Como replicar dados do MySQL para o BigQuery

---

Neste tutorial, mostramos como criar e implantar um pipeline que replica continuamente os dados alterados de um banco de dados MySQL para uma tabela do BigQuery.

Objetivos

Neste tutorial, você aprenderá a:

1. Implante o banco de dados MySQL no Compute Engine.
2. Configure seu banco de dados MySQL para ativar a replicação.
3. Criar e executar um job de replicação do Cloud Data Fusion
4. Ver os resultados no BigQuery.

Custos

Neste documento, você usará os seguintes componentes faturáveis do Google Cloud:

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

Para gerar uma estimativa de custo baseada na projeção de uso deste tutorial, use a calculadora de preços. Novos usuários do Google Cloud podem estar qualificados para uma avaliação gratuita.

Quando a replicação é executada, você é cobrado pelo cluster do Dataproc e há custos de processamento para o BigQuery. Para otimizar esses custos, recomendamos que você use os preços fixos do BigQuery.

Antes de começar

1. Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.

2. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

   Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

   Acessar o seletor de projetos

3. Verifique se a cobrança está ativada para o seu projeto do Google Cloud. Saiba como verificar se o faturamento está ativado em um projeto.

4. Ative as APIs Cloud Data Fusion, BigQuery, and Cloud Storage.

   Ative as APIs

5. No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

   Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

   Acessar o seletor de projetos

6. Verifique se a cobrança está ativada para o seu projeto do Google Cloud. Saiba como verificar se o faturamento está ativado em um projeto.

7. Ative as APIs Cloud Data Fusion, BigQuery, and Cloud Storage.

   Ative as APIs

8. Crie uma instância privada do Cloud Data Fusion na versão 6.3.0 ou superior. Ao configurar a instância:
• Ative o peering de nuvem privada virtual.
• Ative a replicação clicando em Add Accelerators e selecionando Replication.

Se você usa uma instância atual ou não vê a replicação no menu do Cloud Data Fusion, consulte Fazer upgrade para ativar a replicação.

Como alternativa à criação de uma instância particular, é possível usar uma instância pública e configurar firewalls para restringir o acesso ao servidor de banco de dados na porta 1433 ou na porta JDBC do MySQL.

Instalar o MySQL no Compute Engine

1. Faça o download de uma imagem do Docker do MySQL Server.

2. Faça upload da imagem do Docker para o Container Registry.

3. Implante a imagem do Docker em uma nova instância de VM.

4. Na página Discos do Compute Engine, altere o tamanho do disco para 500 GB e reinicie a VM.

   Acesse a página Discos

5. Crie um firewall para a instância de VM.

6. Instale o banco de dados de amostra Sakila.

Ativar a replicação no banco de dados MySQL

Para ativar a replicação, configure a captura de dados de alteração (CDC) no MySQL.

Talvez seja necessário entrar em contato com o administrador do banco de dados para receber permissões para executar os comandos.

Criar e executar um job de replicação do Cloud Data Fusion

Fazer upload do driver JDBC

Observação: use a versão 8 ou posterior do driver do JDBC.

1. Faça o download do driver JDBC do MySQL (versão 8 ou superior) para a máquina local.

2. Na IU do Cloud Data Fusion, faça upload do driver JDBC.

   Use estes valores para configurar o driver JDBC:

   • No campo Nome, use mysql.
   • No campo Versão, mantenha o padrão.
   • No campo Class Name, digite com.mysql.jdbc.Driver.

Criar o pipeline

1. Na IU do Cloud Data Fusion, clique no menu e navegue até a página Studio.

2. Na página Criar novo job de replicação, especifique um Nome para ele.

3. Clique em Next.

4. Configure a origem:

   1. Selecione MySQL como a origem.
   2. Em Host, digite o nome do host do servidor MySQL para ler.
   3. Em Porta, insira a porta a ser usada para se conectar ao servidor MySQL: 3306.
   4. Em Nome do plug-in JDBC , selecione mysql (ou o nome que você especificou quando configurou o driver JDBC).
   5. Em Nome do banco de dados, insira sakila.
   6. Na seção Credenciais, insira seu nome de usuário e senha para acessar o servidor MySQL.

5. Clique em Next.

6. Se a conexão for bem-sucedida, uma lista de tabelas de banco de dados de amostra da Sakila será exibida. Para este tutorial, selecione algumas tabelas e eventos para replicar (incluindo inserir, atualizar e excluir).

7. Clique em Next.

8. Configure o destino:

   1. Selecione o destino do BigQuery.
   2. O ID do projeto e a chave da conta de serviço são detectados automaticamente. Mantenha os valores padrão.
   3. (Opcional) Na seção Avançado, é possível configurar o nome e o local do bucket de preparo, o intervalo de carregamento, o prefixo da tabela de preparo e o comportamento quando as tabelas ou bancos de dados são descartados.

9. Clique em Next.

10. (Opcional) Configure as propriedades avançadas. Neste tutorial, use as configurações padrão.

11. Clique em Next.

12. Na página Analisar avaliação, clique em Visualizar mapeamentos em qualquer uma das tabelas para ver uma avaliação dos problemas de esquema, dos recursos ausentes ou dos problemas de conectividade que podem ocorrem durante a replicação. Se ocorrer algum problema, ele precisará ser resolvido antes de continuar. Para este tutorial, se alguma das tabelas tiver problemas, volte para a etapa em que você selecionou tabelas e, em vez disso, selecione uma tabela ou evento (inserções, atualizações ou exclusões) sem problemas.

    Para mais informações sobre conversões de tipos de dados do banco de dados de origem para o destino do BigQuery, consulte Tipos de dados de replicação.

13. Clique em Back.

14. Clique em Next.

15. Revise o resumo dos detalhes do job de replicação e clique em Implantar job de replicação.

Iniciar o pipeline

Na página Detalhes do job de replicação:

Clique em Iniciar.

O job de replicação é transferido do estado provisionando para Iniciando em Em execução. No estado em execução, o job de replicação carrega um snapshot inicial dos dados da tabela que você selecionou no BigQuery. Nesse estado, o estado da tabela é listado como Snapshot. Depois que o snapshot inicial é carregado no BigQuery, todas as alterações feitas na tabela são replicadas no BigQuery, e o estado da tabela é listado como Replicação.

Monitorar o pipeline

É possível iniciar e interromper o job de replicação, revisar a configuração e os registros dele e monitorar o job.

É possível monitorar as atividades do job de replicação na página Detalhes do job de replicação.

1. Na página Replicação, clique no Nome do job de replicação que você quer.

2. Clique em Monitoring.

Ver os resultados no BigQuery

O job de replicação cria um conjunto de dados e uma tabela replicados no BigQuery. Os nomes são herdados dos bancos de dados e nomes de tabelas MySQL correspondentes.

Se o nome do banco de dados de origem não estiver em conformidade com as convenções de nomenclatura de conjunto de dados do BigQuery ou se você tiver conflitos de nomenclatura ao replicar vários conjuntos de dados em um único conjunto de dados do BigQuery, especifique aliases. nas propriedades de destino do BigQuery.

1. Abra o BigQuery no Console do Google Cloud.

2. No painel esquerdo, clique no nome do projeto para expandir uma lista de conjuntos de dados.

3. Selecione o conjunto de dados sakila e, em seguida, selecione uma tabela.

Para saber mais, consulte a documentação do Tableau.

Limpeza

Para evitar cobranças na sua conta do Google Cloud pelos recursos usados no tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.

Depois de concluir o tutorial, é possível limpar os recursos criados no Google Cloud para que eles não consumam sua cota e você não receba cobranças por eles no futuro. Nas seções a seguir, você aprenderá a excluir e desativar esses recursos.

Excluir a instância do Cloud Data Fusion

Siga as instruções para excluir a instância do Cloud Data Fusion.

Excluir o projeto

Cuidado: excluir um projeto tem os seguintes efeitos:

• Tudo no projeto é excluído. Se você tiver usado um projeto atual para seguir este tutorial, a exclusão dele incluirá quaisquer outras ações feitas no projeto.
• Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.

Se você planeja explorar vários tutoriais e guias de início rápido, a reutilização de projetos pode evitar que você exceda os limites da cota do projeto.

1. No Console do Google Cloud, acesse a página Gerenciar recursos.

   Acessar "Gerenciar recursos"

2. Na lista de projetos, selecione o projeto que você quer excluir e clique em Excluir .
3. Na caixa de diálogo, digite o ID do projeto e clique em Encerrar para excluí-lo.

A seguir

• Saiba mais sobre replicação no Cloud Data Fusion.
• Consulte a referência da API Replication.
• Siga o tutorial para replicar dados do SQL Server para o BigQuery.
• Faça o tutorial Como replicar dados do Oracle para o BigQuery.