将数据从 Oracle 数据库复制到 BigQuery

---

本教程介绍如何使用 Cloud Data Fusion 复制功能部署一个 作业，以将发生更改的数据从 Oracle 数据库持续复制到 BigQuery 数据集。此功能由 Datastream 提供支持。

目标

在本教程中，您将执行以下操作：

1. 配置 Oracle 数据库以启用补充日志记录功能。
2. 创建并运行 Cloud Data Fusion 复制作业。
3. 在 BigQuery 中查看结果。

费用

在本文档中，您将使用 Google Cloud 的以下收费组件：

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

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用。

复制功能运行时，您需要为 Dataproc 集群和 Cloud Storage 付费，并且会产生 Datastream 和 BigQuery 处理费用。为了优化这些费用，我们强烈建议您使用 BigQuery 统一费率价格。

准备工作

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Cloud Data Fusion, Dataproc, Datastream, BigQuery, and Cloud Storage APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Cloud Data Fusion, Dataproc, Datastream, BigQuery, and Cloud Storage APIs.

   Enable the APIs

8. 在版本 6.3.0 或更高版本中，创建一个公共 Cloud Data Fusion 实例。如果您创建私有实例，请设置 VPC 网络对等连接。
   • 创建实例时，点击添加加速器，然后选中复制复选框，以启用复制功能。
   • 如需在现有实例中启用该功能，请参阅启用复制。

重要提示 ：您必须在实例中启用“复制”功能，才能在 Cloud Data Fusion 网站界面 菜单中看到该功能（请参阅启用复制功能）。

所需的角色

如需获得连接到 Oracle 数据库所需的权限，请让您的管理员为您授予以下 IAM 角色：

• 包含集群的项目中 Dataproc 服务账号的 Dataproc Worker (roles/dataproc.worker)
• 包含集群的项目中 Dataproc 服务账号上的 Cloud Data Fusion Runner
• Cloud Data Fusion 服务账号和 Dataproc 服务账号上的 DataStream 管理员 (roles/datastream.admin)

如需详细了解如何授予角色，请参阅管理访问权限。

您也可以通过自定义角色或其他预定义角色来获取所需的权限。

可选：在 Compute Engine 中安装 Oracle

本部分介绍如何设置示例数据库。如果您已安装 Oracle 数据库，则可以跳过本部分。

注意 ：Datastream 仅支持特定版本的 Oracle 数据库。

1. 下载 Oracle Server Docker 映像。

   如需了解此 Oracle Express Edition 11g 映像的限制，请参阅 Oracle 数据库版本。

2. 在新的虚拟机实例上部署 Docker 映像。

   注意 ：如需在新虚拟机实例中部署映像，Compute Engine 服务必须具有 Artifact Registry Reader 角色 (roles/artifactregistry.reader)。

3. 在 Compute Engine 磁盘页面上，将磁盘大小更改为 500 GB，然后重启虚拟机。

   转到“磁盘”

4. 安装 HR 示例架构。

为 Oracle 服务器创建 VPC 网络对等互连或防火墙规则

如果您的 Oracle 数据库不允许来自公共 IP 地址的入站流量，请在 Datastream VPC 与可访问 Oracle 数据库的 VPC 之间设置 VPC 网络对等互连。如需了解详情，请参阅创建专用连接配置。

如果您的 Oracle 数据库允许来自公共 IP 地址的入站流量，请为虚拟机实例创建防火墙规则，以允许来自 Datastream 公共 IP 地址的入站流量。

配置 Oracle 服务器以启用补充日志记录功能

按照配置源 Oracle 数据库的步骤执行操作。

创建并运行 Cloud Data Fusion 复制作业

创建作业

1. 在 Cloud Data Fusion 网页界面中，点击复制。

2. 点击 创建复制作业。

3. 在创建新的复制作业 (Create new replication job) 页面上，指定复制作业的名称，然后点击下一步。

4. 配置来源：

   1. 选择 Oracle（由 Datastream 提供） (Oracle (by Datastream)) 作为来源。

   2. 对于连接方法，如果您的 Oracle 服务器允许来自 Datastream 公共 IP 地址的入站流量，请选择 IP 许可名单 (IP allowlisting)。否则，对于专用连接名称，选择专用连接（VPC 对等互连），然后输入您在为 Oracle 服务器创建 VPC 网络对等互连或防火墙规则部分中创建的 VPC 对等互连名称。

   3. 对于主机，输入要读取的 Oracle 服务器的主机名。

   4. 对于端口，输入用于连接到 Oracle 服务器的端口：1521。

   5. 对于系统标识，输入 xe（Oracle 服务器的示例数据库名称）。

   6. 在“凭据”部分中，输入用于访问 Oracle 服务器的用户名和密码。

   7. 所有其他属性均保持不变。

5. 点击下一步。

6. 配置目标：

   1. 选择 BigQuery 目标。

   2. 系统会自动检测项目 ID 和服务账号密钥。保留默认值。

   3. 可选：在高级部分，您可以配置以下内容：

      • 暂存存储分区的名称和位置
      • 加载间隔
      • 暂存表前缀
      • 删除表或数据库时的行为

7. 点击下一步。

8. 如果连接成功，系统将显示表列表。在本教程中，选择几个表。

   注意： 如需继续，必须在所选表上启用补充日志记录。

9. 点击下一步。

10. 在审核评估页面上，点击任一表的查看映射，以获取复制期间可能发生的架构问题、功能缺失或连接问题的评估。

    如果出现任何问题，您必须先解决问题，然后才能继续操作。对于本教程，如果任何表存在问题，请执行以下操作：

    1. 返回到选择表格的步骤。
    2. 选择一个没有问题的表或事件（插入、更新或删除）。

    如需详细了解从源数据库到 BigQuery 目标位置的数据类型转换，请参阅复制数据类型。

11. 点击 Back（返回）。

12. 点击下一步。

13. 查看摘要复制作业详情，然后点击部署复制作业。

启动作业

1. 在 Cloud Data Fusion 网页界面中，前往复制作业详情页面。

2. 点击启动。

复制作业从正在预配依次转换为正在启动、正在运行状态。在运行状态下，复制作业会将您选择的表数据的初始快照加载到 BigQuery 中。在此状态下，表状态显示为正在截取快照 (Snapshotting)。在初始快照加载到 BigQuery 后，对表所做的任何更改都会复制到 BigQuery，并且表状态会显示为正在复制。

监控作业

您可以启动和停止复制作业、查看复制作业的配置和日志以及监控复制作业。

您可以通过复制作业详情页面监控复制作业活动。

1. 在复制页面中，点击所需的复制作业的名称。

2. 点击监控。

在 BigQuery 中查看结果

复制作业会在 BigQuery 中使用继承自相应 Oracle 数据库的名称和表名称创建复制数据集和表。

注意 ：如果源数据库名称不遵循 BigQuery 数据集命名规则，或者在您将多个数据集复制到单个 BigQuery 数据集时存在命名冲突，请在 BigQuery 目标属性中指定别名。

1. 在 Google Cloud 控制台中，转到 BigQuery 页面。

2. 在左侧面板中，点击您的项目名称以展开数据集列表。

3. 选择 xe 数据集，然后选择要查看的表。

如需了解详情，请参阅 BigQuery 文档。

清除数据

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

学完本教程后，请清理您在Google Cloud 上创建的资源，以避免这些资源占用配额，日后产生费用。以下部分介绍如何删除或关闭这些资源。

删除虚拟机实例

1. 在 Google Cloud 控制台中，前往虚拟机实例页面。

   转到虚拟机实例

2. 选中要删除的实例对应的复选框。

3. 要删除实例，请点击删除。

删除 Cloud Data Fusion 实例

按照说明删除 Cloud Data Fusion 实例。

删除项目

为了避免产生费用，最简单的方法是删除您为本教程创建的项目。

如需删除项目，请执行以下操作：

注意：删除项目会产生以下影响：

• 项目中的所有内容都会被删除。如果您将现有项目用于本文档中的任务，则删除该项目后，还将删除您已在该项目中完成的任何其他工作。
• 自定义项目 ID 丢失。创建此项目时，您可能创建了要在将来使用的自定义项目 ID。要保留使用该项目 ID 的网址（例如 appspot.com 网址），请删除项目内的所选资源，而不是删除整个项目。

如果您打算探索多个架构、教程或快速入门，则重复使用项目可以帮助您避免超出项目配额限制。

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

后续步骤

• 详细了解 Datastream。
• 详细了解 Cloud Data Fusion 中的复制功能。
• 参阅 Replication API 参考文档。
• 请参阅 Oracle 复制参考文档。
• 浏览有关将数据从 MySQL 复制到 BigQuery 的教程。
• 浏览有关将数据从 SQL Server 复制到 BigQuery 的教程。