Panoramica
La gerarchia dei dati in Datastream è:
- Uno stream, composto da un'origine dati e una destinazione.
- Un oggetto, ovvero una parte di un flusso, come una tabella di un database specifico.
- Un evento, cioè una singola modifica generata da un oggetto specifico, ad esempio un inserimento di database.
Flussi, oggetti ed eventi sono associati a dati e metadati. Questi dati e metadati possono essere utilizzati per diversi scopi.
Informazioni sugli eventi
Ogni evento è costituito da tre tipi di dati:
- Dati sugli eventi:rappresenta la modifica ai dati stessi dall'oggetto proveniente dall'origine dello stream. Ogni evento contiene l'intera riga modificata.
- Metadati generici: questi metadati vengono visualizzati su ogni evento generato da Datastream utilizzato per azioni, come la rimozione di dati duplicati nella destinazione.
- Metadati specifici per la sorgente:questi metadati vengono visualizzati su tutti gli eventi generati da una specifica sorgente di streaming. Questi metadati variano a seconda della fonte.
Dati degli eventi
I dati sugli eventi sono il payload di ogni modifica da un determinato oggetto proveniente da un'origine di flusso.
Gli eventi sono in formato Avro o JSON.
Quando lavori con il formato Avro, l'evento contiene l'indice e il valore della colonna per ogni colonna. Utilizzando l'indice di colonna, è possibile recuperare il nome della colonna e il tipo unificato dallo schema nell'intestazione Avro.
Quando lavori con il formato JSON, l'evento conterrà il nome e il valore di ogni colonna per ogni colonna.
I metadati evento possono essere utilizzati per raccogliere informazioni sull'origine dell'evento e per rimuovere dal consumatore a valle i dati duplicati negli eventi di destinazione e ordine.
Le seguenti tabelle elencano e descrivono i campi e i tipi di dati per i metadati degli eventi generici e specifici dell'origine.
Metadati generici
Questi metadati sono coerenti in tutti gli stream di tutti i tipi.
Campo | Tipo di Avro | Tipo JSON | Descrizione |
---|---|---|---|
stream_name |
string | string | Il nome univoco dello stream definito al momento della creazione. |
read_method |
string | string | Indica se i dati sono stati letti dall'origine utilizzando un metodo CDC (Change Data Capture), come parte del backfill storico o come parte di un'attività di integrazione creata quando viene eseguito il rollback di una transazione durante la replica CDC. I valori possibili sono:
|
object |
string | string | Il nome utilizzato per raggruppare diversi tipi di eventi, in genere il nome della tabella o dell'oggetto nell'origine. |
schema_key |
string | string | L'identificatore univoco dello schema unificato dell'evento. |
uuid |
string | string | Un identificatore univoco per l'evento generato da Datastream. |
read_timestamp |
timestamp-millisecondi | string | Il timestamp (UTC) in cui il record è stato letto da Datastream (il timestamp dell'epoca in millisecondi). |
source_timestamp |
timestamp-millisecondi | string | Il timestamp (UTC) quando il record è stato modificato nell'origine (il timestamp dell'epoca in millisecondi). |
sort_keys |
{"type": "array", "items": ["string", "long"]} |
matrice | Un array di valori che può essere utilizzato per ordinare gli eventi nell'ordine in cui si sono verificati. |
Metadati specifici dell'origine
Questi metadati sono associati a eventi CDC e backfill da un database di origine. Per visualizzare questi metadati, seleziona una fonte dal menu a discesa in basso.
Origine | Campo | Tipo di Avro | Tipo JSON | Descrizione |
---|---|---|---|---|
MySQL | log_file |
string | string | Il file di log da cui Datastream estrae gli eventi dalla replica CDC. |
MySQL | log_position |
Lungo | Lungo | La posizione del log (offset) nel log binario MySQL. |
MySQL | primary_keys |
array di stringhe | array di stringhe | L'elenco di (uno o più) nomi di colonna che compongono la chiave primaria delle tabelle. Se la tabella non ha una chiave primaria, il campo è vuoto. |
MySQL | is_deleted |
boolean | boolean |
|
MySQL | database |
string | string | Il database associato all'evento. |
MySQL | table |
string | string | La tabella associata all'evento. |
MySQL | change_type |
string | string | Il tipo di modifica ( |
Oracle | log_file |
string | string | Il file di log da cui Datastream estrae gli eventi dalla replica CDC. |
Oracle | scn |
Lungo | Lungo | La posizione del log (offset) nel log delle transazioni Oracle. |
Oracle | row_id |
string | string | row_id di Oracle. |
Oracle | is_deleted |
boolean | boolean |
|
Oracle | database |
string | string | Il database associato all'evento. |
Oracle | schema |
string | string | Lo schema associato alla tabella dall'evento. |
Oracle | table |
string | string | La tabella associata all'evento. |
Oracle | change_type |
string | string | Il tipo di modifica ( |
Oracle | tx_id |
string | string | L'ID transazione a cui appartiene l'evento. |
Oracle | rs_id |
string | string | L'ID del set di record. L'accoppiamento di rs_id e ssn identifica in modo univoco una riga in V$LOGMNR_CONTENTS . rs_id identifica in modo univoco il record di ripetizione che ha generato la riga. |
Oracle | ssn |
Lungo | Lungo | Un numero di sequenza SQL. Questo numero viene utilizzato con rs_id e identifica in modo univoco una riga in V$LOGMNR_CONTENTS . |
PostgreSQL | schema |
string | string | Lo schema associato alla tabella dall'evento. |
PostgreSQL | table |
string | string | La tabella associata all'evento. |
PostgreSQL | is_deleted |
boolean | boolean |
|
PostgreSQL | change_type |
string | string | Il tipo di modifica (INSERT , UPDATE , DELETE ) rappresentato dall'evento.
|
PostgreSQL | tx_id |
string | string | L'ID transazione a cui appartiene l'evento. |
PostgreSQL | lsn |
string | string | Il numero di sequenza di log per la voce corrente. |
PostgreSQL | primary_keys |
array di stringhe | array di stringhe | L'elenco di (uno o più) nomi di colonna che compongono la chiave primaria delle tabelle. Se la tabella non ha una chiave primaria, il campo è vuoto. |
SQL Server | table |
string | string | La tabella associata all'evento. |
SQL Server | database |
Lungo | Lungo | Il database associato all'evento. |
SQL Server | schema |
array di stringhe | array di stringhe | Lo schema associato alla tabella dall'evento. |
SQL Server | is_deleted |
boolean | boolean |
|
SQL Server | lsn |
string | string | Il numero di sequenza del log per l'evento. |
SQL Server | tx_id |
string | string | L'ID transazione a cui appartiene l'evento. |
SQL Server | physical_location |
Array intero | Array intero | La posizione fisica del record di log descritta da tre numeri interi: ID file, ID pagina e ID slot del record. |
SQL Server | replication_index |
Array di stringhe | Array di stringhe | L'elenco dei nomi delle colonne di un indice che possono identificare in modo univoco una riga della tabella. |
SQL Server | change_type |
Stringa | Stringa | Il tipo di modifica ("INSERT", UPDATE, "DELETE") che l'evento rappresenta. |
Esempio di flusso di eventi
Questo flusso illustra gli eventi generati da tre operazioni consecutive:
INSERT
, UPDATE
e DELETE
, su una singola riga in una tabella SAMPLE
per un database di origine.
TEMPO | THIS_IS_MY_PK (int) | FIELD1 (nchar nullable) | FIELD2 (nchar non null)> |
---|---|---|---|
0 | 1231535353 | pippo | TLV |
1 | 1231535353 | NULL | TLV |
INSERISCI (T0)
Il payload dei messaggi è costituito dall’intera riga della nuova riga.
{
"stream_name": "projects/myProj/locations/myLoc/streams/Oracle-to-Source",
"read_method": "oracle-cdc-logminer",
"object": "SAMPLE.TBL",
"uuid": "d7989206-380f-0e81-8056-240501101100",
"read_timestamp": "2019-11-07T07:37:16.808Z",
"source_timestamp": "2019-11-07T02:15:39",
"source_metadata": {
"log_file": ""
"scn": 15869116216871,
"row_id": "AAAPwRAALAAMzMBABD",
"is_deleted": false,
"database": "DB1",
"schema": "ROOT",
"table": "SAMPLE"
"change_type": "INSERT",
"tx_id":
"rs_id": "0x0073c9.000a4e4c.01d0",
"ssn": 67,
},
"payload": {
"THIS_IS_MY_PK": "1231535353",
"FIELD1": "foo",
"FIELD2": "TLV",
}
}
AGGIORNAMENTO (T1)
Il payload dei messaggi è costituito dall’intera riga della nuova riga. Non include i valori precedenti.
{
"stream_name": "projects/myProj/locations/myLoc/streams/Oracle-to-Source",
"read_method": "oracle-cdc-logminer",
"object": "SAMPLE.TBL",
"uuid": "e6067366-1efc-0a10-a084-0d8701101101",
"read_timestamp": "2019-11-07T07:37:18.808Z",
"source_timestamp": "2019-11-07T02:17:39",
"source_metadata": {
"log_file":
"scn": 15869150473224,
"row_id": "AAAGYPAATAAPIC5AAB",
"is_deleted": false,
"database":
"schema": "ROOT",
"table": "SAMPLE"
"change_type": "UPDATE",
"tx_id":
"rs_id": "0x006cf4.00056b26.0010",
"ssn": 0,
},
"payload": {
"THIS_IS_MY_PK": "1231535353",
"FIELD1": null,
"FIELD2": "TLV",
}
}
ELIMINA (T2)
Il payload dei messaggi è costituito dall’intera riga della nuova riga.
{
"stream_name": "projects/myProj/locations/myLoc/streams/Oracle-to-Source",
"read_method": "oracle-cdc-logminer",
"object": "SAMPLE.TBL",
"uuid": "c504f4bc-0ffc-4a1a-84df-6aba382fa651",
"read_timestamp": "2019-11-07T07:37:20.808Z",
"source_timestamp": "2019-11-07T02:19:39",
"source_metadata": {
"log_file":
"scn": 158691504732555,
"row_id": "AAAGYPAATAAPIC5AAC",
"is_deleted": true,
"database":
"schema": "ROOT",
"table": "SAMPLE"
"change_type": "DELETE",
"tx_id":
"rs_id": "0x006cf4.00056b26.0011",
"ssn": 0,
},
"payload": {
"THIS_IS_MY_PK": "1231535353",
"FIELD1": null,
"FIELD2": "TLV",
}
}
Ordine e coerenza
Questa sezione illustra in che modo Datastream gestisce l'ordine e la coerenza.
Ordine
Datastream non garantisce l'ordinamento, ma ogni evento contiene la riga completa di dati e il timestamp con il momento in cui i dati sono stati scritti nell'origine. In BigQuery, gli eventi non nell'ordine verranno uniti automaticamente nella sequenza corretta. BigQuery utilizza i metadati degli eventi e un numero di sequenza di modifiche interno (CSN) per applicare gli eventi alla tabella nell'ordine corretto. In Cloud Storage, gli eventi contemporaneamente possono interessare più di un file.
Gli eventi generati in ordine casuale si verificano in base alla progettazione quando viene eseguito il backfill degli eventi per il backfill iniziale dei dati creati all'avvio del flusso.
L'ordine può essere dedotto su base per origine.
Origine | Descrizione |
---|---|
MySQL | Gli eventi che fanno parte del backfill iniziale hanno il campo Il campo L'ordine può essere dedotto dalla combinazione del campo |
Oracle | Gli eventi che fanno parte del backfill iniziale hanno il campo Il campo L'ordine può essere dedotto dalla combinazione del campo |
PostgreSQL | Gli eventi che fanno parte del backfill iniziale hanno il campo Il campo L'ordine può essere dedotto dalla combinazione del campo |
SQL Server |
Gli eventi che fanno parte del backfill iniziale hanno il campo Il campo L'ordine può essere dedotto dalla combinazione del campo |
Coerenza
Datastream garantisce che i dati del database di origine vengano inviati alla destinazione almeno una volta. Gli eventi non verranno persi, ma è possibile che siano presenti eventi duplicati nello stream. La finestra per gli eventi duplicati dovrebbe essere nell'ordine dei minuti e l'identificatore univoco universale (UUID) dell'evento nei metadati evento può essere utilizzato per rilevare i duplicati.
Quando i file di log del database contengono transazioni di cui non è stato eseguito il commit, se viene eseguito il rollback di una qualsiasi transazione, il database lo riflette nei file di log come "inverso" le operazioni DML (Data Manipulation Language). Ad esempio, un'operazione INSERT
con rollback avrà un'operazione DELETE
corrispondente. Datastream legge queste operazioni dai file di log.
Informazioni sugli stream
Ogni flusso ha dei metadati che descrivono sia il flusso sia l'origine da cui estrae i dati. Questi metadati includono informazioni come il nome del flusso, i profili di connessione di origine e di destinazione e così via.
Per visualizzare la definizione completa dell'oggetto Stream, consulta la documentazione di riferimento API.
Stato e stato del flusso
Uno stream può trovarsi in uno dei seguenti stati:
Not started
Starting
Running
Draining
Paused
Failed
Failed permanently
Puoi utilizzare i log per trovare ulteriori informazioni sullo stato, come il backfill delle tabelle, il numero di righe elaborate e così via. Puoi anche utilizzare l'API FetchStreamErrors
per recuperare gli errori.
Metadati degli oggetti disponibili utilizzando l'API Discover
L'API Discover restituisce oggetti che rappresentano la struttura degli oggetti definiti nell'origine dati o nella destinazione rappresentati dal profilo di connessione. Ogni oggetto dispone di metadati sull'oggetto stesso, nonché su ogni campo di dati che estrae. Questi metadati sono disponibili tramite l'API di scoperta.