BigQuery-Ziel konfigurieren

Auf dieser Seite wird beschrieben, wie Sie Ihr BigQuery-Ziel so konfigurieren, dass Daten aus einer Quelldatenbank mit Datastream gestreamt werden.

Ziel-Datasets konfigurieren

Wenn Sie Datasets für das BigQuery-Ziel konfigurieren, können Sie eine der folgenden Optionen auswählen:

  • Dataset für jedes Schema: Das Dataset wird am angegebenen BigQuery-Speicherort basierend auf dem Schemanamen der Quelle ausgewählt oder erstellt. Daher erstellt Datastream für jedes Schema in der Quelle automatisch ein Dataset in BigQuery.

    Wenn Sie diese Option auswählen, erstellt Datastream Datasets in dem Projekt, das den Stream enthält.

    Wenn Sie beispielsweise eine MySQL-Quelle haben und diese Quelle eine mydb-Datenbank und eine employees-Tabelle in der Datenbank hat, erstellt Datastream das mydb-Dataset und die employees-Tabelle in BigQuery.

  • Einzelnes Dataset für alle Schemas: Sie können ein BigQuery-Dataset für den Stream auswählen. Datastream streamt alle Daten in dieses Dataset. Für das ausgewählte Dataset erstellt Datastream alle Tabellen als <schema>_<table>.

    Wenn Sie beispielsweise eine MySQL-Quelle haben und diese Quelle eine mydb-Datenbank und eine employees-Tabelle in der Datenbank hat, erstellt Datastream die Tabelle mydb_employees in dem von Ihnen ausgewählten Dataset.

Schreibverhalten

Datastream hängt eine STRUCT-Spalte namens datastream_metadata an jede Tabelle an, die in das BigQuery-Ziel geschrieben wird.

Wenn eine Tabelle in der Quelle einen Primärschlüssel hat, enthält die Spalte die folgenden Felder:

  • UUID: Dieses Feld hat den Datentyp string.
  • SOURCE_TIMESTAMP: Dieses Feld hat den Datentyp integer.

Wenn eine Tabelle keinen Primärschlüssel hat, enthält die Spalte ein zusätzliches Feld: IS_DELETED. Dieses Feld hat den Datentyp boolean und gibt an, ob die von Datastream an das Ziel gestreamten Daten mit einem DELETE-Vorgang in der Quelle verknüpft sind. Tabellen ohne Primärschlüssel können nur angehängt werden.

Die maximale Ereignisgröße beim Streamen von Daten in BigQuery beträgt 20 MB.

Schreibmodus konfigurieren

Beim Konfigurieren des Streams können Sie auswählen, wie Datastream die Änderungsdaten in BigQuery schreibt:

  • Merge: Dies ist der Standardschreibmodus. Wenn diese Option ausgewählt ist, spiegelt BigQuery die Art und Weise wider, wie Ihre Daten in der Quelldatenbank gespeichert werden. Das bedeutet, dass Datastream alle Änderungen an Ihren Daten in BigQuery schreibt und BigQuery die Änderungen dann mit den vorhandenen Daten konsolidiert, sodass endgültige Tabellen erstellt werden, die Replikate der Quelltabellen sind. Im Modus Zusammenführen werden keine Verlaufseinträge der Änderungsereignisse gespeichert. Wenn Sie beispielsweise eine Zeile einfügen und dann aktualisieren, behält BigQuery nur die aktualisierten Daten bei. Wenn Sie dann die Zeile aus der Quelltabelle löschen, speichert BigQuery keine Aufzeichnungen mehr zu dieser Zeile.
  • Nur anfügen: Im Schreibmodus, für den nur Anfügungen zulässig sind, können Sie Daten als Änderungsstream in BigQuery hinzufügen (INSERT-, UPDATE-INSERT-, UPDATE-DELETE- und DELETE-Ereignisse). Verwenden Sie diesen Modus, wenn Sie den bisherigen Status Ihrer Daten beibehalten möchten. Betrachten Sie die folgenden Szenarien, um den Schreibmodus, für den nur Anfügungen zulässig sind, besser zu verstehen:
    • Anfänglicher Backfill: Nach dem ersten Backfill werden alle Ereignisse als Ereignisse vom Typ INSERT mit demselben Zeitstempel, derselben UUID (Universally Unique Identifier) und der gleichen Änderungssequenznummer in BigQuery geschrieben.
    • Primärschlüsselaktualisierung: Wenn sich ein Primärschlüssel ändert, werden zwei Zeilen in BigQuery geschrieben:
      • Eine UPDATE-DELETE-Zeile mit dem ursprünglichen Primärschlüssel
      • Eine UPDATE-INSERT-Zeile mit dem neuen Primärschlüssel
    • Zeilenaktualisierung: Wenn Sie eine Zeile aktualisieren, wird eine einzelne UPDATE-INSERT-Zeile in BigQuery geschrieben.
    • Zeilen löschen: Wenn Sie eine Zeile löschen, wird eine einzelne DELETE-Zeile in BigQuery geschrieben.

BigQuery-Tabellen mit der Option max_staleness verwenden

Im Rahmen der Datenaufnahme nahezu in Echtzeit nutzt Datastream die in BigQuery integrierte Unterstützung für Upsert-Vorgänge wie das Aktualisieren, Einfügen und Löschen von Daten. Mit Upsert-Vorgängen können Sie das BigQuery-Ziel dynamisch aktualisieren, wenn Zeilen hinzugefügt, geändert oder gelöscht werden. Datastream streamt diese Upsert-Vorgänge mithilfe der Storage Write API von BigQuery in die Zieltabelle.

Limit für die Veralterung von Daten angeben

Je nach konfiguriertem Limit für die Veralterung wendet BigQuery Änderungen an Quellen im Hintergrund laufend oder bei der Abfrageausführung an. Wenn Datastream eine neue Tabelle in BigQuery erstellt, wird die Option max_staleness der Tabelle anhand des aktuellen Limits für das Limit für die Veralterung von Daten für den Stream festgelegt.

Weitere Informationen zur Verwendung von BigQuery-Tabellen mit der Option max_staleness finden Sie unter Veraltete Tabellen.

BigQuery-Kosten kontrollieren

Die Kosten für BigQuery werden getrennt von Datastream abgerechnet. Informationen zum Kontrollieren der BigQuery-Kosten finden Sie unter BigQuery-CDC-Preise.

Datentypen zuordnen

In der folgenden Tabelle sind Datentypkonvertierungen aus unterstützten Quelldatenbanken zum BigQuery-Ziel aufgeführt.


Quelldatenbank Quelldatentyp BigQuery-Datentyp
MySQL BIGINT(size) LONG
MySQL BIGINT (unsigned) DECIMAL
MySQL BINARY(size) STRING (hex encoded)
MySQL BIT(size) INT64
MySQL BLOB(size) STRING (hex encoded)
MySQL BOOL INT64
MySQL CHAR(size) STRING
MySQL DATE DATE
MySQL DATETIME(fsp) DATETIME
MySQL DECIMAL(precision, scale) Wenn der Precision-Wert <=38 und der Skalierungswert <=9 ist, dann ist NUMERIC. Andernfalls BIGNUMERIC
MySQL DOUBLE(size, d) FLOAT64
MySQL ENUM(val1, val2, val3, ...) STRING
MySQL FLOAT(precision) FLOAT64
MySQL FLOAT(size, d) FLOAT64
MySQL INTEGER(size) INT64
MySQL

JSON

 JSON
MySQL LONGBLOB STRING (hex encoded)
MySQL LONGTEXT STRING (hex encoded)
MySQL MEDIUMBLOB STRING (hex encoded)
MySQL MEDIUMINT(size) INT64
MySQL MEDIUMTEXT STRING
MySQL SET(val1, val2, val3, ...) STRING
MySQL SMALLINT(size) INT64
MySQL TEXT(size) STRING
MySQL TIME(fsp) INTERVAL
MySQL TIMESTAMP(fsp) TIMESTAMP
MySQL TINYBLOB STRING (hex encoded)
MySQL TINYINT(size) INT64
MySQL TINYTEXT STRING
MySQL VARBINARY(size) STRING (hex encoded)
MySQL VARCHAR STRING
MySQL YEAR INT64
Oracle ANYDATA UNSUPPORTED
Oracle BFILE STRING
Oracle BINARY DOUBLE FLOAT64
Oracle BINARY FLOAT FLOAT64
Oracle BLOB BYTES
Oracle CHAR STRING
Oracle CLOB STRING
Oracle DATE DATETIME
Oracle DOUBLE PRECISION FLOAT64
Oracle FLOAT(p) FLOAT64
Oracle INTERVAL DAY TO SECOND UNSUPPORTED
Oracle INTERVAL YEAR TO MONTH UNSUPPORTED
Oracle LONG/LONG RAW STRING
Oracle NCHAR STRING
Oracle NCLOB STRING
Oracle NUMBER STRING
Oracle NUMBER(precision=*) STRING
Oracle NUMBER(precision, scale<=0) Wenn p<=18, dann INT64. Wenn 18<p=<78, ist dies den parametrisierten Dezimaltypen zuzuordnen. Wenn p>=79 ist, zuordnen Sie sie STRING.
Oracle NUMBER(precision, scale>0) Wenn 0<p=<78, ist dies den parametrisierten Dezimaltypen zuzuordnen. Wenn p>=79 ist, zuordnen Sie sie STRING.
Oracle NVARCHAR2 STRING
Oracle RAW STRING
Oracle ROWID STRING
Oracle SDO_GEOMETRY UNSUPPORTED
Oracle SMALLINT INT64
Oracle TIMESTAMP TIMESTAMP
Oracle TIMESTAMP WITH TIME ZONE TIMESTAMP
Oracle UDT (user-defined type) UNSUPPORTED
Oracle UROWID STRING
Oracle VARCHAR STRING
Oracle VARCHAR2 STRING
Oracle XMLTYPE UNSUPPORTED
PostgreSQL ARRAY JSON
PostgreSQL BIGINT INT64
PostgreSQL BIT BYTES
PostgreSQL BIT_VARYING BYTES
PostgreSQL BOOLEAN BOOLEAN
PostgreSQL BOX UNSUPPORTED
PostgreSQL BYTEA BYTES
PostgreSQL CHARACTER STRING
PostgreSQL CHARACTER_VARYING STRING
PostgreSQL CIDR STRING
PostgreSQL CIRCLE UNSUPPORTED
PostgreSQL DATE DATE
PostgreSQL DOUBLE_PRECISION FLOAT64
PostgreSQL ENUM STRING
PostgreSQL INET STRING
PostgreSQL INTEGER INT64
PostgreSQL INTERVAL INTERVAL
PostgreSQL JSON JSON
PostgreSQL JSONB JSON
PostgreSQL LINE UNSUPPORTED
PostgreSQL LSEG UNSUPPORTED
PostgreSQL MACADDR STRING
PostgreSQL MONEY FLOAT64
PostgreSQL NUMERIC Wenn Precision = -1, dann STRING (BigQuery-NUMERIC-Typen erfordern eine feste Genauigkeit). Andernfalls BIGNUMERIC/NUMERIC. Weitere Informationen finden Sie in der PostgreSQL-Dokumentation im Abschnitt Zahlen mit beliebiger Genauigkeit.
PostgreSQL OID INT64
PostgreSQL PATH UNSUPPORTED
PostgreSQL POINT UNSUPPORTED
PostgreSQL POLYGON UNSUPPORTED
PostgreSQL REAL FLOAT64
PostgreSQL SMALLINT INT64
PostgreSQL SMALLSERIAL INT64
PostgreSQL SERIAL INT64
PostgreSQL TEXT STRING
PostgreSQL TIME TIME
PostgreSQL TIMESTAMP TIMESTAMP
PostgreSQL TIMESTAMP_WITH_TIMEZONE TIMESTAMP
PostgreSQL TIME_WITH_TIMEZONE TIME
PostgreSQL TSQUERY STRING
PostgreSQL TSVECTOR STRING
PostgreSQL TXID_SNAPSHOT STRING
PostgreSQL UUID STRING
PostgreSQL XML STRING
SQL Server BIGINT INT64
SQL Server BINARY BYTES
SQL Server BIT BOOL
SQL Server CHAR STRING
SQL Server DATE DATE
SQL Server DATETIME2 DATETIME
SQL Server DATETIME DATETIME
SQL Server DATETIMEOFFSET TIMESTAMP
SQL Server DECIMAL BIGNUMERIC
SQL Server FLOAT FLOAT64
SQL Server IMAGE BYTES
SQL Server INT INT64
SQL Server MONEY BIGNUMERIC
SQL Server NCHAR STRING
SQL Server NTEXT STRING
SQL Server NUMERIC BIGNUMERIC
SQL Server NVARCHAR STRING
SQL Server NVARCHAR(MAX) STRING
SQL Server REAL FLOAT64
SQL Server SMALLDATETIME DATETIME
SQL Server SMALLINT INT64
SQL Server SMALLMONEY NUMERIC
SQL Server TEXT STRING
SQL Server TIME TIME
SQL Server TIMESTAMP/ROWVERSION BYTES
SQL Server TINYINT INT64
SQL Server UNIQUEIDENTIFIER STRING
SQL Server VARBINARY BYTES
SQL Server VARBINARY(MAX) BYTES
SQL Server VARCHAR STRING
SQL Server VARCHAR(MAX) STRING
SQL Server XML STRING

PostgreSQL-Array als BigQuery-Array-Datentyp abfragen

Wenn Sie ein PostgreSQL-Array lieber als BigQuery-ARRAY-Datentyp abfragen möchten, können Sie die JSON-Werte mit der BigQuery-Funktion JSON_VALUE_ARRAY in ein BigQuery-Array konvertieren:

  SELECT ARRAY(SELECT CAST(element AS TYPE) FROM UNNEST(JSON_VALUE_ARRAY(BQ_COLUMN_NAME,'$')) AS element) AS array_col

Ersetzen Sie Folgendes:

  • TYPE: Der BigQuery-Typ, der dem Elementtyp im PostgreSQL-Quellarray entspricht. Wenn der Quelltyp beispielsweise ein Array von BIGINT-Werten ist, ersetzen Sie TYPE durch INT64.

    Weitere Informationen zum Zuordnen der Datentypen finden Sie unter Datentypen zuordnen.

  • BQ_COLUMN_NAME: der Name der entsprechenden Spalte in der BigQuery-Tabelle.

Es gibt zwei Ausnahmen bei der Umwandlung der Werte:

  • Führen Sie für Arrays mit BIT-, BIT_VARYING- oder BYTEA-Werten in der Quellspalte die folgende Abfrage aus:

    SELECT ARRAY(SELECT FROM_BASE64(element) FROM UNNEST(JSON_VALUE_ARRAY(BQ_COLUMN_NAME,'$')) AS element) AS array_of_bytes

  • Verwenden Sie für Arrays mit JSON- oder JSONB-Werten in der Quellspalte die Funktion JSON_QUERY_ARRAY:

    SELECT ARRAY(SELECT element FROM UNNEST(JSON_QUERY_ARRAY(BQ_COLUMN_NAME,'$')) AS element) AS array_of_jsons

Bekannte Einschränkungen

Zu den bekannten Einschränkungen bei der Verwendung von BigQuery als Ziel gehören:

  • Sie können Daten nur in ein BigQuery-Dataset replizieren, das sich im selben Google Cloud-Projekt wie der Datastream-Stream befindet.

  • Wenn eine Tabelle in der Quelldatenbank einen Primärschlüssel hat (z. B. die Nutzer-ID) und dann eine Änderung in der Tabelle vorgenommen wird, sodass sich der Primärschlüssel unterscheidet (in diesem Beispiel ist der Primärschlüssel jetzt die Nutzer-ID und das Datum), kann Datastream diese Änderung nicht an das Ziel streamen.

    Führen Sie die folgenden Schritte aus, damit Datastream die Tabelle mit dem geänderten Primärschlüssel in das Ziel streamt:

    1. Ändern Sie den Primärschlüssel der Quelldatenbanktabelle.
    2. Prüfen Sie den Messwert für die Gesamtlatenz des Streams und warten Sie mindestens so lange wie die aktuelle Latenz, um sicherzustellen, dass alle laufenden Ereignisse in das Ziel geschrieben werden. So können alle Ereignisse mit dem ursprünglichen Primärschlüssel erfolgreich gestreamt werden.
    3. Pausiere den Stream.
    4. Legen Sie die Tabelle am Ziel ab.
    5. Setze den Stream fort.
    6. Trigger für die Tabelle auslösen

  • Primärschlüssel in BigQuery müssen einen der folgenden Datentypen haben:

    • DATE
    • BOOL
    • GEOGRAPHY
    • INT64
    • NUMERIC
    • BIGNUMERIC
    • STRING
    • TIMESTAMP
    • DATETIME

    Tabellen, die Primärschlüssel mit nicht unterstützten Datentypen enthalten, werden von Datastream nicht repliziert.

  • BigQuery unterstützt keine Tabellennamen mit den Zeichen ., $, /, @ oder +. Datastream ersetzt diese Zeichen beim Erstellen von Zieltabellen durch Unterstriche.

    Beispielsweise wird table.name in der Quelldatenbank zu table_name in BigQuery.

    Weitere Informationen zu Tabellennamen in BigQuery finden Sie unter Tabellennamen.

  • BigQuery unterstützt nicht mehr als vier Clustering-Spalten. Beim Replizieren einer Tabelle mit mehr als vier Primärschlüsselspalten verwendet Datastream vier Primärschlüsselspalten als Clustering-Spalten.
  • Datastream ordnet Datums- und Zeitliterale außerhalb des Bereichs, wie z. B. unendliche PostgreSQL-Datumstypen, den folgenden Werten zu:
    • Positiver Wert von DATE in Wert von 9999-12-31
    • Negativ DATE zum Wert 0001-01-01
    • Positiver Wert von TIMESTAMP in Wert von 9999-12-31 23:59:59.999000 UTC
    • Negativ TIMESTAMP zum Wert 0001-01-01 00:00:00 UTC
  • BigQuery unterstützt keine Streamingtabellen mit Primärschlüsseln des Datentyps FLOAT oder REAL. Solche Tabellen werden nicht repliziert.

    • Weitere Informationen zu BigQuery-Datumstypen und -Bereichen finden Sie unter Datentypen.

Zurück
Datastream und Dataflow für Analysen implementieren
Weiter
Cloud Storage-Ziel konfigurieren