüssel werden automatisch erkannt. Ändern Sie sie nicht.
   3. Optional: Konfigurieren Sie im Abschnitt Erweitert den Namen, den Speicherort, das Ladeintervall, das Präfix der Staging-Tabelle und das Verhalten des Staging-Buckets, wenn Tabellen oder Datenbanken gelöscht werden.

7. Klicken Sie auf Next (Weiter).

8. Wenn die Verbindung erfolgreich ist, wird eine Liste der Sakila-Beispieldatenbanktabellen angezeigt. Wählen Sie für diese Anleitung einige Tabellen und Ereignisse aus, die repliziert werden sollen, z. B. „Einfügen“-, „Aktualisieren“- und „Löschen“-Ereignisse.

9. Optional: Konfigurieren Sie die erweiterten Eigenschaften. Für diese Anleitung können Sie die Standardeinstellungen verwenden.

10. Klicken Sie auf Next (Weiter).

11. Klicken Sie auf der Seite Bewertung überprüfen nach einer beliebigen Tabelle auf Zuordnungen ansehen, um eine Bewertung von Schemaproblemen, fehlenden Features oder Konnektivitätsproblemen zu erhalten, die während der Replikation auftreten können. Wenn Probleme auftreten, müssen diese behoben werden, bevor Sie fortfahren können. Wenn Probleme mit einer der Tabellen auftreten, kehren Sie für diese Anleitung zu dem Schritt zurück, in dem Sie Tabellen ausgewählt haben, und wählen Sie Tabellen oder Ereignisse („Einfügungen“, „Aktualisierungen“ oder „Löschungen“) ohne Probleme aus.

    Weitere Informationen zu Datentypkonvertierungen von der Quelldatenbank in das BigQuery-Ziel finden Sie unter Replikationsdatentypen.

12. Klicken Sie auf Next (Weiter).

13. Prüfen Sie die zusammenfassenden Details des Replikationsjobs und klicken Sie dann auf Replikationsjob bereitstellen.

Job starten

• Klicken Sie auf der Seite Details zum Replikationsjob auf Starten.

Der Replikationsjob wechselt vom Status Wird bereitgestellt in den Status Wird gestartet in den Status Wird ausgeführt. Im Status „Wird ausgeführt“ lädt der Replikationsjob einen ersten Snapshot der von Ihnen ausgewählten Tabellendaten in BigQuery. In diesem Status wird der Status der Tabelle als Snapshots werden erstellt aufgeführt. Nachdem der erste Snapshot in BigQuery geladen wurde, werden alle an der Tabelle vorgenommenen Änderungen nach BigQuery repliziert und der Status der Tabelle als Wird repliziert aufgeführt.

Job überwachen

Sie können den Replikationsjob starten und beenden, die Konfiguration und Logs überprüfen sowie den Replikationsjob überwachen.

Sie können Aktivitäten von Replikationsjobs auf der Seite Details zum Replikationsjob überwachen.

1. Klicken Sie auf der Seite Replikation auf den Namen des Replikationsjobs.

2. Klicken Sie auf Monitoring.

Ergebnisse in BigQuery anzeigen

Der Replikationsjob erstellt ein repliziertes Dataset und eine replizierte Tabelle in BigQuery, wobei die Namen aus der entsprechenden MySQL-Datenbank und den Tabellennamen übernommen werden.

Hinweis: Wenn der Name der Quelldatenbank nicht den Namenskonventionen für BigQuery-Datasets entspricht oder wenn beim Replizieren mehrerer Datasets zu einem einzelnen BigQuery-Dataset Namenskonflikte auftreten, geben Sie Aliasse in den BigQuery-Zielattributen an.

1. Rufen Sie in der Google Cloud Console die Seite „BigQuery“ auf.

   BigQuery aufrufen

2. Wählen Sie im linken Bereich den Projektnamen aus, um eine Liste der Datasets zu maximieren.

3. Wählen Sie zum Aufrufen der Ergebnisse das Dataset sakila und eine Tabelle aus.

Weitere Informationen finden Sie in der BigQuery-Dokumentation.

Bereinigen

Damit Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen nicht in Rechnung gestellt werden, löschen Sie entweder das Projekt, das die Ressourcen enthält, oder Sie behalten das Projekt und löschen die einzelnen Ressourcen.

Nachdem Sie diese Anleitung abgeschlossen haben, bereinigen Sie die in Google Cloud erstellten Ressourcen, damit sie keine kostenpflichtigen Kontingente verbrauchen. In den folgenden Abschnitten erfahren Sie, wie Sie diese Ressourcen löschen oder deaktivieren.

Löschen Sie die Cloud Data Fusion-Instanz.

Folgen Sie der Anleitung zum Löschen Ihrer Cloud Data Fusion-Instanz.

Projekt löschen

Achtung: Das Löschen von Projekten hat folgende Auswirkungen:

• Alle Inhalte des Projekts werden gelöscht. Wenn Sie für die Aufgaben in diesem Dokument ein bereits bestehendes Projekt verwendet haben und dieses löschen, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
• Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID nutzen, z. B. eine appspot.com-URL, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, statt das gesamte Projekt.

Wenn Sie mehrere Architekturen, Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, indem Sie Projekte wiederverwenden.

1. Wechseln Sie in der Google Cloud Console zur Seite Ressourcen verwalten.

   Zur Seite „Ressourcen verwalten“

2. Wählen Sie in der Projektliste das Projekt aus, das Sie löschen möchten, und klicken Sie dann auf Löschen.
3. Geben Sie im Dialogfeld die Projekt-ID ein und klicken Sie auf Shut down (Beenden), um das Projekt zu löschen.

Nächste Schritte

• Weitere Informationen zur Replikation in Cloud Data Fusion
• Replication API-Referenz
• Anleitung zum Replizieren von Daten aus SQL Server in BigQuery
• Anleitung zum Replizieren von Daten aus Oracle in BigQuery