Configurar um destino do BigQuery

Nesta página, descrevemos como configurar seu 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, você pode selecionar 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 fonte MySQL e essa fonte tiver um banco de dados mydb e uma tabela employees, o Datastream vai criar o conjunto de dados mydb e a tabela employees no BigQuery.

  • Conjunto de dados único para todos os esquemas: é possível selecionar um conjunto de dados do BigQuery para o stream. O Datastream envia todos os dados para esse conjunto. Para o conjunto de dados selecionado, o Datastream cria todas as tabelas como <schema>_<table>.

    Por exemplo, se você tiver uma fonte MySQL e essa fonte tiver um banco de dados mydb e uma tabela employees, o Datastream criará a tabela mydb_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 origem, a coluna conterá os seguintes campos:

  • UUID: Este campo tem o tipo de dados string.
  • SOURCE_TIMESTAMP: Este campo tem o tipo de dados integer.

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. As tabelas sem chaves primárias são somente de anexação.

O tamanho máximo do evento ao fazer streaming de dados para o BigQuery é de 20 MB.

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, atualização, inserção e exclusão de dados. As operações de inserção 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 desatualização dos dados

O BigQuery aplica modificações de origem em segundo plano de maneira contínua ou no ambiente de execução da consulta, de acordo com o limite de desatualização dos dados configurado. Quando o Datastream cria uma nova tabela no BigQuery, a opção max_staleness dela é definida de acordo com o valor do limite de desatualização dos dados do fluxo.

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 aprender a controlar os custos do BigQuery, consulte Preços do CDC do BigQuery.

Tipos de dados de mapas

A tabela a seguir lista as conversões de tipos 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(size) INT64
MySQL BIGINT (unsigned) NUMERIC
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

 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) Se p<=18, então INT64. Se 18<p=<78, mapeie para tipos decimais parametrizados. Se p>=79, mapeie para STRING
Oracle NUMBER(precision, scale>0) Se 0<p=<78, mapeie para tipos decimais parametrizados. Se p>=79, mapeie 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 igual a -1, então STRING (os tipos NUMERIC do BigQuery exigem 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 PostgreSQL como um tipo de dados de matriz do BigQuery

Se 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 por INT64.

    Para saber 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 de converter os valores:

  • Para matrizes de valores BIT, BIT_VARYING ou BYTEA 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 ou JSONB na coluna de origem, use a função JSON_QUERY_ARRAY:

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

Limitações conhecidas

Estas são algumas limitações conhecidas do uso do BigQuery como destino:

  • Só é possível replicar dados em um conjunto de dados do BigQuery que reside no mesmo projeto do Google Cloud que o stream do Datastream.

  • Se uma tabela no banco de dados de origem tiver uma chave primária (por exemplo, o ID do usuário) e houver uma alteração 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 poderá transmitir essa alteração para o destino.

    Para que o Datastream transmita a tabela para o destino com a chave primária modificada, siga estas etapas:

    1. Altere a chave primária da tabela do banco de dados de origem.
    2. Verifique a métrica de latência total do stream e aguarde pelo menos o tempo de latência atual para garantir que todos os eventos em andamento sejam gravados no destino. Isso permite a transmissão de todos os eventos com a chave primária original.
    3. Pause a transmissão.
    4. Solte a tabela no destino.
    5. Retome a transmissão.
    6. Acionar 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 que contêm chaves primárias de tipos de dados sem suporte não são replicadas pelo Datastream.

  • O BigQuery não aceita nomes de tabelas com 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 torna table_name no BigQuery.

    Para mais informações sobre nomes de tabelas no BigQuery, consulte Nomenclatura de tabelas.

  • O BigQuery não oferece suporte a mais de quatro colunas de clustering. Ao replicar uma tabela com mais de quatro colunas de chave primária, o Datastream usa quatro colunas de chave primária como colunas de clustering.
  • O Datastream mapeia literais de data e hora fora do intervalo, como os tipos de data de infinito do PostgreSQL, para os seguintes valores:
    • DATE positivo para o valor de 9999-12-31
    • DATE negativo ao valor de 0001-01-01
    • TIMESTAMP positivo para o valor de 9999-12-31 23:59:59.999000 UTC
    • TIMESTAMP negativo ao valor de 0001-01-01 00:00:00 UTC
  • O BigQuery não oferece suporte a tabelas de streaming que tenham chaves primárias dos tipos de dados FLOAT ou REAL. Essas tabelas não são replicadas.

    • Para saber mais sobre os tipos de dados e períodos do BigQuery, consulte Tipos de dados.

Anterior
Implementar o Datastream e o Dataflow para análise de dados
Próxima
Configurar um destino do Cloud Storage