Mereplikasi data ke BigQuery nyaris secara real-time dengan Datastream

Pelajari cara mereplikasi data dari database sumber ke set data BigQuery menggunakan Datastream.

---

Jika ingin mengikuti panduan langkah demi langkah untuk tugas ini langsung di Konsol Google Cloud, klik Pandu saya:

Pandu saya

---

Sebelum memulai

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. Make sure that billing is enabled for your Google Cloud project.

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. Make sure that billing is enabled for your Google Cloud project.

6. Enable the Datastream API.

   Enable the API

7. Pastikan Anda memiliki peran Datastream Admin yang ditetapkan ke akun pengguna Anda.

   Buka halaman IAM

Jika ingin membuat konfigurasi konektivitas pribadi untuk jaringan VPC standar atau bersama, Anda harus menyelesaikan prasyarat tambahan. Untuk informasi selengkapnya, lihat Membuat konfigurasi konektivitas pribadi.

Persyaratan

Datastream menawarkan berbagai opsi sumber, opsi tujuan, dan metode konektivitas jaringan.

Dalam panduan memulai ini, kami mengasumsikan bahwa Anda mereplikasi data dari database Cloud SQL untuk PostgreSQL ke BigQuery. Untuk database sumber, Anda harus dapat mengonfigurasi instance database agar dapat menerima koneksi dari alamat IP publik Datastream.

Karena kami tidak dapat mengetahui secara spesifik lingkungan Anda, kami tidak dapat memberikan langkah-langkah mendetail mengenai konfigurasi jaringan Anda.

Untuk panduan memulai ini, Anda akan memilih IP allowlisting sebagai metode konektivitas jaringan. Daftar IP yang diizinkan adalah fitur keamanan yang sering digunakan untuk membatasi dan mengontrol akses ke data di database sumber Anda kepada pengguna tepercaya. Anda dapat menggunakan daftar IP yang diizinkan untuk membuat daftar alamat IP atau rentang IP terpercaya yang dapat digunakan oleh pengguna dan layanan Cloud lainnya seperti Datastream untuk mengakses data ini. Untuk menggunakan daftar IP yang diizinkan, Anda harus membuka database Cloud SQL sumber ke koneksi masuk dari Datastream.

Membuat profil koneksi

Dengan membuat profil koneksi, Anda menyimpan beberapa informasi dasar tentang sumber dan tujuan di Datastream. Kemudian, Anda dapat menggunakan kembali informasi ini di beberapa aliran.

Dalam panduan memulai ini, Anda akan memilih PostgreSQL sebagai jenis profil untuk profil koneksi sumber, dan BigQuery sebagai jenis profil untuk profil koneksi tujuan. Datastream menggunakan informasi dalam profil koneksi untuk terhubung ke database sumber dan ke BigQuery.

Membuat profil koneksi sumber untuk database PostgreSQL

1. Buka halaman Profil koneksi untuk Datastream di Google Cloud Konsol.

   Buka halaman Profil koneksi

2. Klik BUAT PROFIL.

3. Di halaman Create a connection profile, klik jenis profil PostgreSQL (karena Anda ingin membuat profil koneksi sumber untuk database PostgreSQL).

4. Berikan informasi berikut di bagian Tentukan setelan koneksi di halaman Buat profil PostgreSQL:

   • Masukkan My Source Connection Profile sebagai Nama profil koneksi untuk database sumber Anda.
   • Simpan ID profil koneksi yang dibuat secara otomatis.

   • Pilih Region tempat profil koneksi akan disimpan.

     Seperti halnya semua resource, profil koneksi disimpan di region, dan aliran data hanya dapat menggunakan profil koneksi yang disimpan di region yang sama dengan aliran data. Pemilihan region tidak memengaruhi apakah Datastream dapat terhubung ke sumber atau tujuan, tetapi dapat memengaruhi ketersediaan jika region mengalami periode nonaktif.

   • Masukkan Detail koneksi:

     • Di kolom Hostname or IP, masukkan nama host atau alamat IP publik yang dapat digunakan Datastream untuk terhubung ke database PostgreSQL sumber. Anda memberikan alamat IP publik karena daftar IP yang diizinkan akan digunakan sebagai metode konektivitas jaringan untuk memulai cepat ini.
     • Di kolom Port, masukkan nomor port yang dicadangkan untuk database sumber. Untuk database PostgreSQL, port default biasanya 5432.
     • Masukkan Username dan Password untuk mengautentikasi ke database sumber Anda.
     • Di kolom Database, masukkan nama yang mengidentifikasi instance database. Untuk database PostgreSQL, biasanya ini adalah postgres.

5. Di bagian Define connection settings, klik CONTINUE. Bagian Menentukan metode konektivitas di halaman Membuat profil PostgreSQL aktif.

6. Pilih metode jaringan yang ingin Anda gunakan untuk membangun konektivitas antara database sumber dan Datastream. Untuk panduan memulai ini, gunakan menu drop-down Metode konektivitas untuk memilih IP allowlisting sebagai metode jaringan.

7. Konfigurasikan database sumber Anda untuk mengizinkan koneksi masuk dari alamat IP publik Datastream yang muncul.

8. Di bagian Define connectivity method, klik CONTINUE. Bagian Uji profil koneksi di halaman Buat profil PostgreSQL aktif.

9. Klik RUN TEST untuk memverifikasi bahwa database PostgreSQL sumber dan Datastream dapat saling berkomunikasi.

10. Pastikan status "Pengujian lulus" muncul.

11. Jika pengujian gagal, Anda dapat mengatasi masalah tersebut di bagian alur yang sesuai, lalu kembali untuk menguji ulang. Lihat halaman Mendiagnosis masalah untuk mengetahui langkah-langkah pemecahan masalah.

12. Klik BUAT.

Membuat profil koneksi tujuan untuk BigQuery

1. Buka halaman Profil koneksi untuk Datastream di Google Cloud Konsol.

   Buka halaman Profil koneksi

2. Klik BUAT PROFIL.

3. Di halaman Create a connection profile, klik jenis profil BigQuery (karena Anda ingin membuat profil koneksi tujuan untuk BigQuery).

4. Berikan informasi berikut di halaman Buat profil BigQuery:

   • Masukkan My Destination Connection Profile sebagai Nama profil koneksi untuk layanan BigQuery tujuan Anda.
   • Simpan ID profil koneksi yang dibuat secara otomatis.
   • Pilih Region tempat profil koneksi akan disimpan.

5. Klik BUAT.

Setelah membuat profil koneksi sumber untuk database PostgreSQL dan profil koneksi tujuan untuk BigQuery, Anda dapat menggunakannya untuk membuat aliran data.

Membuat stream

Di bagian ini, Anda akan membuat aliran data untuk mereplikasi data dari database PostgreSQL sumber ke BigQuery.

Membuat streaming mencakup:

• Menentukan setelan untuk streaming.
• Memilih profil koneksi yang Anda buat untuk database sumber (profil koneksi sumber). Untuk panduan memulai ini, ini adalah Profil Koneksi Sumber Saya.
• Mengonfigurasi informasi tentang database sumber untuk aliran data dengan menentukan properti replikasi, serta tabel dan skema di database sumber yang ditransfer oleh Datastream:
  • Dapat ditransfer ke tujuan.
  • Dibatasi untuk ditransfer ke tujuan.
• Menentukan apakah Datastream akan mengisi ulang data historis, serta melakukan streaming perubahan yang sedang berlangsung ke tujuan, atau hanya melakukan streaming perubahan pada data.
• Memilih profil koneksi yang Anda buat untuk BigQuery (profil koneksi tujuan). Untuk panduan memulai ini, nama profilnya adalah Profil Koneksi Tujuan Saya.
• Mengonfigurasi informasi tentang tujuan untuk streaming, seperti mengonfigurasi set data BigQuery.
• Memvalidasi streaming.

Datastream dilengkapi dengan wizard untuk membantu Anda membuat aliran data. Wizard ini terdiri dari enam panel: Mulai, Menentukan & menguji sumber, Mengonfigurasi sumber, Menentukan tujuan, Mengonfigurasi tujuan, dan Meninjau & membuat. Informasi tentang cara mengisi setiap panel diberikan di berbagai bagian halaman ini.

Menentukan setelan untuk streaming

1. Buka halaman Aliran Data untuk Datastream di Google Cloud Konsol.

   Buka halaman Streams

2. Klik BUAT ARUS DATA.

3. Berikan informasi berikut di panel Define stream details di halaman Create stream:

   • Masukkan My Stream sebagai Nama aliran data.
   • Tetap gunakan ID Aliran Data yang dibuat secara otomatis.
   • Dari menu Region, pilih region tempat Anda membuat profil koneksi sumber.
   • Dari menu Jenis sumber, pilih jenis profil PostgreSQL.
   • Dari menu Destination type, pilih jenis profil BigQuery.

4. Tinjau prasyarat yang diperlukan yang dibuat secara otomatis guna mencerminkan cara lingkungan Anda harus disiapkan untuk streaming. Prasyarat ini mencakup cara mengonfigurasi database sumber dan cara mengonfigurasi BigQuery.

   Untuk mengetahui informasi selengkapnya tentang prasyarat ini, lihat Mengonfigurasi database PostgreSQL sumber.

5. Klik CONTINUE. Panel Define PostgreSQL connection profile di halaman Create stream akan muncul.

Menentukan informasi tentang profil koneksi sumber

1. Dari menu Source connection profile, pilih profil koneksi sumber untuk database PostgreSQL.

2. Klik RUN TEST untuk memverifikasi bahwa database sumber dan Datastream dapat saling berkomunikasi.

   Jika pengujian gagal, masalah yang terkait dengan profil koneksi akan muncul. Lihat halaman Mendiagnosis masalah untuk mengetahui langkah-langkah pemecahan masalah. Lakukan perubahan yang diperlukan untuk memperbaiki masalah, lalu uji ulang.

3. Klik CONTINUE. Panel Konfigurasi sumber aliran data di halaman Buat aliran data akan muncul.

Mengonfigurasi informasi tentang database sumber untuk aliran data

1. Berikan nama Slot replikasi dan Publikasi untuk database sumber Anda. Slot replikasi dan publikasi dibuat saat mengonfigurasi database PostgreSQL.

2. Gunakan menu Objects to include untuk menentukan tabel dan skema di database sumber yang akan direplikasi Datastream ke BigQuery. Menu hanya dimuat jika database Anda memiliki hingga 5.000 objek.

   Untuk panduan memulai ini, Anda ingin Datastream mentransfer semua tabel dan skema. Oleh karena itu, pilih Semua tabel dari semua skema dari menu.

   Untuk panduan memulai ini, pastikan panel Select objects to exclude disetel ke "None". Anda tidak ingin membatasi Datastream agar tidak mentransfer tabel dan skema apa pun di database sumber ke BigQuery.

   Selain itu, pastikan panel Pilih mode pengisian ulang untuk data historis disetel ke "Otomatis". Datastream akan melakukan streaming semua data yang ada, selain perubahan pada data, dari sumber ke tujuan.

3. Klik CONTINUE. Panel Tentukan profil koneksi BigQuery di halaman Buat aliran data akan muncul.

Memilih profil koneksi tujuan

1. Dari menu Destination connection profile, pilih profil koneksi tujuan untuk BigQuery.

2. Klik CONTINUE. Panel Konfigurasi tujuan aliran data di halaman Buat aliran data akan muncul.

Mengonfigurasi informasi tentang tujuan untuk aliran data

1. Pilih opsi Dataset for each schema, sehingga Datastream akan otomatis membuat set data di BigQuery untuk setiap skema di database sumber.

2. Pilih Jenis lokasi tempat set data akan dibuat di BigQuery. Meskipun lokasi ini tidak harus sama dengan region tempat aliran Datastream dibuat, sebaiknya simpan semua resource, serta set data, di region yang sama untuk pengoptimalan biaya dan performa.

3. Tetapkan Prefix ke quickstart-. Datastream akan menambahkan string ini ke awal setiap set data yang dibuatnya di BigQuery.

4. Biarkan nilai di Mode tulis streaming ditetapkan ke Gabungkan. Dengan cara ini, tabel di BigQuery tetap disinkronkan dengan sumber.

5. Biarkan nilai dalam menu drop-down Tentukan batas keusangan data ditetapkan ke 15 menit. BigQuery menggunakan nilai ini untuk menentukan seberapa usang data Anda saat dikueri.

6. Klik CONTINUE. Panel Tinjau detail aliran data dan buat di halaman Buat aliran data akan muncul.

Membuat aliran data

1. Verifikasi detail tentang aliran data serta profil koneksi sumber dan tujuan yang akan digunakan aliran data untuk mentransfer data dari database PostgreSQL sumber ke BigQuery.

2. Klik RUN VALIDATION untuk memvalidasi aliran data. Dengan memvalidasi streaming, Datastream akan memeriksa apakah sumber dikonfigurasi dengan benar, memvalidasi bahwa streaming dapat terhubung ke sumber dan tujuan, serta memverifikasi konfigurasi menyeluruh streaming.

   Jika pemeriksaan validasi lulus, ikon tanda centang akan muncul di sebelah kiri pemeriksaan validasi.

   Jika pemeriksaan validasi tidak lulus, ikon tanda seru akan muncul di sebelah kiri pemeriksaan, dan tombol LIHAT DETAIL ERROR akan muncul di bawah pemeriksaan. Klik tombol tersebut, dan jendela pop-up akan muncul, yang menjelaskan alasan pemeriksaan tidak lulus dan informasi tentang tindakan yang harus dilakukan untuk memperbaiki masalah tersebut. Setelah melakukan koreksi yang sesuai, klik VALIDASI ULANG.

   Untuk mengetahui informasi selengkapnya tentang pemecahan masalah pemeriksaan validasi yang tidak lulus, lihat Mendiagnosis masalah.

3. Setelah semua pemeriksaan validasi lulus, klik BUAT.

4. Di kotak dialog Buat aliran data?, klik BUAT.

Memulai streaming

Di bagian sebelumnya dalam panduan memulai, Anda telah membuat streaming, tetapi tidak memulainya. Anda dapat melakukannya sekarang.

Untuk memulai cepat ini, Anda membuat dan memulai aliran data secara terpisah jika proses pembuatan aliran data menyebabkan peningkatan beban pada database sumber. Untuk menunda beban tersebut, Anda membuat aliran data tanpa memulainya, lalu memulai aliran data saat beban dapat terjadi.

Dengan memulai streaming, Datastream dapat mentransfer data, skema, dan tabel dari database sumber ke tujuan.

1. Buka halaman Streams untuk Datastream di Google Cloud Konsol.

   Buka halaman Streams

2. Centang kotak di sebelah kiri streaming yang ingin Anda mulai. Untuk panduan memulai ini, nama channel-nya adalah My Stream.

3. Klik MULAI.

4. Dalam dialog, klik MULAI. Status streaming berubah dari Not started menjadi Starting menjadi Running.

   Perlu waktu sekitar 30 detik agar resource latar belakang dimulai sebelum status streaming berubah menjadi Running.

   Setelah memulai streaming, Anda dapat memverifikasi bahwa Datastream mentransfer data dari database sumber ke tujuan.

Memverifikasi streaming

Di bagian ini, Anda akan mengonfirmasi bahwa Datastream mentransfer data dari semua tabel database PostgreSQL sumber ke BigQuery.

1. Buka halaman Aliran Data untuk Datastream di Google Cloud Konsol.

   Buka halaman Streams

2. Klik streaming yang Anda buat. Untuk panduan memulai ini, nama channel-nya adalah My Stream.

3. Di halaman Detail aliran data, klik link yang muncul di bawah kolom Jalur tulis tujuan. BigQuery Studio akan terbuka di tab terpisah.

4. Pastikan Anda melihat set data dan tabel yang mewakili skema dan tabel database PostgreSQL sumber.

5. Klik salah satu tabel untuk melihat pratinjau data Anda.

Pembersihan

Agar akun Google Cloud Anda tidak dikenai biaya untuk resource yang digunakan di halaman ini, ikuti langkah-langkah berikut.

1. Gunakan konsol Google Cloud untuk menghapus project, streaming Datastream, profil koneksi, dan set data BigQuery Anda.

Dengan membersihkan resource yang Anda buat di Datastream, resource tersebut tidak akan menghabiskan kuota dan Anda tidak akan ditagih di masa mendatang. Bagian berikut menjelaskan cara menghapus atau menonaktifkan resource ini.

Menghapus project Anda

Cara termudah untuk menghilangkan penagihan adalah dengan menghapus project yang Anda buat untuk panduan memulai ini.

Menghapus project memiliki efek berikut:

• Semua hal dalam project akan dihapus. Jika menggunakan project yang sudah ada untuk panduan memulai ini, saat Anda menghapusnya, pekerjaan lain yang telah Anda lakukan dalam project tersebut juga akan terhapus.
• Project ID kustom hilang. Saat membuat project ini, Anda mungkin telah membuat project ID kustom yang masih ingin Anda gunakan pada masa mendatang. Untuk mempertahankan URL yang menggunakan project ID, seperti URL appspot.com, hapus resource yang dipilih di dalam project, bukan menghapus seluruh project.

Jika Anda berencana mempelajari beberapa tutorial dan panduan memulai, menggunakan kembali project dapat membantu Anda agar tidak melampaui batas kuota project.

1. Di Cloud Console, buka halaman Manage resources.

   Buka halaman Kelola resource

2. Dalam daftar project, pilih project yang ingin Anda hapus, lalu klik Delete.

3. Di kotak dialog, ketik project ID, lalu klik Shut down untuk menghapus project.

Menghapus aliran data

1. Buka halaman Streams untuk Datastream di Google Cloud Konsol.

   Buka halaman Streams

2. Klik streaming yang ingin dihapus. Untuk panduan memulai ini, nama channel-nya adalah My Stream.

3. Klik JEDA.

4. Di kotak dialog, klik JEDA.

5. Di panel Status aliran data pada halaman Detail aliran data, pastikan status aliran data adalah Paused.

   Catatan: Anda menjeda streaming sebelum menghapusnya untuk memastikan semua data "sedang ditransfer" ditransfer dengan bersih dari database sumber ke tujuan.

6. Klik HAPUS.

7. Di kotak dialog, masukkan Delete di kolom teks, lalu klik DELETE.

Menghapus profil koneksi

1. Buka halaman Profil koneksi untuk Datastream di Google Cloud Konsol.

   Buka halaman Profil koneksi

2. Centang kotak untuk setiap profil koneksi yang ingin Anda hapus. Untuk memulai cepat ini, centang kotak My Source Connection Profile dan My Destination Connection Profile.

3. Klik HAPUS.

4. Di kotak dialog, klik HAPUS.

Menghapus set data BigQuery

1. Buka halaman BigQuery Studio di Google Cloud Konsol.

   Buka BigQuery Studio

2. Luaskan node project tempat Anda membuat panduan memulai ini.

3. Untuk setiap set data yang ingin Anda hapus, klik menu Lihat tindakan, lalu klik Hapus.

4. Di kotak dialog, masukkan delete di kolom teks, lalu klik DELETE.

Langkah selanjutnya

• Pelajari Datastream lebih lanjut.
• Coba sendiri fitur Google Cloud lainnya. Lihat panduan memulai kami.
• Pelajari cara menggunakan tabel capture data perubahan di BigQuery.