Como replicar dados do SQL Server para o BigQuery

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

Objetivos

Neste tutorial, você aprenderá a:

1. configurar o banco de dados do Microsoft SQL Server para ativar a replicação;
2. Criar e executar um job de replicação do Cloud Data Fusion
3. Ver os resultados no BigQuery.

Custos

Neste tutorial, usamos 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 o faturamento está ativado para seu projeto na nuvem. 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 o faturamento está ativado para seu projeto na nuvem. 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 do SQL Server
9. Faça o download do banco de dados AdventureWorks2017 e carregue os dados na instância do SQL Server.
10. 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.
11. Se o SQL Server estiver sempre ativado, consulte Solução de problemas para ver outras etapas.

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 SQL Server.

Ativar a replicação no banco de dados do SQL Server

Ative a Captura de dados de alterações (CDC, na sigla em inglês) na instância do SQL Server.

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

Se a tabela que está sendo replicada contiver colunas de tipos de dados personalizados (definidos pelo usuário), o proprietário da tabela precisará conceder permissões EXECUTE referentes aos tipos de dados personalizados ao usuário do banco de dados que é especificado no job de replicação.

Criar e executar um job de replicação do Cloud Data Fusion

Fazer upload do driver JDBC

1. Faça o download do driver JDBC do SQL Server na 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 sqlserver.
   • No campo Versão, mantenha o padrão.
   • No campo Class Name, digite com.microsoft.sqlserver.jdbc.SQLServerDriver.

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 Próxima.

4. Configure a origem:

   1. Selecione Microsoft SQL Server como origem.
   2. Em Host, digite o nome do host do servidor SQL Server que será lido.
   3. Em Porta, insira a porta que será usada para se conectar ao SQL Server: 1433.
   4. Em Nome do plug-in JDBC , selecione sqlserver (ou o nome que você especificou quando configurou o driver JDBC).
   5. Em Nome do banco de dados, insira AdventureWorks2017.
   6. Na seção Credenciais, insira seu nome de usuário e senha para acessar o servidor do SQL Server.

5. Clique em Próxima.

6. Se a conexão for bem-sucedida, uma lista de tabelas do AdventureWorks2017 será exibida. Para este tutorial, selecione todas as tabelas e eventos que serão replicados, incluindo os eventos "Inserir", "Atualizar" e "Excluir".

7. Clique em Próxima.

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 Próxima.

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

11. Clique em Próxima.

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.

13. Clique em Back.

14. Clique em Próxima.

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 (por exemplo, a tabela "Pessoas") no BigQuery. Nesse estado, o estado da tabela "Pessoas" é listado como Snapshot. Depois que o snapshot inicial é carregado no BigQuery, todas as alterações feitas na tabela "Pessoa" 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 SQL Server 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 Cloud.

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

3. Selecione o conjunto de dados adventureworks2017 e, depois, uma tabela para visualizar.

Para saber mais, consulte a documentação do Tableau.

Limpar

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 de VM

1. No console do Cloud, acesse a página Instâncias de VM:

   Acessar instâncias de VM

2. Marque a caixa de seleção de a instância que você quer excluir.
3. Para excluir a instância, clique em Mais ações, clique em Excluir e siga as instruções.

Excluir a instância do Cloud Data Fusion

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

Excluir o projeto

O jeito mais fácil de evitar cobranças é excluindo o projeto que você criou para o tutorial.

Para 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 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.
• Faça o tutorial Como replicar dados do MySQL para o BigQuery.
• Faça o tutorial Como replicar dados do Oracle para o BigQuery.