Apache Cassandra to Bigtable 模板会将 Apache Cassandra 中的表复制到 Bigtable。 此模板需要最低限度的配置,可在 Bigtable 中尽可能接近地复制 Cassandra 中的表结构。
Apache Cassandra to Bigtable 模板适用于以下情况:
- 在可以接受短时间停机的情况下,迁移 Apache Cassandra 数据库。
- 定期将 Cassandra 表复制到 Bigtable 以便提供全球服务。
流水线要求
- 在运行此流水线之前,目标 Bigtable 表必须已存在。
- Dataflow 工作器与 Apache Cassandra 节点之间建立了网络连接。
类型转换
Apache Cassandra to Bigtable 模板会自动将 Apache Cassandra 数据类型转换为 Bigtable 的数据类型。
大多数原语在 Bigtable 和 Apache Cassandra 中的表示方式相同;但以下原语的表示方式有所不同:
Date
和Timestamp
会转化为DateTime
对象UUID
被转换为String
Varint
被转换为BigDecimal
Apache Cassandra 还原生支持更复杂的类型,例如 Tuple
、List
、Set
和 Map
。此流水线不支持元组,因为 Apache Beam 中没有相应的类型。
例如,在 Apache Cassandra 中,您有一个 List
类型的列,名为“mylist”,还有一些类似下表内容的值。
row | mylist |
---|---|
1 | (a,b,c) |
流水线会将列表列扩展为三个不同的列(在 Bigtable 中称为列限定符)。列名称为“mylist”,但流水线还会附加上列表中各项的索引编号,例如“mylist[0]”。
row | mylist[0] | mylist[1] | mylist[2] |
---|---|---|---|
1 | a | b | c |
流水线按照处理列表的方式来处理集合,但添加了后缀来指明单元是键还是值。
row | mymap |
---|---|
1 | {"first_key":"first_value","another_key":"different_value"} |
转换后,表如下所示:
row | mymap[0].key | mymap[0].value | mymap[1].key | mymap[1].value |
---|---|---|---|---|
1 | first_key | first_value | another_key | different_value |
主键转换
在 Apache Cassandra 中,主键是使用数据定义语言定义的。主键可以是简单的、复合的,或者是与聚簇列复合的。Bigtable 支持手动行键构造,按字典顺序对字节数组进行排序。此流水线会收集有关键类型的信息,并遵循基于多个值构建行键的最佳做法构建键。
模板参数
必需参数
- cassandraHosts:以英文逗号分隔的列表中的 Apache Cassandra 节点的主机。
- cassandraKeyspace:表所在的 Apache Cassandra 键空间。
- cassandraTable:要复制的 Apache Cassandra 表。
- bigtableProjectId:与 Bigtable 实例关联的 Google Cloud 项目 ID。
- bigtableInstanceId:Apache Cassandra 表复制到的 Bigtable 实例的 ID。
- bigtableTableId:Apache Cassandra 表复制到的 Bigtable 表的名称。
可选参数
- cassandraPort:用于在节点上访问 Apache Cassandra 的 TCP 端口。默认值为 9042。
- defaultColumnFamily:Bigtable 表的列族名称。默认值为 default。
- rowKeySeparator:用于构建行键的分隔符。默认值为“#”。
- splitLargeRows:用于启用将大行拆分为多个 MutateRows 请求的标志。请注意,当一个较大的行被拆分为多个 API 调用时,对该行的更新不是原子性的。
运行模板
控制台
- 转到 Dataflow 基于模板创建作业页面。 转到“基于模板创建作业”
- 在作业名称字段中,输入唯一的作业名称。
- 可选:对于区域性端点,从下拉菜单中选择一个值。默认区域为
us-central1
。如需查看可以在其中运行 Dataflow 作业的区域列表,请参阅 Dataflow 位置。
- 从 Dataflow 模板下拉菜单中,选择 the Cassandra to Cloud Bigtable template。
- 在提供的参数字段中,输入您的参数值。
- 点击运行作业。
gcloud
在 shell 或终端中,运行模板:
gcloud dataflow jobs run JOB_NAME \ --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/Cassandra_To_Cloud_Bigtable \ --region REGION_NAME \ --parameters \ bigtableProjectId=BIGTABLE_PROJECT_ID,\ bigtableInstanceId=BIGTABLE_INSTANCE_ID,\ bigtableTableId=BIGTABLE_TABLE_ID,\ cassandraHosts=CASSANDRA_HOSTS,\ cassandraKeyspace=CASSANDRA_KEYSPACE,\ cassandraTable=CASSANDRA_TABLE
替换以下内容:
JOB_NAME
:您选择的唯一性作业名称VERSION
:您要使用的模板的版本您可使用以下值:
latest
,以使用模板的最新版本,该模板在存储桶的未标示日期的父文件夹 (gs://dataflow-templates-REGION_NAME/latest/) 中可用- 版本名称(如
2023-09-12-00_RC00
),以使用模板的特定版本,该版本嵌套在存储桶的相应日期父文件夹 (gs://dataflow-templates-REGION_NAME/) 中
REGION_NAME
:要在其中部署 Dataflow 作业的区域,例如us-central1
BIGTABLE_PROJECT_ID
:Bigtable 所在项目的 IDBIGTABLE_INSTANCE_ID
:Bigtable 实例 IDBIGTABLE_TABLE_ID
:Bigtable 表名称CASSANDRA_HOSTS
:Apache Cassandra 主机列表;如果提供了多个主机,请按照此说明了解如何转义逗号CASSANDRA_KEYSPACE
:表格所在的 Apache Cassandra 键空间CASSANDRA_TABLE
:需要迁移的 Apache Cassandra 表
API
如需使用 REST API 来运行模板,请发送 HTTP POST 请求。如需详细了解 API 及其授权范围,请参阅 projects.templates.launch
。
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/Cassandra_To_Cloud_Bigtable { "jobName": "JOB_NAME", "parameters": { "bigtableProjectId": "BIGTABLE_PROJECT_ID", "bigtableInstanceId": "BIGTABLE_INSTANCE_ID", "bigtableTableId": "BIGTABLE_TABLE_ID", "cassandraHosts": "CASSANDRA_HOSTS", "cassandraKeyspace": "CASSANDRA_KEYSPACE", "cassandraTable": "CASSANDRA_TABLE" }, "environment": { "zone": "us-central1-f" } }
替换以下内容:
PROJECT_ID
:您要在其中运行 Dataflow 作业的 Google Cloud 项目的 IDJOB_NAME
:您选择的唯一性作业名称VERSION
:您要使用的模板的版本您可使用以下值:
latest
,以使用模板的最新版本,该模板在存储桶的未标示日期的父文件夹 (gs://dataflow-templates-REGION_NAME/latest/) 中可用- 版本名称(如
2023-09-12-00_RC00
),以使用模板的特定版本,该版本嵌套在存储桶的相应日期父文件夹 (gs://dataflow-templates-REGION_NAME/) 中
LOCATION
:要在其中部署 Dataflow 作业的区域,例如us-central1
BIGTABLE_PROJECT_ID
:Bigtable 所在项目的 IDBIGTABLE_INSTANCE_ID
:Bigtable 实例 IDBIGTABLE_TABLE_ID
:Bigtable 表名称CASSANDRA_HOSTS
:Apache Cassandra 主机列表;如果提供了多个主机,请按照此说明了解如何转义逗号CASSANDRA_KEYSPACE
:表格所在的 Apache Cassandra 键空间CASSANDRA_TABLE
:需要迁移的 Apache Cassandra 表
后续步骤
- 了解 Dataflow 模板。
- 参阅 Google 提供的模板列表。