Datastream BigQuery 遷移工具包


本頁說明使用 Datastream 時的最佳做法，協助您從 Dataflow Datastream to BigQuery 範本遷移至 Datastream 內建的 BigQuery 複製解決方案。

事前準備

本頁的操作說明假設您已符合以下條件：

  • 您熟悉並已安裝 Docker。
  • 您知道如何從 GitHub 等服務複製存放區。
  • 您瞭解如何在 Datastream 中執行串流。
  • 您已安裝 Google Cloud CLI。

遷移工具包總覽

Datastream BigQuery 遷移工具包是由 Google Cloud提供的開放原始碼軟體。這個工具包可協助您從 Dataflow Datastream to BigQuery 範本遷移，但您也可以用來從其他管道遷移，詳情請參閱下方的「從其他管道遷移」一節。

如要使用工具包遷移 BigQuery 資料表，請完成下列步驟：

  1. 建立、啟動及暫停以 BigQuery 為目的地的 Datastream 串流。
  2. 針對每個需要遷移的 BigQuery 資料表執行遷移作業。
  3. 繼續串流。

工具包會執行下列作業：

  • 使用 Datastream discover API 擷取來源資料表結構定義。
  • 根據擷取的結構定義，建立與 Datastream 相容的 BigQuery 資料表。
  • 從要遷移的 BigQuery 資料表擷取結構定義，以判斷必要的資料類型轉換。
  • 將原始資料表中的所有現有資料列複製到新資料表，包括適當的資料欄類型 轉換。

如要進一步瞭解工具包的結構和使用的引數，請參閱工具包 README.md 檔案。

設定遷移工具包

如要使用 Docker 執行遷移工具包，請按照下列步驟操作：

  1. 複製存放區，然後將目錄變更為該存放區：

    git clone https://github.com/GoogleCloudPlatform/datastream-bigquery-migration-toolkit &&
cd datastream-bigquery-migration-toolkit

  2. 建構映像檔：

    docker build -t migration-service .

  3. 使用 Google Cloud CLI 憑證進行驗證：

    docker run -ti \
--name gcloud-config migration-service gcloud auth application-default login

  4. 設定 Google Cloud 專案屬性：

    docker run -ti --volumes-from gcloud-config migration-service \
gcloud config set project PROJECT_ID

    將 PROJECT_ID 替換為專案的 ID。 Google Cloud

從 Dataflow 遷移至 Datastream 內建解決方案

  1. 建立 以 BigQuery 為目的地的 Datastream 串流

  2. 開始播放串流內容，然後立即暫停。這樣一來，Datastream 就能擷取遷移作業開始前擷取變更的位置。

  3. 排空 Datastream 和 Dataflow 管道：

    1. 暫停現有的 Cloud Storage 目的地串流。
    2. 檢查串流的總延遲時間指標，並等待至少與目前延遲時間一樣長的時間，確保所有傳輸中的事件都寫入目的地。
    3. 排空 Dataflow 工作。

  4. 執行遷移作業：

    1. 在 dry_run 模式下執行遷移作業。dry_run 模式可讓您產生 CREATE TABLE DDL 陳述式和用於複製資料的 SQL 陳述式，但不會執行這些陳述式：

      docker run -v output:/output -ti --volumes-from gcloud-config \
migration-service python3 ./migration/migrate_table.py dry_run \
--project-id PROJECT_ID \
--stream-id STREAM_ID \
--datastream-region STREAM_REGION \
--source-schema-name SOURCE_SCHEMA_NAME \
--source-table-name SOURCE_TABLE_NAME \
--bigquery-source-dataset-name BIGQUERY_SOURCE_DATASET_NAME \
--bigquery-source-table-name BIGQUERY_SOURCE_TABLE_NAME

      更改下列內容：

      • PROJECT_ID：專案的專屬 ID。 Google Cloud
      • STREAM_ID：BigQuery 目的地串流的專屬 ID。
      • STREAM_REGION：串流的位置，例如 us-central1。
      • SOURCE_SCHEMA_NAME：來源結構定義的名稱。
      • SOURCE_TABLE_NAME：來源資料表的名稱。
      • BIGQUERY_SOURCE_DATASET_NAME：現有 BigQuery 資料集的名稱。
      • BIGQUERY_SOURCE_TABLE_NAME：現有 BigQuery 資料表的名稱。

    2. 檢查 output/create_target_table 和 output/copy_rows 下的 .sql 檔案。這些是將在 Google Cloud 專案中執行的 SQL 指令：

      docker run -v output:/output -ti migration-service find output/create_target_table \
-type f -print -exec cat {} \;

      docker run -v output:/output -ti migration-service find output/copy_rows \
-type f -print -exec cat {} \;

    3. 如要執行 SQL 指令，請在 full 模式下執行遷移作業。full 模式可讓您在 BigQuery 中建立資料表，並從現有 BigQuery 資料表複製所有資料列：

      docker run -v output:/output -ti --volumes-from gcloud-config \
migration-service python3 ./migration/migrate_table.py full \
--project-id PROJECT_ID \
--stream-id STREAM_ID \
--datastream-region STREAM_REGION \
--source-schema-name SOURCE_SCHEMA_NAME \
--source-table-name SOURCE_TABLE_NAME \
--bigquery-source-dataset-name BIGQUERY_SOURCE_DATASET_NAME \
--bigquery-source-table-name BIGQUERY_SOURCE_TABLE_NAME

  5. 繼續播放暫停的串流。

  6. 開啟 Google Cloud 記錄檔探索工具，並使用下列查詢尋找 Datastream 記錄：

    resource.type="datastream.googleapis.com/Stream"
resource.labels.stream_id=STREAM_ID

    尋找下列記錄，其中 %d 為數字：

    Completed writing %d records into..

    這份記錄表示新串流已成功將資料載入 BigQuery。 只有在有 CDC 資料可載入時才會顯示。

從其他管道遷移

您也可以使用這項工具包，從其他管道遷移至 Datastream 內建的 BigQuery 解決方案。工具包可根據來源資料庫結構定義，使用 dry_run 模式為 Datastream 相容的 BigQuery 資料表產生 CREATE TABLE DDL：

  docker run -v output:/output -ti --volumes-from gcloud-config \
  migration-service python3 ./migration/migrate_table.py dry_run \
  --project-id PROJECT_ID \
  --stream-id STREAM_ID \
  --datastream-region STREAM_REGION \
  --source-schema-name SOURCE_SCHEMA_NAME \
  --source-table-name SOURCE_TABLE_NAME \
  --bigquery-source-dataset-name BIGQUERY_SOURCE_DATASET_NAME \
  --bigquery-source-table-name BIGQUERY_SOURCE_TABLE_NAME

由於 BigQuery 資料表結構定義可能有所不同，因此很難提供通用的 SQL 陳述式來複製資料列。您可以使用來源資料表 DDL 目錄 (output/source_table_ddl) 和目的地資料表 DDL 目錄 (output/create_target_table) 中的結構定義，建立 SQL 陳述式，並在來源資料欄上使用適當的轉換。

以下是可使用的 SQL 陳述式格式範例：

  INSERT INTO DESTINATION_TABLE (DESTINATION_COLUMN1, DESTINATION_COLUMN2...)
  SELECT SOURCE_COLUMN1, SOURCE_COLUMN2
  FROM SOURCE_TABLE;

更改下列內容：

  • DESTINATION_TABLE：BigQuery 中目的地資料表的名稱。
  • DESTINATION_COLUMN：目的地表格中的資料欄名稱。
  • SOURCE_COLUMN：來源表格中的資料欄名稱。
  • SOURCE_TABLE：來源資料表的名稱。

限制

工具包有下列限制：

  • 現有和新的 BigQuery 資料表中的資料欄名稱必須相符 (忽略中繼資料欄)。如果您套用 Dataflow 使用者定義函式 (UDF)，變更現有資料表中的資料欄名稱 (例如新增前置字元或變更大小寫)，遷移作業就會失敗。
  • 不支援跨區域和跨專案遷移。
  • 遷移作業是以表格為單位進行。
  • 僅支援 Oracle 和 MySQL 來源。