将数据从 SQL Server 复制到 BigQuery

---

本教程介绍了如何创建和部署一个作业，以将更改的数据从 Microsoft SQL Server 数据库持续复制到 BigQuery 表。

目标

在本教程中，您将执行以下操作：

1. 在 SQL Server 数据库中启用变更数据捕获 (CDC)。
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
• BigQuery
• Dataproc
• Cloud Storage
• 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 集群付费，并且会对 BigQuery 产生处理费用。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, 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, 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）。

如需详细了解网络，请参阅将 HAProxy 与 Cloud Data Fusion 搭配使用以浏览复杂的网络拓扑。

所需的角色

如需获取本教程所需的权限，请参阅使用 IAM 进行访问权限控制和向服务账号用户授予权限。

可选：设置 SQL Server 虚拟机实例

1. 创建 SQL Server 实例。

2. 下载 AdventureWorks2017 (OLTP) 数据库，并将数据加载到 SQL Server 实例中。

注意： 如果您的 SQL Server 处于始终开启状态，请参阅问题排查，了解其他步骤。

在 SQL Server 数据库中启用 CDC

如需进行复制，请在要复制的数据库和表上启用变更数据捕获 (CDC)。

注意： 请与您的数据库管理员联系，让其为您授予运行命令的权限。

如果您在要复制的表列中定义了自定义数据类型，则该表的所有者必须为该自定义数据类型的数据库用户授予 EXECUTE 权限。

创建并运行 Cloud Data Fusion 复制作业

上传 JDBC 驱动程序

1. 将 SQL Server JDBC 驱动程序下载到本地机器。

2. 在 Cloud Data Fusion 网页界面中，上传 JDBC 驱动程序。使用以下值配置 JDBC 驱动程序：

   • 在名称字段中，输入 sqlserver。
   • 在类名称字段中，输入 com.microsoft.sqlserver.jdbc.SQLServerDriver。
   • 在版本字段中，保留默认值。

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 Microsoft SQL Server 作为来源。
   2. 对于主机，输入要从中读取的 SQL Server 的主机名。
   3. 对于端口，输入要用于连接到 SQL Server 的端口：1433。
   4. 对于 JDBC 插件名称，选择 sqlserver 或您在配置 JDBC 驱动程序时指定的名称。
   5. 对于数据库名称，输入 AdventureWorks2017。
   6. 在凭据部分中，输入您的用户名和密码以访问 SQL Server。

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。请保留默认值。
   3. 可选：在高级部分中，您可以配置 Cloud Storage 存储分区的名称和位置、加载间隔、暂存表前缀以及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 AdventureWorks2017 表的列表。在本教程中，选择一些表和事件，例如 Insert、Update 和 Delete 事件。

   注意： 如需继续，您必须在所选表上启用 CDC。

9. 可选：配置高级属性。在本教程中，您可以接受默认设置。

10. 点击下一步。

11. 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、缺少功能或连接问题的评估。您必须先解决问题，然后才能继续。在本教程中，如果任何表出现问题，请返回到选择表的步骤，然后选择一个没有问题的表或事件。

    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。

12. 点击 Back（返回）。

13. 点击下一步。

14. 查看摘要复制作业详情，然后点击部署复制作业。

注意： 本教程使用 OLTP 数据库 AdventureWorks2017，其中所有表都有主键。如需复制其他数据库（例如数据仓库数据库 AdventureWorksDW2017），请排除没有主键的表，或为这些表添加主键。

启动作业

• 在复制作业详情页面中，点击开始。

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（例如，人员表）加载到 BigQuery 中。在此状态下，人员表的状态显示为正在截取快照 (Snapshotting)。在初始快照加载到 BigQuery 后，对“People”表所做的任何更改都会复制到 BigQuery。表状态显示为正在复制。

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 SQL Server 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 控制台中打开 BigQuery。

2. 在左侧面板中，点击项目名称以展开数据集列表。

3. 选择 adventureworks2017 数据集，然后选择要查看的表。

如需了解详情，请参阅 BigQuery 文档。

清理

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。

完成本教程后，请删除您在Google Cloud上创建的资源。

删除虚拟机实例

1. In the Google Cloud console, go to the VM instances page.

   Go to VM instances

2. Select the checkbox for the instance that you want to delete.
3. To delete the instance, click More actions, click Delete, and then follow the instructions.

删除 Cloud Data Fusion 实例

按照说明删除 Cloud Data Fusion 实例。

删除项目

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 Cloud Data Fusion 中的复制功能。
• 参阅 Replication API 参考文档。
• 浏览有关将数据从 MySQL 复制到 BigQuery 的教程。
• 浏览将数据从 Oracle 复制到 BigQuery教程。