Nesta página, descrevemos como configurar o destino do BigQuery para fazer streaming de dados de um banco de dados de origem usando o Datastream.
Configurar os conjuntos de dados de destino
Ao configurar conjuntos de dados para o destino do BigQuery, selecione uma das seguintes opções:
Conjunto de dados para cada esquema: o conjunto de dados é selecionado ou criado no local do BigQuery especificado, com base no nome do esquema da origem. Como resultado, para cada esquema na origem, o Datastream cria um conjunto de dados no BigQuery automaticamente.
Se você selecionar essa opção, o Datastream criará conjuntos de dados no projeto que contém o stream.
Por exemplo, se você tiver uma origem MySQL e ela tiver um banco de dados
mydb
e uma tabelaemployees
no banco de dados, o Datastream vai criar o conjunto de dadosmydb
e a tabelaemployees
no BigQuery.Conjunto de dados único para todos os esquemas: é possível selecionar um conjunto de dados do BigQuery para o stream. O Datastream transmite todos os dados para este conjunto. Para o conjunto de dados selecionado, o Datastream cria todas as tabelas como
<schema>_<table>
.Por exemplo, se você tiver uma origem MySQL e ela tiver um banco de dados
mydb
e uma tabelaemployees
no banco de dados, o Datastream criará a tabelamydb_employees
no conjunto de dados selecionado.
Comportamento de gravação
O Datastream anexa uma coluna STRUCT
chamada datastream_metadata
a cada tabela gravada no destino do BigQuery.
Se uma tabela tiver uma chave primária na fonte, a coluna conterá os seguintes campos:
UUID:
Este campo tem o tipo de dadosstring
.SOURCE_TIMESTAMP:
Este campo tem o tipo de dadosinteger
.
Se uma tabela não tiver uma chave primária, a coluna conterá um campo adicional: IS_DELETED
. Esse campo tem o tipo de dados boolean
e indica se os dados que o Datastream transmite para o destino estão associados a uma operação DELETE
na origem. Tabelas sem chaves primárias são somente para anexação.
O tamanho máximo do evento ao fazer streaming de dados no BigQuery é de 20 MB.
Configurar o modo de gravação
Ao configurar seu fluxo, é possível selecionar como o Datastream grava seus dados alterados no BigQuery:
- Mesclar: esse é o modo de gravação padrão. Quando selecionado, o BigQuery reflete a forma como seus dados são armazenados no banco de dados de origem. Isso significa que o Datastream grava todas as alterações dos seus dados no BigQuery, que consolida as alterações com os dados atuais, criando tabelas finais que são réplicas das tabelas de origem. Com o modo Merge, nenhum registro histórico dos eventos de alteração é mantido. Por exemplo, se você inserir e depois atualizar uma linha, o BigQuery vai manter apenas os dados atualizados. Se você excluir a linha da tabela de origem, o BigQuery não manterá mais nenhum registro dessa linha.
- Somente anexação: o modo de gravação somente anexa permite adicionar dados ao BigQuery como um fluxo de alterações (eventos
INSERT
,UPDATE-INSERT
,UPDATE-DELETE
eDELETE
). Use esse modo quando precisar manter o estado histórico dos dados. Para entender melhor o modo de gravação somente de anexação, considere os seguintes cenários:- Preenchimento inicial: após o preenchimento inicial, todos os eventos são gravados no BigQuery como eventos do tipo
INSERT
, com o mesmo carimbo de data/hora, o identificador universal exclusivo (UUID) e o número de sequência de alterações. - Atualização da chave primária: quando uma chave primária é alterada, duas linhas são gravadas no BigQuery:
- Uma linha
UPDATE-DELETE
com a chave primária original - Uma linha
UPDATE-INSERT
com a nova chave primária
- Uma linha
- Atualização da linha: quando você atualiza uma linha, uma única linha
UPDATE-INSERT
é gravada no BigQuery - Exclusão de linha: quando você exclui uma linha, uma única linha
DELETE
é gravada no BigQuery
- Preenchimento inicial: após o preenchimento inicial, todos os eventos são gravados no BigQuery como eventos do tipo
Usar tabelas do BigQuery com a opção max_staleness
Como parte da ingestão quase em tempo real, o Datastream usa o suporte integrado do BigQuery para operações de inserção e atualização, como atualizar, inserir e excluir dados. As operações de inserção e atualização permitem atualizar dinamicamente o destino do BigQuery conforme as linhas são adicionadas, modificadas ou excluídas. O Datastream transmite essas operações de inserção para a tabela de destino usando a API Storage Write do BigQuery.
Especificar o limite de inatividade dos dados
O BigQuery aplica modificações da fonte em segundo plano de maneira contínua ou no ambiente de execução da consulta, de acordo com o limite de inatividade dos dados configurado. Quando o Datastream cria uma nova tabela no BigQuery, a opção max_staleness
da tabela é definida de acordo com o valor do limite atual de inatividade dos dados do stream.
Para mais informações sobre como usar as tabelas do BigQuery com a opção max_staleness
, consulte Inatividade da tabela.
Controlar os custos do BigQuery
Os custos do BigQuery são cobrados separadamente do Datastream. Para saber como controlar os custos do BigQuery, consulte Preços de CDC do BigQuery.
Tipos de dados do mapa
A tabela a seguir lista conversões de tipo de dados de bancos de dados de origem compatíveis para o destino do BigQuery.
Banco de dados de origem | Tipo de dados de origem | Tipo de dados do BigQuery |
---|---|---|
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) |
Se o valor de precisão for <=38 e o valor da escala for <=9, então NUMERIC . Caso contrário, 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
|
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(precision, scale>0) |
Se o valor for 0<p=<78, faça o mapeamento para tipos decimais parametrizados. Se p>=79, mapear para 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 |
Se a precisão for -1 , então STRING . Os tipos de NUMERIC do BigQuery exigem uma precisão fixa. Caso contrário, BIGNUMERIC /NUMERIC . Para mais informações, consulte a seção Números de precisão arbitrária na documentação do PostgreSQL. |
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 |
Consultar uma matriz do PostgreSQL como um tipo de dados de matriz do BigQuery
Se você preferir consultar uma matriz do PostgreSQL como um tipo de dados ARRAY
do BigQuery,
converta os valores JSON
em uma matriz do BigQuery usando a função JSON_VALUE_ARRAY
do BigQuery:
SELECT ARRAY(SELECT CAST(element AS TYPE) FROM UNNEST(JSON_VALUE_ARRAY(BQ_COLUMN_NAME,'$')) AS element)AS array_col
Substitua:
TYPE: o tipo do BigQuery que corresponde ao tipo de elemento na matriz de origem do PostgreSQL. Por exemplo, se o tipo de origem for uma matriz de valores
BIGINT
, substitua TYPE porINT64
.Para mais informações sobre como mapear os tipos de dados, consulte Tipos de dados do mapa.
BQ_COLUMN_NAME: o nome da coluna relevante na tabela do BigQuery.
Há duas exceções na maneira como você converte os valores:
Para matrizes de valores
BIT
,BIT_VARYING
ouBYTEA
na coluna de origem, execute a seguinte consulta:SELECT ARRAY(SELECT FROM_BASE64(element) FROM UNNEST(JSON_VALUE_ARRAY(BQ_COLUMN_NAME,'$')) AS element)
AS array_of_bytes Para matrizes de valores
JSON
ouJSONB
na coluna de origem, use a funçãoJSON_QUERY_ARRAY
:SELECT ARRAY(SELECT element FROM UNNEST(JSON_QUERY_ARRAY(BQ_COLUMN_NAME,'$')) AS element)
AS array_of_jsons
Limitações conhecidas
Limitações conhecidas para o uso do BigQuery como destino incluem:
- Só é possível replicar dados em um conjunto de dados do BigQuery que resida no mesmo projeto do Google Cloud que o fluxo do Datastream.
Se uma tabela no banco de dados de origem tiver uma chave primária (por exemplo, o ID do usuário) e houver uma mudança na tabela para que a chave primária seja diferente (neste exemplo, a chave primária agora é o ID do usuário e a data), o Datastream não vai poder transmitir essa mudança para o destino.
Para que o Datastream transmita a tabela para o destino com a chave primária modificada, siga estas etapas:
- Altere a chave primária da tabela do banco de dados de origem.
- Verifique a métrica de latência total do stream e aguarde pelo menos a latência atual para garantir que qualquer evento em andamento seja gravado no destino. Isso permite que todos os eventos com a chave primária original sejam transmitidos com sucesso.
- Pause o stream.
- Solte a tabela no destino.
- Retome o stream.
- Acione o preenchimento na tabela.
As chaves primárias no BigQuery precisam ser dos seguintes tipos de dados:
DATE
BOOL
GEOGRAPHY
INT64
NUMERIC
BIGNUMERIC
STRING
TIMESTAMP
DATETIME
As tabelas com chaves primárias de tipos de dados sem suporte não são replicadas pelo Datastream.
O BigQuery não é compatível com nomes de tabelas que tenham caracteres
.
,$
,/
,@
ou+
. O Datastream substitui esses caracteres por sublinhados ao criar tabelas de destino.Por exemplo,
table.name
no banco de dados de origem se tornatable_name
no BigQuery.Para mais informações sobre nomes de tabelas no BigQuery, consulte Nomenclatura de tabelas.
- O BigQuery não aceita mais de quatro agrupamentos de colunas em cluster. Ao replicar uma tabela com mais de quatro colunas de chave primária, o Datastream usa quatro colunas de chave primária como as colunas de clustering.
- O Datastream mapeia literais de data e hora fora do intervalo, como tipos de data infinita do PostgreSQL, para os seguintes valores:
DATE
positivo em relação ao valor de9999-12-31
DATE
negativo ao valor de0001-01-01
TIMESTAMP
positivo em relação ao valor de9999-12-31 23:59:59.999000 UTC
TIMESTAMP
negativo ao valor de0001-01-01 00:00:00 UTC
- O BigQuery não é compatível com tabelas de streaming que tenham chaves primárias dos tipos de dados
FLOAT
ouREAL
. Essas tabelas não são replicadas.
Para saber mais sobre os tipos de data e períodos do BigQuery, consulte Tipos de dados.