Datastream und Dataflow für Analysen implementieren

---

Datastream unterstützt das Streaming von Daten aus Oracle-, MySQL- und PostgreSQL-Datenbanken direkt in BigQuery-Datasets. Wenn Sie jedoch mehr Kontrolle über die Streamverarbeitungslogik benötigen, z. B. Datentransformation oder manuelle Festlegung logischer Primärschlüssel, können Sie Datastream in Dataflow-Jobvorlagen einbinden.

In dieser Anleitung erfahren Sie, wie Datastream in Dataflow eingebunden wird. Dazu werden Dataflow-Jobvorlagen verwendet, um aktuelle materialisierte Ansichten in BigQuery für Analysen zu streamen.

Für Organisationen mit vielen isolierten Datenquellen kann der Zugriff auf Daten im gesamten Unternehmen, insbesondere in Echtzeit, eingeschränkt und langsam sein. Dies schränkt die Fähigkeit der Organisation ein, sich selbst zu prüfen.

Datastream bietet nahezu in Echtzeit Zugriff auf Änderungsdaten aus verschiedenen lokalen und cloudbasierten Datenquellen. Datastream bietet eine Einrichtung, bei der Sie das Streaming von Daten nur wenig konfigurieren müssen. Datastream erledigt das für Sie. Datastream verfügt außerdem über eine Unified Usage API, die den Zugriff Ihrer Organisation auf die neuesten verfügbaren Unternehmensdaten demokratisiert, um integrierte Szenarien zu erstellen.

Ein solches Szenario ist die Übertragung von Daten aus einer Quelldatenbank in einen cloudbasierten Speicherdienst oder eine Messaging-Warteschlange. Nachdem Datastream die Daten gestreamt hat, werden sie in ein Format umgewandelt, das von anderen Anwendungen und Diensten gelesen werden kann. In dieser Anleitung ist Dataflow der Webdienst, der mit dem Speicherdienst oder der Messaging-Warteschlange kommuniziert, um Daten in Google Cloud zu erfassen und zu verarbeiten.

Sie erfahren, wie Sie mit Datastream Änderungen (eingefügte, aktualisierte oder gelöschte Daten) aus einer MySQL-Quelldatenbank in einen Ordner in einem Cloud Storage-Bucket streamen. Anschließend konfigurieren Sie den Cloud Storage-Bucket so, dass er Benachrichtigungen sendet, mit denen Dataflow über neue Dateien mit Datenänderungen informiert wird, die Datastream aus der Quelldatenbank streamt. Ein Dataflow-Job verarbeitet dann die Dateien und überträgt die Änderungen in BigQuery.

Ziele

In dieser Anleitung lernen Sie, wie Sie:

• Erstellen Sie einen Bucket in Cloud Storage. Dies ist der Ziel-Bucket, in den Datastream Schemas, Tabellen und Daten aus einer MySQL-Quelldatenbank streamt.
• Pub/Sub-Benachrichtigungen für den Cloud Storage-Bucket aktivieren. Damit konfigurieren Sie den Bucket so, dass Benachrichtigungen gesendet werden, die Dataflow verwendet, um über neue Dateien informiert zu werden, die zur Verarbeitung bereit sind. Diese Dateien enthalten Änderungen an Daten, die Datastream aus der Quelldatenbank in den Bucket streamt.
• Erstellen Sie Datasets in BigQuery. BigQuery verwendet Datasets, um die von Dataflow erhaltenen Daten zu speichern. Diese Daten stellen die Änderungen in der Quelldatenbank dar, die Datastream in den Cloud Storage-Bucket streamt.
• Erstellen und verwalten Sie Verbindungsprofile für eine Quelldatenbank und einen Ziel-Bucket in Cloud Storage. Ein Stream in Datastream verwendet die Informationen in den Verbindungsprofilen, um Daten aus der Quelldatenbank in den Bucket zu übertragen.
• Stream erstellen und starten. Dieser Stream überträgt Daten, Schemas und Tabellen aus der Quelldatenbank in den Bucket.
• Prüfen Sie, ob Datastream die mit einem Schema der Quelldatenbank verknüpften Daten und Tabellen in den Bucket überträgt.
• Job in Dataflow erstellen. Nachdem Datastream Datenänderungen aus der Quelldatenbank in den Cloud Storage-Bucket gestreamt hat, werden Benachrichtigungen über neue Dateien mit den Änderungen an Dataflow gesendet. Der Dataflow-Job verarbeitet die Dateien und überträgt die Änderungen in BigQuery.
• Dataflow muss die Dateien verarbeitet, die die mit diesen Daten verbundenen Änderungen enthalten, und die Änderungen in BigQuery übertragen. Deshalb haben Sie eine durchgängige Integration zwischen Datastream und BigQuery.
• Bereinigen Sie die Ressourcen, die Sie in Datastream, Cloud Storage, Pub/Sub, Dataflow und BigQuery erstellt haben, damit sie keine kostenpflichtigen Kontingente verbrauchen.

Kosten

In diesem Dokument verwenden Sie die folgenden kostenpflichtigen Komponenten von Google Cloud:

• Datastream
• Cloud Storage
• Pub/Sub
• Dataflow
• BigQuery

Mit dem Preisrechner können Sie eine Kostenschätzung für Ihre voraussichtliche Nutzung vornehmen. Neuen Google Cloud-Nutzern steht möglicherweise eine kostenlose Testversion zur Verfügung.

Hinweise

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

5. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

6. Aktivieren Sie die Datastream API.

   API aktivieren

7. Achten Sie darauf, dass Ihrem Nutzerkonto die Rolle „Datastream-Administrator“ zugewiesen ist.

   Zur IAM-Seite

8. Sie benötigen eine MySQL-Quelldatenbank, auf die Datastream zugreifen kann. Prüfen Sie außerdem, ob die Datenbank Daten, Tabellen und Schemas enthält.
9. Konfigurieren Sie Ihre MySQL-Datenbank so, dass eingehende Verbindungen von öffentlichen Datastream-IP-Adressen zugelassen werden. Eine Liste aller Datastream-Regionen und der zugehörigen öffentlichen IP-Adressen finden Sie unter IP-Zulassungslisten und Regionen.
10. Richten Sie Change Data Capture (CDC) für die Quelldatenbank ein. Weitere Informationen finden Sie unter MySQL-Quelldatenbank konfigurieren.

11. Achten Sie darauf, dass alle Voraussetzungen erfüllt sind, um Pub/Sub-Benachrichtigungen für Cloud Storage zu aktivieren.

    In dieser Anleitung erstellen Sie einen Ziel-Bucket in Cloud Storage und aktivieren Pub/Sub-Benachrichtigungen für den Bucket. Auf diese Weise kann Dataflow Benachrichtigungen über neue Dateien erhalten, die Datastream in den Bucket schreibt. Diese Dateien enthalten Änderungen an Daten, die Datastream aus der Quelldatenbank in den Bucket streamt.

Voraussetzungen

Datastream bietet eine Vielzahl von Quelloptionen, Zieloptionen und Netzwerkverbindungsmethoden.

Für diese Anleitung gehen wir davon aus, dass Sie eine eigenständige MySQL-Datenbank und einen Cloud Storage-Zieldienst verwenden. Für die Quelldatenbank sollten Sie Ihr Netzwerk so konfigurieren können, dass eine eingehende Firewallregel hinzugefügt wird. Die Quelldatenbank kann lokal oder bei einem Cloudanbieter bereitgestellt werden. Für das Cloud Storage-Ziel ist keine Verbindungskonfiguration erforderlich.

Da wir die Besonderheiten Ihrer Umgebung nicht kennen, können wir keine detaillierten Schritte in Bezug auf Ihre Netzwerkkonfiguration anbieten.

In dieser Anleitung wählen Sie als Methode zur Netzwerkverbindung die Option Zulassungsliste für IP-Adressen aus. IP-Zulassungslisten sind eine Sicherheitsfunktion, mit der der Zugriff auf die Daten in Ihrer Quelldatenbank häufig auf vertrauenswürdige Nutzer beschränkt und gesteuert wird. Sie können IP-Zulassungslisten verwenden, um Listen mit vertrauenswürdigen IP-Adressen oder IP-Bereichen zu erstellen, von denen Ihre Nutzer und andere Google Cloud-Dienste wie Datastream auf diese Daten zugreifen können. Damit Sie IP-Zulassungslisten verwenden können, müssen Sie die Quelldatenbank oder Firewall für eingehende Verbindungen von Datastream öffnen.

Erstellen Sie einen Bucket in Cloud Storage

Erstellen Sie einen Ziel-Bucket in Cloud Storage, in den Datastream Schemas, Tabellen und Daten aus einer MySQL-Quelldatenbank streamt.

1. Rufen Sie in der Google Cloud Console die Seite Browser für Cloud Storage auf.

   Zur Seite "Browser"

2. Klicken Sie auf Bucket erstellen. Die Seite Bucket erstellen wird angezeigt.

3. Geben Sie im Textfeld des Bereichs Bucket benennen einen eindeutigen Namen für den Bucket ein und klicken Sie dann auf Weiter.

4. Übernehmen Sie für jede verbleibende Region der Seite die Standardeinstellungen. Klicken Sie am Ende jeder Region auf Weiter.

5. Klicken Sie auf Erstellen.

Pub/Sub-Benachrichtigungen für den Cloud Storage-Bucket aktivieren

In diesem Abschnitt aktivieren Sie Pub/Sub-Benachrichtigungen für den von Ihnen erstellten Cloud Storage-Bucket. Damit konfigurieren Sie den Bucket so, dass Dataflow über alle neuen Dateien benachrichtigt wird, die Datastream in den Bucket schreibt. Diese Dateien enthalten Änderungen an Daten, die Datastream aus einer MySQL-Quelldatenbank in den Bucket streamt.

Bevor Sie Benachrichtigungen für Ihren Bucket aktivieren, müssen alle Voraussetzungen erfüllt sein.

1. Rufen Sie den von Ihnen erstellten Cloud Storage-Bucket auf. Die Seite Bucket-Details wird angezeigt.

2. Klicken Sie auf Cloud Shell aktivieren.

3. Geben Sie bei der Eingabeaufforderung folgenden Befehl ein:

   gcloud storage buckets notifications create gs://bucket-name --topic=my_integration_notifs --payload-format=json --object-prefix=integration/tutorial/

   bucket-name ist ein Platzhalter für den Namen Ihres Cloud Storage-Buckets.

   Durch Eingabe dieses Befehls erstellen Sie in Pub/Sub das Thema my_integration_notifs. Außerdem konfigurieren Sie die Pub/Sub-Benachrichtigungen so, dass nur der Datastream-Ausgabepfad überwacht wird, den Sie im Schritt Zielverbindungsprofil für Cloud Storage erstellen definieren. Später in diesem Verfahren konfigurieren Sie dieses Thema in Pub/Sub so, dass Benachrichtigungen über Änderungen an Daten an Dataflow gesendet werden, die Datastream in Ihren Cloud Storage-Bucket streamt.

   Das Pub/Sub-Thema erfasst alle Änderungen an diesen Daten. Alle Abonnenten dieses Themas (z. B. Dataflow) erhalten diese Informationen.

4. Optional: Wenn das Fenster Cloud Shell autorisieren angezeigt wird, klicken Sie auf Autorisieren.

5. Prüfen Sie, ob die folgenden Codezeilen angezeigt werden:

   Created Cloud Pub/Sub topic projects/project-name/topics/my_integration_notifs
   Created notification config projects/_/buckets/bucket-name/notificationConfigs/1
   

   project-name ist ein Platzhalter für den Namen Ihres Google Cloud-Projekts.

6. Rufen Sie in der Google Cloud Console die Seite Themen für Pub/Sub auf.

   Zur Seite "Themen"

7. Klicken Sie auf das von Ihnen erstellte Thema my_integration_notifs.

8. Scrollen Sie auf der Seite my_integration_notifs nach unten. Prüfen Sie, ob der Tab Abos aktiv ist und die Meldung Keine Abos vorhanden angezeigt wird.

   Sie erstellen ein Abo für das Thema my_integration_notifs. Anwendungen, die dieses Abo abonnieren, z. B. Dataflow, können die Informationen im Thema abrufen. Diese Informationen sind mit Änderungen an Daten in der Quelldatenbank verbunden, die Datastream in Ihren Cloud Storage-Bucket streamt.

9. Klicken Sie auf Abo erstellen.

10. Wählen Sie im eingeblendeten Menü die Option Abo erstellen aus.

11. Führen Sie auf der Seite Abo zum Thema hinzufügen die folgenden Schritte aus:

    1. Geben Sie im Feld Abo-ID den Wert my_integration_notifs_sub ein.
    2. Legen Sie den Wert für die Bestätigungsfrist auf 120 Sekunden fest. So hat Dataflow genügend Zeit, die verarbeiteten Dateien zu bestätigen, und trägt dazu bei, die Gesamtleistung des Dataflow-Jobs zu verbessern. Weitere Informationen zu Pub/Sub-Abo-Attributen finden Sie unter Abo-Attribute.
    3. Übernehmen Sie alle anderen Standardwerte auf der Seite.
    4. Klicken Sie auf Erstellen.

Später in dieser Anleitung erstellen Sie einen Dataflow-Job. Beim Erstellen dieses Jobs weisen Sie Dataflow als Abonnent des Abos my_integration_notifs_sub zu. Auf diese Weise kann Dataflow Benachrichtigungen über neue Dateien erhalten, die Datastream in den Cloud Storage schreibt, die Dateien verarbeiten und die Datenänderungen in BigQuery übertragen.

Datasets in BigQuery erstellen

In diesem Abschnitt erstellen Sie Datasets in BigQuery. BigQuery verwendet Datasets, um die von Dataflow erhaltenen Daten zu speichern. Diese Daten stellen die Änderungen in der MySQL-Quelldatenbank dar, die Datastream in Ihren Cloud Storage-Bucket streamt.

1. Rufen Sie in der Google Cloud Console die Seite SQL-Arbeitsbereich für BigQuery auf.

   Zur Seite „SQL-Arbeitsbereich“

2. Klicken Sie im Bereich Explorer neben dem Namen Ihres Google Cloud-Projekts auf  Aktionen ansehen.

3. Wählen Sie im eingeblendeten Menü die Option Dataset erstellen aus.

4. Gehen Sie im Fenster Dataset erstellen so vor:

   1. Geben Sie im Feld Dataset-ID eine ID für das Dataset ein. Geben Sie für diese Anleitung My_integration_dataset_log in das Feld ein.
   2. Lassen Sie alle anderen Standardwerte im Fenster stehen.
   3. Klicken Sie auf Dataset erstellen.
   Dataflow verwendet das Dataset My_integration_dataset_log für das Staging der Datenänderungen, die von Datastream empfangen werden.

5. Klicken Sie im Bereich Explorer neben dem Namen Ihres Google Cloud-Projekts auf Knoten maximieren und prüfen Sie, ob das von Ihnen erstellte Dataset angezeigt wird.

6. Führen Sie die Schritte in dieser Anleitung aus, um ein zweites Dataset zu erstellen: My_integration_dataset_final.

   Die Änderungen, die im Dataset My_integration_dataset_log bereitgestellt werden, werden mit dem Dataset My_integration_dataset_final zusammengeführt, um ein 1:1-Replikat der Tabellen in der Quelldatenbank zu erstellen.

7. Maximieren Sie neben jedem Dataset  Knoten maximieren.

8. Prüfen Sie, ob jedes Dataset leer ist.

Nachdem Datastream Datenänderungen aus der Quelldatenbank in Ihren Cloud Storage-Bucket gestreamt hat, verarbeitet ein Dataflow-Job die Dateien mit den Änderungen und überträgt sie in die BigQuery-Datasets.

Verbindungsprofile in Datastream erstellen

In diesem Abschnitt erstellen Sie in Datastream Verbindungsprofile für eine Quelldatenbank und ein Ziel. Beim Erstellen der Verbindungsprofile wählen Sie MySQL als Profiltyp für das Quellverbindungsprofil und Cloud Storage als Profiltyp für das Zielverbindungsprofil aus.

Datastream verwendet die in den Verbindungsprofilen definierten Informationen, um eine Verbindung zur Quelle und zum Ziel herzustellen, damit Daten aus der Quelldatenbank in Ihren Ziel-Bucket in Cloud Storage gestreamt werden können.

Quellverbindungsprofil für Ihre MySQL-Datenbank erstellen

1. Rufen Sie in der Google Cloud Console die Seite Verbindungsprofile für Datastream auf.

   Zur Seite „Verbindungsprofile“

2. Klicken Sie auf Profil erstellen.

3. Wenn Sie ein Quellverbindungsprofil für Ihre MySQL-Datenbank erstellen möchten, klicken Sie auf der Seite Verbindungsprofil erstellen auf den Profiltyp MySQL.

4. Geben Sie auf der Seite MySQL-Profil erstellen im Abschnitt Verbindungseinstellungen definieren die folgenden Informationen an:

   • Geben Sie im Feld Name des Verbindungsprofils My Source Connection Profile ein.
   • Behalten Sie die automatisch generierte Verbindungsprofil-ID bei.

   • Wählen Sie die Region aus, in der Sie das Verbindungsprofil speichern möchten.

     Verbindungsprofile werden wie alle Ressourcen in einer Region gespeichert und ein Stream kann nur Verbindungsprofile verwenden, die in derselben Region wie der Stream gespeichert sind. Die Auswahl einer Region hat keinen Einfluss darauf, ob Datastream eine Verbindung zur Quelle oder dem Ziel herstellen kann. Die Auswahl kann jedoch die Verfügbarkeit beeinflussen, wenn die Region ausfällt.

   • Geben Sie Verbindungsdetails ein:

     • Geben Sie im Feld Hostname oder IP-Adresse einen Hostnamen oder eine öffentliche IP-Adresse ein, mit dem Datastream eine Verbindung zur Quelldatenbank herstellen kann. Sie geben eine öffentliche IP-Adresse an, weil Sie für diese Anleitung IP-Zulassungsliste als Netzwerkverbindungsmethode verwenden.
     • Geben Sie in das Feld Port die Portnummer ein, die für die Quelldatenbank reserviert ist. Bei einer MySQL-Datenbank ist der Standardport normalerweise 3306.
     • Geben Sie einen Nutzernamen und ein Passwort ein, um sich bei Ihrer Quelldatenbank zu authentifizieren.

5. Klicken Sie im Bereich Define connection settings (Verbindungseinstellungen definieren) auf Continue (Weiter). Der Abschnitt Verbindung mit Ihrer Quelle sichern auf der Seite MySQL-Profil erstellen ist aktiv.

6. Wählen Sie im Menü Verschlüsselungstyp die Option Keine aus. Weitere Informationen zu diesem Menü finden Sie unter Verbindungsprofil für MySQL-Datenbank erstellen.

7. Klicken Sie im Abschnitt Verbindung mit der Quelle sichern auf Weiter. Der Abschnitt Verbindungsmethode festlegen auf der Seite MySQL-Profil erstellen ist aktiv.

8. Wählen Sie im Drop-down-Menü Verbindungsmethode die Netzwerkmethode aus, mit der Sie eine Verbindung zwischen Datastream und der Quelldatenbank herstellen möchten. Wählen Sie für diese Anleitung als Verbindungsmethode IP-Zulassungsliste aus.

9. Konfigurieren Sie die Quelldatenbank so, dass eingehende Verbindungen von den öffentlichen Datastream-IP-Adressen zugelassen werden.

10. Klicken Sie im Abschnitt Verbindungsmethode definieren auf Weiter. Der Abschnitt Verbindungsprofil testen auf der Seite MySQL-Profil erstellen ist aktiv.

11. Klicken Sie auf Testen, um zu prüfen, ob die Quelldatenbank und Datastream miteinander kommunizieren können.

12. Prüfen Sie, ob der Status Test bestanden angezeigt wird.

    Wenn der Test fehlschlägt, können Sie das Problem an der entsprechenden Stelle des Ablaufs beheben und dann zum erneuten Test zurückkehren. Schritte zur Fehlerbehebung finden Sie auf der Seite Probleme diagnostizieren.

13. Klicken Sie auf Erstellen.

Zielverbindungsprofil für Cloud Storage erstellen

1. Rufen Sie in der Google Cloud Console die Seite Verbindungsprofile für Datastream auf.

   Zur Seite „Verbindungsprofile“

2. Klicken Sie auf Profil erstellen.

3. Wenn Sie ein Zielverbindungsprofil für Cloud Storage erstellen möchten, klicken Sie auf der Seite Verbindungsprofil erstellen auf den Profiltyp Cloud Storage.

4. Geben Sie auf der Seite Cloud Storage-Profil erstellen die folgenden Informationen an:

   • Geben Sie im Feld Name des Verbindungsprofils My Destination Connection Profile ein.
   • Behalten Sie die automatisch generierte Verbindungsprofil-ID bei.
   • Wählen Sie die Region aus, in der Sie das Verbindungsprofil speichern möchten.

   • Klicken Sie im Bereich Verbindungsdetails auf Durchsuchen, um den Cloud Storage-Bucket auszuwählen, den Sie zuvor in dieser Anleitung erstellt haben. Dies ist der Bucket, in den Datastream Daten aus der Quelldatenbank überträgt. Nachdem Sie Ihre Auswahl getroffen haben, klicken Sie auf Auswählen.

     Ihr Bucket wird im Feld Bucket-Name des Bereichs Verbindungsdetails angezeigt.

   • Geben Sie im Feld Pfadpräfix für das Verbindungsprofil ein Präfix für den Pfad an, der an den Bucket-Namen angehängt werden soll, wenn Datastream Daten an das Ziel streamt. Achten Sie darauf, dass Datastream Daten in einen Pfad innerhalb des Buckets und nicht in den Stammordner des Buckets schreibt. Verwenden Sie für diese Anleitung den Pfad, den Sie beim Konfigurieren der Pub/Sub-Benachrichtigung definiert haben. Geben Sie /integration/tutorial in das Feld ein.

5. Klicken Sie auf Erstellen.

Nachdem Sie ein Quellverbindungsprofil für Ihre MySQL-Datenbank und ein Zielverbindungsprofil für Cloud Storage erstellt haben, können Sie damit einen Stream erstellen.

Stream in Datastream erstellen

In diesem Abschnitt erstellen Sie einen Stream. Dieser Stream verwendet die Informationen in den Verbindungsprofilen, um Daten aus einer MySQL-Quelldatenbank in einen Ziel-Bucket in Cloud Storage zu übertragen.

Datastream bietet einen Einrichtungsassistenten, der Sie beim Erstellen eines Streams unterstützt. Dieser Assistent besteht aus sechs Bereichen: „Erste Schritte“, „Definieren“ und „Testquelle“, „Quelle konfigurieren“, „Ziel definieren“, „Ziel konfigurieren“ und „Überprüfen und erstellen. Folgen Sie der Anleitung in den folgenden Abschnitten, um die einzelnen Bereiche zu befüllen.

Einstellungen für den Stream festlegen

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie auf Stream erstellen.

3. Geben Sie auf der Seite Stream erstellen im Bereich Streamdetails definieren die folgenden Informationen an:

   • Geben Sie im Feld Streamname My Stream ein.
   • Behalten Sie die automatisch generierte Stream-ID bei.
   • Wählen Sie im Menü Region die Region aus, in der Sie Ihre Quell- und Zielverbindungsprofile erstellt haben.
   • Wählen Sie im Menü Quelltyp den Profiltyp MySQL aus.
   • Wählen Sie im Menü Zieltyp den Profiltyp Cloud Storage aus.

4. Prüfen Sie die erforderlichen Voraussetzungen, die automatisch generiert werden, um widerzuspiegeln, wie Ihre Umgebung für einen Stream vorbereitet sein muss. Diese Voraussetzungen können beispielsweise das Konfigurieren der Quelldatenbank und das Verbinden von Datastream mit dem Ziel-Bucket in Cloud Storage umfassen.

   Weitere Informationen zu diesen Voraussetzungen finden Sie unter MySQL-Quelldatenbank konfigurieren.

5. Klicken Sie auf Weiter. Der Bereich MySQL-Verbindungsprofil definieren der Seite Stream erstellen wird angezeigt.

Informationen zum Quellverbindungsprofil angeben

In diesem Abschnitt wählen Sie das Verbindungsprofil aus, das Sie für Ihre Quelldatenbank erstellt haben (das Quellverbindungsprofil). In dieser Anleitung ist das Mein Quellverbindungsprofil.

1. Wählen Sie im Menü Quellverbindungsprofil Ihr Quellverbindungsprofil für die MySQL-Datenbank aus.

2. Klicken Sie auf Test ausführen, um zu prüfen, ob die Quelldatenbank und Datastream miteinander kommunizieren können.

   Wenn der Test fehlschlägt, wird das mit dem Verbindungsprofil verknüpfte Problem angezeigt. Schritte zur Fehlerbehebung finden Sie auf der Seite Probleme diagnostizieren. Nehmen Sie die erforderlichen Änderungen vor, um das Problem zu beheben, und führen Sie den Test noch einmal durch.

3. Klicken Sie auf Weiter. Der Bereich Stream-Quelle konfigurieren der Seite Stream erstellen wird angezeigt.

Informationen zur Quelldatenbank für den Stream konfigurieren

In diesem Abschnitt konfigurieren Sie Informationen zur Quelldatenbank für den Stream. Dazu geben Sie die Tabellen und Schemas in der Quelldatenbank an, die Datastream:

• In das Ziel übertragen kann.
• Nicht in das Ziel übertragen darf.

Außerdem legen Sie fest, ob Datastream Verlaufsdaten als Backfill ausführt und laufende Änderungen in das Ziel oder nur Änderungen an den Daten streamt.

1. Verwenden Sie das Menü Aufzunehmende Objekte, um die Tabellen und Schemata in Ihrer Quelldatenbank anzugeben, die Datastream in einen Ordner im Ziel-Bucket in Cloud Storage übertragen kann. Das Menü wird nur geladen,wenn Ihre Datenbank bis zu 5.000 Objekte enthält.

   In dieser Anleitung soll Datastream alle Tabellen und Schemas übertragen. Wählen Sie daher im Menü die Option Alle Tabellen aus allen Schemas aus.

2. Achten Sie darauf, dass im Bereich Auszuschließende Objekte auswählen die Option Keine festgelegt ist. Sie möchten Datastream nicht daran hindern, Tabellen und Schemata aus Ihrer Quelldatenbank nach Cloud Storage zu übertragen.

3. Prüfen Sie, ob der Bereich Backfill-Modus für Verlaufsdaten auswählen auf Automatisch eingestellt ist. Datastream streamt alle vorhandenen Daten sowie Änderungen an den Daten von der Quelle in das Ziel.

4. Klicken Sie auf Weiter. Der Bereich Cloud Storage-Verbindungsprofil definieren der Seite Stream erstellen wird angezeigt.

Zielverbindungsprofil auswählen

In diesem Abschnitt wählen Sie das Verbindungsprofil aus, das Sie für Cloud Storage erstellt haben (das Zielverbindungsprofil). In dieser Anleitung ist dies My Destination Connection Profile.

1. Wählen Sie im Menü Zielverbindungsprofil Ihr Zielverbindungsprofil für Cloud Storage aus.

2. Klicken Sie auf Weiter. Der Bereich Stream-Ziel konfigurieren der Seite Stream erstellen wird angezeigt.

Informationen zum Ziel für den Stream konfigurieren

In diesem Abschnitt konfigurieren Sie Informationen zum Ziel-Bucket für den Stream. Zu diesen Daten gehören:

• Das Ausgabeformat der in Cloud Storage geschriebenen Dateien.
• Der Ordner des Ziel-Buckets, in den Datastream Schemas, Tabellen und Daten aus der Quelldatenbank überträgt.

1. Wählen Sie im Feld Ausgabeformat das Format der in Cloud Storage geschriebenen Dateien aus. Datastream unterstützt zwei Ausgabeformate: Avro und JSON. In dieser Anleitung ist Avro das Dateiformat.

   Das Feld Streampfadpräfix muss nicht ausgefüllt werden. In diesem Feld können Sie ein Präfix für den Pfad angeben, der an Ihren Bucket-Namen angehängt wird, wenn Datastream Daten an das Ziel überträgt. Dies ist der Pfad Ihres Cloud Storage-Bucket, in den Datastream Schemas, Tabellen und Daten aus einer MySQL-Quelldatenbank überträgt.

   Sie haben bereits den Pfad von /integration/tutorial angegeben, als Sie das Zielverbindungsprofil für Cloud Storage erstellt haben.

2. Klicken Sie auf Weiter. Der Bereich Stream-Details prüfen und erstellen der Seite Stream erstellen wird angezeigt.

Stream erstellen

1. Überprüfen Sie die Details zum Stream sowie die Quell- und Zielverbindungsprofile, die der Stream zum Übertragen von Daten aus einer MySQL-Quelldatenbank in einen Ziel-Bucket in Cloud Storage verwendet.

2. Klicken Sie auf Validierung ausführen, um den Stream zu validieren. Bei der Validierung eines Streams prüft Datastream, ob die Quelle richtig konfiguriert ist, ob der Stream eine Verbindung zur Quelle und zum Ziel herstellen kann und ob die End-to-End-Konfiguration des Streams stimmt.

   Wenn eine Validierungsprüfung bestanden wird, wird ein Häkchensymbol angezeigt.

   Wenn eine Validierungsprüfung nicht bestanden wird, erscheint ein Ausrufezeichen und die Schaltfläche Fehlerdetails ansehen. Klicken Sie auf die Schaltfläche. Es wird ein Pop-up-Fenster angezeigt, in dem erläutert wird, warum die Prüfung nicht bestanden wurde. Außerdem erfahren Sie, wie Sie das Problem beheben können. Nachdem Sie die entsprechenden Korrekturen vorgenommen haben, klicken Sie auf ERNEUT PRÜFEN.

   Weitere Informationen zur Fehlerbehebung bei nicht bestandenen Validierungsprüfungen finden Sie unter Probleme diagnostizieren.

3. Wenn alle Validierungsprüfungen erfolgreich waren, klicken Sie auf Erstellen.

4. Klicken Sie im Dialogfeld Stream erstellen? auf Erstellen.

Stream starten

In dieser Anleitung erstellen und starten Sie einen Stream separat, für den Fall, dass der Stream-Erstellungsprozess eine erhöhte Belastung Ihrer Quelldatenbank verursacht. Um diesen Ladevorgang auszugleichen, erstellen Sie den Stream, ohne ihn zu starten. Dann starten Sie den Stream, wenn die Last von Ihrer Datenbank verarbeitet werden kann.

Durch das Starten des Streams kann Datastream Daten, Schemas und Tabellen von der Quelldatenbank zum Ziel übertragen.

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie das Kästchen neben dem Stream an, den Sie starten möchten. In dieser Anleitung ist dies Mein Stream.

3. Klicken Sie auf Start.

4. Klicken Sie im Dialogfeld auf Starten. Der Status des Streams ändert sich von Not started in Starting in Running.

   Es dauert etwa 30 Sekunden, bis der Stream ausgeführt wird. Hintergrundressourcen müssen gestartet werden, damit der Stream gestartet werden kann.

Nachdem Sie einen Stream gestartet haben, können Sie überprüfen, ob Datastream Daten aus der Quelldatenbank zum Ziel übertragen hat.

Stream prüfen

In diesem Abschnitt bestätigen Sie, dass Datastream die Daten aus allen Tabellen einer MySQL-Quelldatenbank in den Ordner /integration/tutorial Ihres Cloud Storage-Ziel-Buckets überträgt.

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie auf den Stream, den Sie erstellt haben. In dieser Anleitung ist dies Mein Stream.

3. Klicken Sie auf der Seite Stream-Details auf den Link bucket-name/integration/tutorial, wobei bucket-name der Name ist, den Sie dem Cloud Storage-Bucket gegeben haben. Dieser Link wird nach dem Feld Destination write path (Zielschreibpfad) angezeigt. Die Seite Bucket-Details von Cloud Storage wird in einem separaten Tab geöffnet.

   Der Link besteht aus dem Namen Ihres Buckets und dem Ordner Ihres Buckets, in den Datastream Schemas, Tabellen und Daten aus der Quelldatenbank überträgt. Sie haben diesen Ordner als /integration/tutorial angegeben, als Sie das Zielverbindungsprofil für Cloud Storage erstellt haben.

4. Prüfen Sie, ob die Ordner angezeigt werden, die Tabellen der Quelldatenbank darstellen.

5. Klicken Sie auf einen der Tabellenordner und anschließend auf die einzelnen Unterordner, bis Sie die mit der Tabelle verknüpften Daten sehen.

   Der erste Ordner ist [schema]_[table], gefolgt von Ordnern, die das Jahr, den Monat, den Tag, die Stunde und die Minute darstellen, in denen Datastream Daten aus der Quelldatenbank in einen Ziel-Bucket in Cloud Storage übertragen hat.

   Ein Ordner wird jede Minute erstellt, wenn neue Daten zum Schreiben vorhanden sind.

   Eine neue Datei wird erstellt, wenn die Datei 250 MB erreicht oder sich ein Schema ändert. Wenn die Tabellen partitioniert sind, werden für jede Partition Dateien erstellt.

Dataflow-Job erstellen

In diesem Abschnitt erstellen Sie einen Job in Dataflow. Nachdem Datastream Datenänderungen aus einer MySQL-Quelldatenbank in Ihren Cloud Storage-Bucket gestreamt hat, sendet Pub/Sub Benachrichtigungen über neue Dateien mit den Änderungen an Dataflow. Der Dataflow-Job verarbeitet die Dateien und überträgt die Änderungen in BigQuery.

1. Rufen Sie in der Google Cloud Console die Seite Jobs für Dataflow auf.

   Zur Seite „Jobs“

2. Klicken Sie auf Job aus Vorlage erstellen.

3. Geben Sie auf der Seite Job aus Vorlage erstellen im Feld Jobname einen Namen für den Dataflow-Job ein, den Sie erstellen. Geben Sie für diese Anleitung my-dataflow-integration-job in das Feld ein.

4. Wählen Sie im Menü Regionaler Endpunkt die Region aus, in der Sie den Job speichern möchten. Dies ist dieselbe Region, die Sie für das Quellverbindungsprofil, das Zielverbindungsprofil und den Stream, den Sie erstellt haben, ausgewählt haben.

5. Wählen Sie im Menü Dataflow-Vorlage die Vorlage aus, die Sie zum Erstellen des Jobs verwenden. Wählen Sie für diese Anleitung Datastream zu BigQuery aus.

   Nachdem Sie diese Auswahl getroffen haben, werden zusätzliche Felder angezeigt, die sich auf diese Vorlage beziehen.

   Die Vorlage „Datastream zu BigQuery“ ist eine Streamingpipeline, die Datastream-Daten liest und in BigQuery repliziert. Die Vorlage liest Daten aus Cloud Storage mithilfe von Pub/Sub-Benachrichtigungen und repliziert sie in eine nach der Zeit partitionierte BigQuery-Staging-Tabelle. Nach der Replikation führt die Vorlage einen Merge-Vorgang in BigQuery aus, um alle CDC-Änderungen (Change Data Capture) in ein Replikat der Quelltabelle einzufügen bzw. dort zu aktualisieren.

   Damit die Kosten für häufige Merge-Vorgänge minimiert werden, sollten Sie mit einer anfänglichen Häufigkeit von einmal alle 6 bis 12 Stunden beginnen. Wenn alle Backfills abgeschlossen sind und die Daten reibungslos repliziert werden, reduzieren Sie diesen Wert auf die gewünschte Häufigkeit.

   Weitere Informationen zur Vorlage „Datastream zu BigQuery“ finden Sie unter Datenstrom zu BigQuery (Stream).

6. Geben Sie im Feld Dateispeicherort für Datastream-Dateiausgabe in Cloud Storage den Namen Ihres Cloud Storage-Buckets im folgenden Format ein: gs://bucket-name.

7. Geben Sie in das Feld Pub/Sub-Abo, das in einer Cloud Storage-Benachrichtigungsrichtlinie verwendet wird den Pfad ein, der den Namen Ihres Pub/Sub-Abos enthält. Geben Sie für diese Anleitung projects/project-name/subscriptions/my_integration_notifs_sub ein.

   project-name ist ein Platzhalter für den Namen Ihres Google Cloud-Projekts. Außerdem haben Sie im Abschnitt Pub/Sub-Benachrichtigungen für den Cloud Storage-Bucket aktivieren dieser Anleitung das Abo my_integration_notifs_sub erstellt.

8. Geben Sie avro in das Feld Ausgabedateiformat von Datastream (avro/json). ein, da Avro in dieser Anleitung das Dateiformat der Dateien ist, die Datastream in Cloud Storage schreibt.

9. Geben Sie in das Feld Name oder Vorlage für das Dataset, das Staging-Tabellen enthalten soll, My_integration_dataset_log ein, da Dataflow dieses Dataset für die Bereitstellung der Datenänderungen verwenden wird, die es von Datastream erhält.

10. Geben Sie im Feld Vorlage für das Dataset, das Replikattabellen enthält. den Wert My_integration_dataset_final ein. In diesem Dataset werden die im Dataset My_integration_dataset_log bereitgestellten Änderungen zusammengeführt, um ein 1:1-Replikat der Tabellen in der Quelldatenbank zu erstellen.

    Sie haben die Datasets My_integration_dataset_log und My_integration_dataset_final im Abschnitt Datasets in BigQuery erstellen dieser Anleitung erstellt.

11. Geben Sie im Feld Verzeichnis für unzustellbare Nachrichten den Pfad mit dem Namen Ihres Cloud Storage-Bucket und eines Ordners für die Dead-Letter-Warteschlange ein. Verwenden Sie keinen Pfad im Stammverzeichnis und achten Sie darauf, dass der Pfad sich von dem unterscheidet, in den Datastream Daten schreibt. Alle Datenänderungen, die Dataflow nicht in BigQuery übertragen kann, werden in der Warteschlange gespeichert. Sie können den Inhalt der Warteschlange korrigieren, damit Dataflow ihn noch einmal verarbeiten kann.

    Geben Sie für diese Anleitung in das Feld Dead-Letter-Warteschlangenverzeichnis gs://bucket-name/dlq ein, wobei bucket-name der Name Ihres Buckets und dlq der Ordner für die Dead-Letter-Warteschlange ist.

12. Klicken Sie auf Job ausführen.

Es kann einige Minuten dauern, bis Ihr Dataflow-Job ausgeführt wird. Hintergrundressourcen müssen ausgeführt werden. Außerdem muss der Job die Dateien mit den Datenänderungen verarbeiten, die er von Cloud Storage empfängt, bevor er diese Änderungen in BigQuery übertragen kann.

Integration prüfen

Im Abschnitt Stream prüfen dieser Anleitung haben Sie bestätigt, dass Datastream die Daten aus allen Tabellen einer MySQL-Quelldatenbank in den Ordner /integration/tutorial Ihres Cloud Storage-Ziel-Buckets übertragen hat.

In diesem Abschnitt überprüfen Sie, ob Dataflow die Dateien verarbeitet, die die mit diesen Daten verbundenen Änderungen enthalten, und die Änderungen in BigQuery überträgt. Deshalb haben Sie eine durchgängige Integration zwischen Datastream und BigQuery.

1. Rufen Sie in der Google Cloud Console die Seite SQL-Arbeitsbereich für BigQuery auf.

   Zur Seite „SQL-Arbeitsbereich“

2. Maximieren Sie im Bereich Explorer den Knoten neben dem Namen Ihres Google Cloud-Projekts.

3. Maximieren Sie die Knoten neben den Datasets My_integration_dataset_log und My_integration_dataset_final.

4. Prüfen Sie, ob jedes Dataset nun Daten enthält. Dies bestätigt, dass Dataflow die Dateien mit den Änderungen, die mit den von Datastream in Cloud Storage gestreamten Daten verbunden sind, verarbeitet und diese Änderungen in BigQuery übertragen hat.

Bereinigen

So vermeiden Sie, dass Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden:

• Löschen Sie Ihr Projekt, Ihren Datastream-Stream und Ihre Datastream-Verbindungsprofile.
• Beenden Sie den Dataflow-Job.
• Löschen Sie die BigQuery-Datasets, das Pub/Sub-Thema und -Abo und den Cloud Storage-Bucket.

Wenn Sie die Ressourcen bereinigen, die Sie in Datastream, Dataflow, BigQuery, Pub/Sub und Cloud Storage erstellt haben, werden diese keine Kontingente mehr beanspruchen und Ihnen in Zukunft nicht in Rechnung gestellt.

Projekt löschen

Am einfachsten vermeiden Sie weitere Kosten durch Löschen des für diese Anleitung erstellten Projekts.

Das Löschen von Projekten hat folgende Auswirkungen:

• Alle Inhalte des Projekts werden gelöscht. Wenn Sie für diese Anleitung ein bereits bestehendes Projekt verwendet haben, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
• Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID nutzen, z. B. die appspot.com-URL, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, statt das gesamte Projekt.

Wenn Sie mehrere Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, wenn Sie Projekte wiederverwenden.

1. Wechseln Sie in der Google Cloud Console zur Seite Ressourcen verwalten.

   Zur Seite "Ressourcen verwalten"

2. Wählen Sie in der Projektliste das Projekt aus, das Sie löschen möchten, und klicken Sie auf Löschen.

3. Wenn Sie das Projekt löschen möchten, geben Sie im Dialogfeld die Projekt-ID ein und klicken Sie auf Beenden.

Stream löschen

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie auf den Stream, den Sie löschen möchten. In dieser Anleitung ist dies Mein Stream.

3. Klicken Sie auf Pausieren.

4. Klicken Sie im Dialogfeld auf Pausieren.

5. Prüfen Sie im Bereich Streamstatus der Seite Stream-Details, ob der Status des Streams Paused ist.

   Sie pausieren den Stream, bevor Sie ihn löschen, damit alle laufenden Datenübertragungen von der Quelldatenbank zum Ziel übertragen werden.

6. Klicken Sie auf Löschen.

7. Geben Sie im Dialogfeld Delete ein und klicken Sie auf Löschen.

Verbindungsprofile löschen

1. Rufen Sie in der Google Cloud Console die Seite Verbindungsprofile für Datastream auf.

   Zur Seite „Verbindungsprofile“

2. Aktivieren Sie die Kästchen für jedes Verbindungsprofil, das Sie löschen möchten: Mein Quellverbindungsprofil und Mein Zielverbindungsprofil.

3. Klicken Sie auf Löschen.

4. Klicken Sie im Dialogfeld auf Löschen.

Dataflow-Job beenden

Sie können einen Job in Dataflow nicht löschen. Sie können einen Job jedoch beenden, damit er keine Dateien mehr verarbeitet, die Datenänderungen enthalten, die in den Cloud Storage-Bucket gestreamt werden, oder die Datenänderungen in BigQuery übertragen.

1. Rufen Sie in der Google Cloud Console die Seite Jobs für Dataflow auf.

   Zur Seite „Jobs“

2. Klicken Sie auf den Job, den Sie beenden möchten. In dieser Anleitung ist dies my-dataflow-integration-job.

3. Klicken Sie auf Beenden.

4. Wählen Sie im Dialogfeld Job beenden die Option Per Drain beenden aus und klicken Sie dann auf Job beenden.

   Dataflow beendet die Verarbeitung verbleibender zwischengespeicherter Daten, sodass alle In-Flight-Daten bevor der Job beendet wird.

BigQuery-Datasets löschen

1. Rufen Sie in der Google Cloud Console die Seite SQL-Arbeitsbereich für BigQuery auf.

   Zur Seite „SQL-Arbeitsbereich“

2. Maximieren Sie im Bereich Explorer den Knoten neben dem Namen Ihres Google Cloud-Projekts.

3. Klicken Sie rechts neben einem der Datasets, die Sie unter Datasets in BigQuery erstellen erstellt haben, auf die Schaltfläche Aktionen aufrufen. Diese Schaltfläche sieht wie eine vertikale Ellipse aus.

   Klicken Sie für diese Anleitung rechts neben My_integration_dataset_log auf die Schaltfläche Aktionen aufrufen.

4. Wählen Sie aus dem Drop-down-Menü Löschen aus.

5. Geben Sie im Dialogfeld Dataset löschen? den Wert delete in das Textfeld ein und klicken Sie auf Löschen.

6. Wiederholen Sie die Schritte in dieser Anleitung, um das zweite von Ihnen erstellte Dataset zu löschen: My_integration_dataset_final.

Pub/Sub-Abo und -Thema löschen

1. Rufen Sie in der Google Cloud Console die Seite Abos für Pub/Sub auf.

   Zur Seite "Abos"

2. Klicken Sie auf das Kästchen neben dem Abo, das Sie löschen möchten. Klicken Sie für diese Anleitung auf das Kästchen neben dem Abo my_integration_notifs_sub.

3. Klicken Sie auf Löschen.

4. Klicken Sie im Dialogfeld Abo löschen auf Löschen.

5. Rufen Sie in der Google Cloud Console die Seite Themen für Pub/Sub auf.

   Zur Seite "Themen"

6. Klicken Sie auf das Kästchen neben dem Thema my_integration_notifs.

7. Klicken Sie auf Löschen.

8. Geben Sie im Dialogfeld Thema löschen den Wert delete in das Textfeld ein und klicken Sie auf Löschen.

Cloud Storage-Bucket löschen

1. Rufen Sie in der Google Cloud Console die Seite Browser für Cloud Storage auf.

   Zur Seite "Browser"

2. Klicken Sie das Kästchen neben dem Bucket an.

3. Klicken Sie auf Löschen.

4. Geben Sie im Dialogfeld Delete in das Textfeld ein und klicken Sie dann auf Löschen.

Nächste Schritte

• Weitere Informationen zu Datastream
• Verwenden Sie die Legacy-Streaming-API, um erweiterte Funktionen für das Streaming von Daten in BigQuery auszuführen.
• Weitere Google Cloud-Features mit unseren Anleitungen testen