Questa pagina è stata tradotta dall'API Cloud Translation.

Importa dati da database non Spanner

Questa pagina descrive come preparare i file Avro da cui hai esportato non Spanner e importarli in Spanner. Se vuoi importare un database Spanner che hai esportato in precedenza, consulta Importa file Avro Spanner.

La procedura utilizza Dataflow; importa i dati da un Bucket Cloud Storage che contiene un set file Avro e un file manifest JSON che specifica le tabelle di destinazione e i file Avro che popolano ciascuna tabella.

Prima di iniziare

Per importare un database Spanner, devi prima abilitare Spanner, Cloud Storage API Compute Engine e Dataflow:

Abilita le API

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

Requisiti per le quote

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

Spanner: devi avere una capacità di calcolo sufficiente in base alla quantità di dati che importi. Nessun altro necessaria per importare un database, anche se potresti aver bisogno per aggiungere più capacità di calcolo in modo che il job venga completato in una quantità ragionevole del tempo. Per ulteriori dettagli, consulta Ottimizzare le offerte di lavoro.
Cloud Storage: per eseguire l'importazione, devi avere un bucket contenenti i file esportati in precedenza. Non è necessario impostare una dimensione per il bucket.
Dataflow: i job di importazione sono soggetti alla stessa CPU, utilizzo del disco e indirizzo IP quote di Compute Engine come e altri job Dataflow.
Compute Engine: prima di eseguire il job di importazione, devi configurare quote iniziali di Compute Engine, usato 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 offre scalabilità automatica, in modo da pagare solo e le risorse effettive utilizzate durante l'importazione. Se il tuo lavoro può utilizzare altre risorse, la UI di Dataflow mostra un'icona di avviso. La il job dovrebbe terminare anche se è presente un'icona di avviso.

Requisiti IAM

Per importare un database, devi anche disporre di ruoli IAM con autorizzazioni sufficienti per utilizzare tutti i servizi coinvolti in un'importazione un lavoro. Per informazioni sulla concessione di ruoli e autorizzazioni, consulta Applica i ruoli IAM.

Per importare un database, devi disporre dei seguenti ruoli:

A livello di progetto Google Cloud:
- Spanner Viewer (roles/spanner.viewer)
- Amministratore Dataflow (roles/dataflow.admin)
- Storage Admin (roles/storage.admin)
A livello di istanza o database Spanner o a livello Livello di progetto Google Cloud:
- Lettore database Spanner (roles/spanner.databaseReader)
- Amministratore database Spanner (roles/spanner.databaseAdmin)

Esporta i dati da un database non Spanner in file Avro

Il processo di importazione importa i dati da file Avro che si trovano in un nel bucket Cloud Storage. Puoi esportare i dati in formato Avro da qualsiasi e puoi utilizzare qualsiasi metodo disponibile per farlo.

Per esportare i dati da un database non Spanner in file Avro: questi passaggi:

Quando esporti i dati, tieni presente quanto segue:

Puoi esportare con uno qualsiasi dei file Avro tipi primitivi e un tipo complesso di array.
Ogni colonna dei file Avro deve utilizzare uno dei seguenti tipi di colonna:
- ARRAY
- BOOL
- BYTES^*
- DOUBLE
- FLOAT
- INT
- LONG^†
- STRING^‡
^* Una colonna di tipo BYTES viene utilizzata per importare uno Spanner NUMERIC; consulta le mappature consigliate di seguito per maggiori dettagli.

^†,‡ Puoi importare un LONG che contiene un timestamp o un STRING che memorizza un il timestamp come TIMESTAMP Spanner; vedi mappature consigliate di seguito per maggiori dettagli.
Non è necessario includere o generare metadati quando esporti il file Avro .
Non è necessario seguire una particolare convenzione di denominazione per i file.

Se non esporti i file direttamente in Cloud Storage, devi: i file Avro in un bucket Cloud Storage. Per dettagli vedi Caricare oggetti in Cloud Storage.

Importa file Avro da database non Spanner in Spanner

Per importare file Avro da un database non Spanner in Spanner, segui questi passaggi:

Creare tabelle di destinazione e definire lo schema per il database Spanner.
Crea un file spanner-export.json nel bucket Cloud Storage.
Esegui un job di importazione di Dataflow utilizzando gcloud CLI.

Passaggio 1: crea lo schema per il database Spanner

Prima di eseguire l'importazione, devi creare la tabella di destinazione in Spanner e definirne lo schema.

Devi creare uno schema che utilizzi il tipo di colonna appropriato per ogni colonna nei file Avro.

Mappature consigliate

GoogleSQL

Tipo di colonna Avro	Tipo di colonna Spanner
`ARRAY`	`ARRAY`
`BOOL`	`BOOL`
`BYTES`	`BYTES` `NUMERIC` (quando il tipo di colonna è `BYTES` e `logicalType=decimal`, `precision=38` e `scale=9`. Se queste specifiche esatte vengono omesse, il campo viene considerato un valore `BYTES` di Spanner. Per ulteriori informazioni, consulta la documentazione relativa al tipo logico decimale Avro.
`DOUBLE`	`FLOAT64`
`FLOAT`	`FLOAT64`
`INT`	`INT64`
`LONG`	`INT64` `TIMESTAMP` quando `LONG` rappresenta un timestamp del numero di microsecondi a partire dal 1° gennaio 1970 alle ore 00:00:00 UTC
`STRING`	`STRING` `TIMESTAMP` quando `STRING` rappresenta un timestamp nel formato canonico per le query SQL

PostgreSQL

Tipo di colonna Avro	Tipo di colonna Spanner
`ARRAY`	`ARRAY`
`BOOL`	`BOOLEAN`
`BYTES`	`BYTEA` `NUMERIC` (quando il tipo di colonna è `BYTEA` e `logicalType=decimal`, `precision=147455` e `scale=16383`. Se queste specifiche esatte vengono omesse, il campo viene considerato come un valore `BYTEA`. Per ulteriori informazioni, consulta la documentazione relativa al tipo logico decimale Avro.
`DOUBLE`	`DOUBLE PRECISION`
`FLOAT`	`DOUBLE PRECISION`
`INT`	`BIGINT`
`LONG`	`BIGINT` `TIMESTAMP` quando `LONG` rappresenta un timestamp del numero di microsecondi a partire dal 1° gennaio 1970 alle ore 00:00:00 UTC
`STRING`	`CHARACTER VARYING` `TIMESTAMP` quando `STRING` rappresenta un timestamp nel formato canonico per le query SQL, ad esempio "2022-05-28T07:08:21.123456789Z" o "2021-12-19T16:39:57-08:00".

Passaggio 2: crea un file spanner-export.json

Devi anche creare un file denominato spanner-export.json nel tuo nel bucket Cloud Storage. Questo file specifica il dialetto del database e contiene un array tables che elenca il nome e le posizioni dei file di dati per ogni tabella.

I contenuti del file hanno il seguente formato:

{
  "tables": [
   {
    "name": "TABLE1",
    "dataFiles": [
      "RELATIVE/PATH/TO/TABLE1_FILE1",
      "RELATIVE/PATH/TO/TABLE1_FILE2"
    ]
   },
   {
    "name": "TABLE2",
    "dataFiles": ["RELATIVE/PATH/TO/TABLE2_FILE1"]
   }
  ],
  "dialect":"DATABASE_DIALECT"
}

Dove DATABASE_DIALECT = {GOOGLE_STANDARD_SQL | POSTGRESQL}

Se l'elemento del dialetto viene omesso, il valore predefinito del dialetto è GOOGLE_STANDARD_SQL.

Passaggio 3: esegui un job di importazione di Dataflow utilizzando gcloud CLI

Per avviare il job di importazione, segui le istruzioni per l'utilizzo di Google Cloud CLI per eseguire un job con il modello Avro to Spanner.

Dopo aver avviato un job di importazione, puoi visualizzare i relativi dettagli in la console Google Cloud.

Al termine del job di importazione, aggiungi eventuali indici secondari e chiavi esterne necessari.

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 due regioni, puoi sfruttare l'utilizzo gratuito della rete scegliendo una delle due regioni che compongono la doppia regione per il job di importazione, supponendo che una delle regioni sia disponibile.
Se una regione con sede condivisa non è disponibile per il job di importazione o se le tue La località del bucket Cloud Storage è multiregionale, 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.

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

Dopo aver avviato un job di importazione, 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/esportazione eseguiti nell'ultima settimana, inclusi eventuali job attualmente in esecuzione:

Vai alla pagina Panoramica del database per il database.
Fai clic sulla voce di menu Importa/Esporta nel riquadro a sinistra. Il database La pagina Importa/Esporta mostra un elenco dei job recenti.
Nella pagina Importa/Esporta del database, fai clic sul nome del job nella Colonna Nome job Dataflow:

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

Per visualizzare un job eseguito più di una settimana fa:

Vai alla pagina dei job Dataflow nella console Google Cloud.

Vai alla pagina dei job
Trova il lavoro nell'elenco, quindi fai clic sul suo nome.

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

Visualizza i log di Dataflow per il tuo job

Per visualizzare i log di un job Dataflow, vai ai dettagli del job come descritto sopra, poi fai clic su Log a destra del nome del job.

Se un job ha esito negativo, cerca gli errori nei log. Se ci sono errori, l'errore il conteggio delle voci viene visualizzato accanto a Log:

Esempio di conteggio degli errori accanto al pulsante Log

Per visualizzare gli errori del job:

Fai clic sul conteggio degli errori accanto a Log.

La console Google Cloud visualizza i log del job. Potresti dover scorri per vedere gli errori.
Individua le voci con l'icona di errore .
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 importazione 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 il Latenza di scrittura del 99% in Monitoring del tuo database Spanner nella nella console Google Cloud. Se mostra valori elevati (più secondi), indica che l'istanza è sovraccarica, con conseguenti scritture timeout e non riesce.

Una causa della latenza elevata è che il job Dataflow è in esecuzione utilizzando troppe dei worker, applicando un carico eccessivo all'istanza Spanner.

Per specificare un limite per il numero di worker Dataflow, invece di utilizzare il metodo Scheda Importa/Esporta nella pagina dei dettagli dell'istanza di Spanner nella console Google Cloud, devi avviare di importazione con Dataflow Modello Avro di Cloud Storage a Cloud Spanner e specificare il numero massimo di worker come descritto di seguito:

Se utilizzi la console Dataflow, il parametro Max worker è che si trova nella sezione Parametri facoltativi della pagina Crea job da modello.

Se utilizzi gcloud, specifica l'argomento max-workers. Ad esempio:

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

Ottimizza i job di importazione a 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 il job e la posizione dei dati: esegui il job Dataflow. nella stessa regione in cui si trova l'istanza Spanner si trova il bucket Cloud Storage.
Garantire risorse Dataflow sufficienti: se quote di Compute Engine pertinenti limitare le risorse del job Dataflow, Pagina Dataflow nella console Google Cloud mostra un'icona di avviso e registra messaggi:

In questa situazione, aumentando le quote CPU, indirizzi IP in uso e disco permanente standard potrebbero ridurre del job, ma potresti incorrere in tempi addebiti.
Controlla l'utilizzo della CPU di Spanner: se noti che la CPU per l'istanza è superiore al 65%, puoi aumentare la capacità di calcolo dell'istanza. La capacità aumenta Le risorse Spanner e il job dovrebbero essere più veloci, ma il traffico è maggiore Spanner addebita dei costi.

Fattori che influiscono sulle prestazioni del job di importazione

Il tempo necessario per completare un job di importazione dipende da diversi fattori.

Dimensione del database di Spanner: l'elaborazione di più dati richiede più tempo e risorse.
Schema del database Spanner, tra cui:
- 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

Località dei dati: i dati vengono trasferiti tra Spanner e Cloud Storage usando Dataflow. Possibilmente, tutte e tre 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: Dataflow ottimale sono necessari per ottenere buone prestazioni. Con la scalabilità automatica, Dataflow sceglie il numero di worker per del lavoro in base alla quantità di lavoro da svolgere. Il numero di i worker saranno tuttavia limitati dalle quote di CPU, indirizzi IP in uso, e un 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 dovrebbe comunque essere completato. La scalabilità automatica può sovraccaricare Spanner causando errori in presenza di grandi quantità di dati da importare.
Carico esistente su Spanner: un job di importazione aggiunge sulla CPU per un'istanza Spanner. 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.

Ottimizza i worker per ottenere buone prestazioni di importazione

Quando si avvia un job di importazione di Spanner, Dataflow i worker devono essere impostati su un valore ottimale per ottenere buone prestazioni. Troppi worker sovraccarica Spanner e un numero troppo basso di worker si traduce in un problema le prestazioni di importazione.

Il numero massimo di worker dipende fortemente dalla dimensione dei dati, ma idealmente, l'utilizzo totale della CPU da parte di Spanner dovrebbe essere compreso tra dal 70% al 90%. Questo offre un buon equilibrio tra Spanner dell'efficienza e del completamento dei job senza errori.

Per raggiungere il target di utilizzo nella maggior parte degli schemi e degli scenari, è consigliabile un numero massimo di vCPU worker compreso tra 4 e 6 volte il numero Nodi Spanner.

Ad esempio, per un'istanza Spanner a 10 nodi, utilizzando n1-standard-2 worker, occorre impostare il numero massimo di worker su 25, ottenendo 50 vCPU.