Esporta database da Spanner ad Avro

Questa pagina descrive come esportare i database Spanner con la console Google Cloud.

a esportare un database Spanner utilizzando l'API REST. o Google Cloud CLI, completa i passaggi Prima di iniziare di questa pagina e poi consulta le in Spanner to Cloud Storage Avro nella sezione documentazione di Dataflow. Il processo di esportazione utilizza Dataflow e scrive i dati in una cartella di un bucket Cloud Storage. La cartella risultante contiene un insieme di file Avro e file manifest JSON.

Prima di iniziare

Per esportare un database Spanner, innanzitutto devi abilitare le API Spanner, Cloud Storage, Compute Engine e Dataflow:

Enable the APIs

Devi anche avere una quota sufficiente e le autorizzazioni IAM richieste.

Requisiti delle quote

I requisiti di quota per i job di esportazione sono i seguenti:

• Spanner: non è richiesta alcuna capacità di calcolo aggiuntiva per esportare un database, ma potrebbe essere necessario aggiungere altra capacità di calcolo in modo che il job venga completato in un periodo di tempo ragionevole. Per ulteriori dettagli, consulta Ottimizzare le offerte di lavoro.
• Cloud Storage Per eseguire l'esportazione, devi creare un bucket per i file esportati se se non ne hai già uno. Puoi farlo nella console Google Cloud, tramite la pagina Cloud Storage o durante la creazione dell'esportazione tramite la pagina Spanner. Non è necessario impostare una dimensione per il bucket.
• Dataflow: i job di esportazione sono soggetti alle stesse quote di Compute Engine per CPU, utilizzo del disco e indirizzo IP degli altri job Dataflow.

• Compute Engine: prima di eseguire il job di esportazione, devi configurare le quote iniziali per Compute Engine, utilizzato da Dataflow. Queste quote rappresentano il numero massimo di risorse consentite Dataflow da utilizzare per il tuo job. I valori iniziali consigliati sono:

  • CPU: 200
  • Indirizzi IP in uso: 200
  • Disco permanente standard: 50 TB

  In genere, non è necessario apportare altre modifiche. Dataflow fornisce la scalabilità automatica, in modo da pagare solo per le risorse effettive utilizzate durante l'esportazione. Se il job può utilizzare più risorse, l'interfaccia utente di Dataflow mostra un'icona di avviso. Il job dovrebbe essere completato anche se è presente un'icona di avviso.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per esportare un database, chiedi all'amministratore di concederti seguenti ruoli IAM sull'account di servizio worker Dataflow:

• Visualizzatore Cloud Spanner (roles/spanner.viewer)
• Nodo worker di Dataflow (roles/dataflow.worker)
• Storage Admin (roles/storage.admin)
• Spanner Database Reader (roles/spanner.databaseReader)
• Amministratore database (roles/spanner.databaseAdmin)

Nota: il ruolo Amministratore database Spanner è richiesto solo per i job di importazione.

Per utilizzare le risorse di calcolo indipendenti di Spanner Data Boost durante un'esportazione, devi avere anche il ruolo IAM spanner.databases.useDataBoost autorizzazione. Per ulteriori informazioni, vedi Panoramica di Data Boost.

Esportare un database

Dopo aver soddisfatto i requisiti di quota e IAM descritti In precedenza, puoi esportare un database Spanner esistente.

Nota: puoi esportare un database in uso in sicurezza. Tuttavia, eventuali modifiche dopo che Dataflow ha creato una transazione Spanner non vengono acquisiti dall'esportazione perché tutti i dati esportati provengono snapshot del database.

Per esportare il database Spanner in un bucket Cloud Storage:

1. Vai alla pagina Istanze di Spanner.

   Vai a Istanze

2. Fai clic sul nome dell'istanza che contiene il database.

3. Fai clic sulla voce di menu Importa/Esporta nel riquadro a sinistra, quindi fai clic sul Pulsante Esporta.

4. In Scegli dove archiviare l'esportazione, fai clic su Sfoglia.

5. Se non hai già un bucket Cloud Storage per l'esportazione:

   1. Fai clic su Nuovo bucket .
   2. Inserisci un nome per il bucket. I nomi dei bucket devono essere univoci tra di archiviazione ideale in Cloud Storage.
   3. Seleziona una classe di archiviazione e una località predefinite e fai clic su Crea.
   4. Fai clic sul bucket per selezionarlo.

   Se hai già un bucket, selezionalo dall'elenco iniziale oppure fai clic su Cerca per filtrare l'elenco, poi fai clic sul bucket per selezionarlo.

6. Fai clic su Seleziona.

7. Seleziona il database da esportare nel menu a discesa Scegli un database da esportare.

8. (Facoltativo) Per esportare il database da un momento precedente, seleziona la e inserisci un timestamp.

9. Seleziona una regione dal menu a discesa Scegli una regione per il job di esportazione.

   Nota: per evitare addebiti per il trasferimento di dati, scegli una regione che si sovrapponga con la configurazione dell'istanza. Per ulteriori informazioni, consulta Scegliere una regione.

10. (Facoltativo) Per criptare lo stato della pipeline Dataflow con una chiave di crittografia gestita dal cliente:

    1. Fai clic su Mostra opzioni di crittografia.
    2. Seleziona Utilizza una chiave di crittografia gestita dal cliente (CMEK).
    3. Seleziona la chiave dall'elenco a discesa.

    Questa opzione non influisce sul livello di bucket Cloud Storage di destinazione la crittografia. Per attivare CMEK per il bucket Cloud Storage, consulta Utilizzare CMEK con Cloud Storage.

11. (Facoltativo) Per esportare utilizzando Spanner Data Boost, seleziona la casella di controllo Usa Spanner Data Boost. Per ulteriori informazioni, vedi Panoramica di Data Boost.

12. Seleziona la casella di controllo in Conferma addebiti per confermare che sono presenti oltre a quelli sostenuti dall'istanza Spanner esistente.

13. Fai clic su Esporta.

    La console Google Cloud mostra la pagina Importazione/esportazione del database, che ora mostra una voce per il job di esportazione nei job di importazione/esportazione incluso il tempo trascorso del job:

    

Al termine o all'interruzione del job, lo stato viene aggiornato nell'elenco Importazione/esportazione. Se il job è riuscito, viene visualizzato lo stato Riuscito:

Se il job non è andato a buon fine, viene visualizzato lo stato Non riuscito:

Per visualizzare i dettagli dell'operazione Dataflow per il tuo job, fai clic sul nome del job nella colonna Nome job Dataflow.

Se il job non va a buon fine, verifica la presenza di errori nei log Dataflow del job i dettagli.

Per evitare addebiti di Cloud Storage per i file creati dal tuo job di esportazione non riuscito, elimina la cartella e i relativi file. Consulta Visualizzare esporta per informazioni su come trovare la cartella.

Una nota sull'esportazione delle colonne generate e delle modifiche in tempo reale

I valori di una colonna generata archiviata non vengono esportati. La colonna viene esportata nello schema Avro come campo di record di tipo nullo, con la definizione della colonna come proprietà personalizzate del campo. Fino al completamento dell'operazione di completamento precedente di una colonna generata appena aggiunta, la colonna generata viene ignorata come se non esistesse nello schema.

Gli stream di variazioni esportati come file Avro contengono solo lo schema degli stream di variazioni e non i record di variazione dei dati.

Una nota sull'esportazione delle sequenze

sequenze (GoogleSQL, PostgreSQL) sono oggetti dello schema che vengono utilizzati per generare valori interi univoci. Spanner esporta ogni oggetto dello schema nello schema Avro come campo record, con il tipo di sequenza, l'intervallo ignorato e il contatore come proprietà del campo. Tieni presente che per impedire che una sequenza venga reimpostata e generata valori duplicati dopo l'importazione, durante l'esportazione dello schema, GET_INTERNAL_SEQUENCE_STATE() (GoogleSQL, PostgreSQL) acquisisce il contatore della sequenza. Spanner aggiunge un buffer di 1000 al contatore e scrive il nuovo valore del contatore nel campo del record. Questo evita errori nei valori duplicati che potrebbero verificarsi dopo l'importazione. Se durante l'esportazione dei dati vengono eseguite più scritture nel database di origine, devi aggiustare il contatore di sequenza effettivo utilizzando l'istruzione ALTER SEQUENCE (GoogleSQL, PostgreSQL).

Al momento dell'importazione, la sequenza inizia da questo nuovo contatore anziché dal contatore presenti nello schema. In alternativa, puoi utilizzare l'istruzione ALTER SEQUENCE (GoogleSQL, PostgreSQL) per aggiornare la sequenza con un nuovo contatore.

Visualizzare l'esportazione in Cloud Storage

Per visualizzare la cartella che contiene il database esportato nell' nella console Google Cloud, apri il browser Cloud Storage e scegli il bucket selezionato in precedenza:

Vai al browser di Storage

Il bucket ora contiene una cartella che contiene il database esportato. Il nome della cartella inizia con l'ID dell'istanza, il nome del database e il timestamp del job di esportazione. La cartella contiene:

• Un file spanner-export.json
• Un file TableName-manifest.json per ogni tabella del database che hai esportato.

• Uno o più file TableName.avro-#####-of-#####. Il primo numero nell'estensione .avro-#####-of-##### rappresenta l'indice del file Avro, a partire da zero, e il secondo rappresenta il numero di File Avro generati per ogni tabella.

  Ad esempio, Songs.avro-00001-of-00002 è il secondo di due file che contengono i dati per la tabella Songs.

• Un file ChangeStreamName-manifest.json per ogni flusso di modifiche nel database che hai esportato.

• ChangeStreamName.avro-00000-of-00001 per ogni flusso di modifiche. Questo file contiene dati vuoti con solo lo schema Avro del flusso di modifiche.

Scegli una regione per il job di importazione

Ti consigliamo di scegliere una regione diversa in base alla località in cui si trova nel bucket Cloud Storage. Da evitare addebiti per il trasferimento di dati in uscita, scegli una regione corrisponde alla località del bucket Cloud Storage.

• Se la località del bucket Cloud Storage è in una regione, possono sfruttare l'utilizzo gratuito della rete scegliendo la stessa regione per il job di importazione, supponendo che la regione sia disponibile.

• Se la località del bucket Cloud Storage è una doppia regione, puoi usufruire dell'utilizzo gratuito della rete scegliendo una delle due regioni che compongono la doppia regione per il tuo job di importazione, supponendo che una delle regioni sia disponibile.

• Se per il job di importazione non è disponibile una regione in co-locazione o se la località del bucket Cloud Storage è una regione multipla, si applicano gli addebiti per il trasferimento di dati in uscita. Fai riferimento a Cloud Storage Data Transfer per scegliere una regione che prevede il i costi più bassi per il trasferimento di dati.

Esporta un sottoinsieme di tabelle

Se vuoi esportare solo i dati di determinate tabelle e non l'intero database, puoi specificare queste tabelle durante l'esportazione. Nella In questo caso, Spanner esporta l'intero schema del database, incluso i dati delle tabelle specificate e lasciando tutte le altre tabelle presenti vuoto nel file esportato.

Puoi specificare un sottoinsieme di tabelle da esportare utilizzando pagina Dataflow nella console Google Cloud con gcloud CLI. (la pagina Spanner non fornisce questa azione).

Se esporti i dati di una tabella che è figlia di un'altra, devi esportare anche i dati della tabella principale. Se i gruppi di annunci principali non vengono esportati, il job di esportazione non va a buon fine.

Per esportare un sottoinsieme di tabelle, avvia l'esportazione utilizzando il modello Avro di Spanner in Cloud Storage di Dataflow e specifica le tabelle utilizzando la pagina Dataflow nella console Google Cloud o l'interfaccia a riga di comando gcloud, come descritto di seguito:

Console

Se utilizzi la pagina Dataflow nella console Google Cloud, il parametro Nomi delle tabelle Cloud Spanner si trova nella sezione Parametri facoltativi della pagina Crea job da modello. È possibile specificare più tabelle in un formato separato da virgole.

Vai a Dataflow

gcloud

Esegui gcloud dataflow jobs run. e specifica l'argomento tableNames. Ad esempio:

gcloud dataflow jobs run my-export-job \
--gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
--region=us-central1 \
--parameters='instanceId=test-instance,databaseId=example-db,tableNames=table1,outputDir=gs://my-gcs-bucket' \
--max-workers=10 \
--network=network-123

La specifica di più tabelle in gcloud richiede il d'escapamento degli argomenti di tipo dizionario. L'esempio seguente utilizza "|" come carattere di escape:

 gcloud dataflow jobs run my-export-job \
--gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
--region=us-central1 \
--parameters='^|^instanceId=test-instance|databaseId=example-db|tableNames=table1,table2|outputDir=gs://my-gcs-bucket' \
--max-workers=10 \
--network=network-123

Il parametro shouldExportRelatedTables è un'opzione pratica per esportare automaticamente tutte le tabelle principali delle tabelle scelte. Ad esempio, in questa gerarchia dello schema con le tabelle Singers, Albums e Songs, devi specificare solo Songs. L'opzione shouldExportRelatedTables esporta anche Singers e Albums perché Songs è un discendente di entrambi.

gcloud dataflow jobs run my-export-job \
--gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
--region=us-central1 \
--parameters='instanceId=test-instance,databaseId=example-db,tableNames=Songs,shouldExportRelatedTables=true,outputDir=gs://my-gcs-bucket' \
--max-workers=10 \
--network=network-123

Visualizza o risolvi i problemi dei job nell'interfaccia utente di Dataflow

Dopo aver avviato un job di esportazione, puoi visualizzarne i dettagli, tra cui nella sezione Dataflow della console Google Cloud.

Visualizza i dettagli del job Dataflow

Per visualizzare i dettagli di eventuali job di importazione o esportazione eseguiti nell'ultima settimana, inclusi quelli in esecuzione:

1. Vai alla pagina Panoramica del database per il database.
2. Fai clic sulla voce di menu Importa/Esporta nel riquadro a sinistra. Il database La pagina Importa/Esporta mostra un elenco dei job recenti.

3. Nella pagina Importa/Esporta del database, fai clic sul nome del job nella Colonna Nome job Dataflow:

   

   La console Google Cloud mostra i dettagli del job Dataflow.

Per visualizzare un job eseguito più di una settimana fa:

1. Vai alla pagina dei job Dataflow nella console Google Cloud.

   Vai a Job

2. Trova il lavoro nell'elenco, quindi fai clic sul suo nome.

   La console Google Cloud mostra i dettagli di Dataflow un lavoro.

Nota: i job dello stesso tipo per lo stesso database hanno lo stesso nome. Puoi distinguere i job in base ai valori nelle colonne Start time (Ora di inizio) o End time (Ora di fine).

Visualizza i log di Dataflow per il tuo job

Per visualizzare i log di un job Dataflow, vai alla pagina dei dettagli del job, quindi fai clic su Log a destra del nome del job.

Se un job non va a buon fine, cerca gli errori nei log. Se ci sono errori, l'errore il conteggio delle voci viene visualizzato accanto a Log:

Per visualizzare gli errori del job:

1. Fai clic sul conteggio degli errori accanto a Log.

   La console Google Cloud mostra i log del job. Potresti dover scorri per vedere gli errori.

2. Individua le voci con l'icona di errore .

3. Fai clic su una singola voce di log per espanderne il contenuto.

Per ulteriori informazioni sulla risoluzione dei problemi dei job Dataflow, consulta Risolvi i problemi della pipeline.

Risolvere i problemi relativi ai job di esportazione non riusciti

Se nei log del job vengono visualizzati i seguenti errori:

com.google.cloud.spanner.SpannerException: NOT_FOUND: Session not found

--or--

com.google.cloud.spanner.SpannerException: DEADLINE_EXCEEDED: Deadline expired before operation could complete.

Controlla la latenza di lettura del 99% nella Monitoring del tuo database Spanner nella nella console Google Cloud. Se vengono visualizzati valori elevati (più secondi), significa che l'istanza è sovraccaricata, causando il timeout e l'errore delle letture.

Una causa della latenza elevata è che il job Dataflow viene eseguito utilizzando troppi worker, il che comporta un carico eccessivo sull'istanza Spanner.

per specificare un limite al numero di worker Dataflow, anziché utilizzando la scheda Importa/Esporta nella pagina dei dettagli dell'istanza del nella console Google Cloud, devi avviare l'esportazione utilizzando Modello Avro da Spanner a Cloud Storage e specificare il numero massimo di worker come descritto:

Console

Se utilizzi la console Dataflow, il parametro Numero massimo di worker si trova nella sezione Parametri facoltativi della pagina Crea job da modello.

Vai a Dataflow

gcloud

Esegui il comando gcloud dataflow jobs run e specifica l'argomento max-workers. Ad esempio:

  gcloud dataflow jobs run my-export-job \
    --gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
    --region=us-central1 \
    --parameters='instanceId=test-instance,databaseId=example-db,outputDir=gs://my-gcs-bucket' \
    --max-workers=10 \
    --network=network-123

Risolvere gli errori di rete

Durante l'esportazione di Spanner potrebbe verificarsi il seguente errore database:

Workflow failed. Causes: Error: Message: Invalid value for field
'resource.properties.networkInterfaces[0].subnetwork': ''. Network interface
must specify a subnet if the network resource is in custom subnet mode.
HTTP Code: 400

Questo errore si verifica perché Spanner presuppone che tu intenda utilizzare una rete VPC in modalità automatica denominata default nello stesso progetto della del job Dataflow. Se non hai una rete VPC predefinita o se la tua rete VPC si trova in una rete VPC in modalità personalizzata, devi creare un job Dataflow Specifica una rete o una subnet alternativa.

Ottimizzare i job di esportazione con esecuzione lenta

Se hai seguito i suggerimenti nelle impostazioni iniziali, dovresti in genere non devono essere apportate altre modifiche. Se il job è lento, puoi provare altre ottimizzazioni:

• Ottimizza la posizione del job e dei dati: esegui il job Dataflow nella stessa regione in cui si trovano l'istanza Spanner e il bucket Cloud Storage.

• Assicurati di disporre di risorse Dataflow sufficienti: se le quote Compute Engine pertinenti limitano le risorse del tuo job Dataflow, la pagina Dataflow del job nella console Google Cloud mostra un'icona di avviso e messaggi di log:

  

  In questa situazione, l'aumento delle quote per le CPU, gli indirizzi IP in uso e i dischi permanenti standard potrebbe ridurre il tempo di esecuzione del job, ma potresti incorrere in più costi di Compute Engine.

• Verifica l'utilizzo della CPU di Spanner: se noti che l'utilizzo della CPU per l'istanza è superiore al 65%, puoi aumentare la capacità di calcolo in quell'istanza. La capacità aggiunge altre risorse Spanner e il job dovrebbe velocizzarsi, ma dovrai sostenere costi Spanner più elevati.

Fattori che influiscono sul rendimento dei job di esportazione

Diversi fattori influiscono sul tempo necessario per completare un job di esportazione.

• Dimensioni del database Spanner: l'elaborazione di più dati richiede più tempo e risorse.

• Schema del database Spanner, inclusi:

  • Il numero di tabelle
  • La dimensione delle righe
  • Il numero di indici secondari
  • Il numero di chiavi esterne
  • Il numero di modifiche in tempo reale

• Posizione dei dati: i dati vengono trasferiti tra Spanner e Cloud Storage utilizzando Dataflow. Idealmente, tutti e tre gli elementi si trovano nella stessa regione. Se i componenti non si trovano nello stesso regione, lo spostamento dei dati tra regioni rallenta il job.

• Numero di worker Dataflow: per ottenere buone prestazioni, sono necessari worker Dataflow ottimali. Con la scalabilità automatica, Dataflow sceglie il numero di worker per il lavoro in base alla quantità di lavoro da svolgere. Il numero di worker sarà tuttavia limitato dalle quote per CPU, indirizzi IP in uso e disco permanente standard. L'interfaccia utente di Dataflow mostra un avviso se riscontra limiti di quota. In questa situazione, l'avanzamento è più lento, ma il job dovrebbe comunque essere completato.

• Carico esistente su Spanner: In genere un job di esportazione aggiunge un carico leggero su un oggetto Spanner in esecuzione in un'istanza Compute Engine. Se l'istanza ha già un carico esistente sostanziale, il job esegue lentamente.

• Quantità di capacità di calcolo di Spanner: se l'utilizzo della CPU per l'istanza è superiore al 65%, il job viene eseguito più lentamente.