Mengimpor data dari database non-Spanner

Halaman ini menjelaskan cara menyiapkan file Avro yang Anda ekspor dari database non-Spanner, lalu mengimpor file tersebut ke Spanner. Jika Anda ingin mengimpor database Spanner yang sebelumnya telah diekspor, lihat Mengimpor file Avro Spanner.

Proses ini menggunakan Dataflow; proses ini mengimpor data dari bucket Cloud Storage yang berisi kumpulan file Avro dan file manifes JSON yang menentukan tabel tujuan dan file Avro yang mengisi setiap tabel.

Sebelum memulai

Untuk mengimpor database Spanner, Anda harus mengaktifkan Spanner, Cloud Storage, Compute Engine, dan Dataflow API terlebih dahulu:

Enable the APIs

Anda juga memerlukan kuota yang cukup dan izin IAM yang diperlukan.

Persyaratan kuota

Persyaratan kuota untuk tugas impor adalah sebagai berikut:

• Spanner: Anda harus memiliki kapasitas komputasi yang cukup untuk mendukung jumlah data yang diimpor. Tidak ada kapasitas komputasi tambahan yang diperlukan untuk mengimpor database, meskipun Anda mungkin perlu menambahkan kapasitas komputasi tambahan agar tugas Anda selesai dalam waktu yang wajar. Lihat Mengoptimalkan tugas untuk mengetahui detail selengkapnya.
• Cloud Storage: Untuk mengimpor, Anda harus memiliki bucket berisi file yang diekspor sebelumnya. Anda tidak perlu menetapkan ukuran bucket.
• Dataflow: Tugas impor tunduk pada CPU, penggunaan disk, dan alamat IP kuota Compute Engine yang sama dengan tugas Dataflow lainnya.

• Compute Engine: Sebelum menjalankan tugas impor, Anda harus menyiapkan kuota awal untuk Compute Engine, yang digunakan Dataflow. Kuota ini menunjukkan jumlah maksimum resource yang Anda izinkan untuk digunakan Dataflow untuk tugas Anda. Nilai awal yang direkomendasikan adalah:

  • CPU: 200
  • Alamat IP yang sedang digunakan: 200
  • Persistent disk standar: 50 TB

  Umumnya, Anda tidak perlu melakukan penyesuaian lainnya. Dataflow menyediakan penskalaan otomatis sehingga Anda hanya membayar resource sebenarnya yang digunakan selama impor. Jika tugas Anda dapat menggunakan lebih banyak resource, UI Dataflow akan menampilkan ikon peringatan. Tugas akan selesai meskipun ada ikon peringatan.

Persyaratan IAM

Untuk mengimpor database, Anda juga harus memiliki peran IAM dengan izin yang memadai untuk menggunakan semua layanan yang terlibat dalam tugas impor. Untuk mengetahui informasi tentang cara memberikan peran dan izin, lihat Menerapkan peran IAM.

Untuk mengimpor database, Anda memerlukan peran berikut:

• Di level project Google Cloud:
  • Viewer Spanner (roles/spanner.viewer)
  • Admin Dataflow (roles/dataflow.admin)
  • Storage Admin (roles/storage.admin)
• Di level instance atau database Spanner, atau di level project Google Cloud:
  • Pembaca Database Spanner (roles/spanner.databaseReader)
  • Admin Database Spanner (roles/spanner.databaseAdmin)

Catatan: Peran Admin Database Spanner hanya diperlukan untuk tugas impor.

Mengekspor data dari database non-Spanner ke file Avro

Proses impor membawa data dari file Avro yang terletak di bucket Cloud Storage. Anda dapat mengekspor data dalam format Avro dari sumber apa pun dan menggunakan metode apa pun yang tersedia untuk melakukannya.

Untuk mengekspor data dari database non-Spanner ke file Avro, ikuti langkah-langkah berikut:

Perhatikan hal-hal berikut saat mengekspor data Anda:

• Anda dapat mengekspor menggunakan salah satu jenis primitif Avro serta jenis kompleks array.

• Setiap kolom dalam file Avro Anda harus menggunakan salah satu jenis kolom berikut:

  • ARRAY
  • BOOL
  • BYTES^*
  • DOUBLE
  • FLOAT
  • INT
  • LONG^†
  • STRING^‡

  ^* Kolom jenis BYTES digunakan untuk mengimpor NUMERIC Spanner. Lihat pemetaan yang direkomendasikan di bawah untuk mengetahui detailnya.

  ^†,‡ Anda dapat mengimpor LONG yang menyimpan stempel waktu atau STRING yang menyimpan stempel waktu sebagai Spanner TIMESTAMP; lihat pemetaan yang direkomendasikan di bawah untuk detailnya.

• Anda tidak perlu menyertakan atau membuat metadata apa pun saat mengekspor file Avro.

• Anda tidak harus mengikuti konvensi penamaan tertentu untuk file Anda.

Jika tidak mengekspor file langsung ke Cloud Storage, Anda harus mengupload file Avro ke bucket Cloud Storage. Untuk petunjuk terperinci, lihat Mengupload objek ke Cloud Storage.

Mengimpor file Avro dari database non-Spanner ke Spanner

Untuk mengimpor file Avro dari database non-Spanner ke Spanner, ikuti langkah-langkah berikut:

1. Buat tabel target dan tentukan skema untuk database Spanner Anda.
2. Buat file spanner-export.json di bucket Cloud Storage Anda.
3. Jalankan tugas impor Dataflow menggunakan gcloud CLI.

Langkah 1: Buat skema untuk database Spanner

Sebelum menjalankan impor, Anda harus membuat tabel target di Spanner dan menentukan skemanya.

Anda harus membuat skema yang menggunakan jenis kolom yang sesuai untuk setiap kolom dalam file Avro.

Rekomendasi pemetaan

GoogleSQL

Jenis kolom Avro	Jenis kolom Spanner
ARRAY	ARRAY
BOOL	BOOL
BYTES	BYTES NUMERIC (jika jenis kolom adalah BYTES dan logicalType=decimal, precision=38, dan scale=9. Jika spesifikasi yang sama persis ini dihilangkan, kolom diperlakukan sebagai nilai BYTES Spanner. Untuk informasi selengkapnya, lihat dokumentasi Jenis logika desimal Avro.)
DOUBLE	FLOAT64
FLOAT	FLOAT64
INT	INT64
LONG	INT64 TIMESTAMP saat LONG merepresentasikan stempel waktu jumlah mikrodetik sejak 01-01-1970 00:00:00 UTC
STRING	STRING TIMESTAMP saat STRING mewakili stempel waktu dalam format kanonis untuk kueri SQL

PostgreSQL

Jenis kolom Avro	Jenis kolom Spanner
ARRAY	ARRAY
BOOL	BOOLEAN
BYTES	BYTEA NUMERIC (jika jenis kolom adalah BYTEA dan logicalType=decimal, precision=147455, dan scale=16383. Jika spesifikasi yang sama persis ini dihilangkan, kolom diperlakukan sebagai nilai BYTEA. Untuk informasi selengkapnya, lihat dokumentasi Jenis logika desimal Avro.)
DOUBLE	DOUBLE PRECISION
FLOAT	DOUBLE PRECISION
INT	BIGINT
LONG	BIGINT TIMESTAMP saat LONG merepresentasikan stempel waktu jumlah mikrodetik sejak 01-01-1970 00:00:00 UTC
STRING	CHARACTER VARYING TIMESTAMP saat STRING mewakili stempel waktu dalam format kanonis untuk kueri SQL, misalnya '2022-05-28T07:08:21.123456789Z' atau '2021-12-19T16:39:57-08:00'.

Catatan: Jika kolom dalam data Avro berisi nilai NULL, Anda harus memastikan bahwa Anda membuat kolom yang sesuai di tabel Spanner menjadi nullable.

Langkah 2: Buat file spanner-export.json

Anda juga harus membuat file bernama spanner-export.json di bucket Cloud Storage. File ini menentukan dialek database dan berisi array tables yang mencantumkan nama dan lokasi file data untuk setiap tabel.

Konten file memiliki format berikut:

{
  "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"
}

Dengan DATABASE_DIALECT = {GOOGLE_STANDARD_SQL | POSTGRESQL}

Jika elemen dialek dihilangkan, dialek akan ditetapkan secara default ke GOOGLE_STANDARD_SQL.

Catatan: Karakter pengganti tidak didukung; Anda harus menulis semua nama file secara lengkap.

Langkah 3: Jalankan tugas impor Dataflow menggunakan gcloud CLI

Untuk memulai tugas impor, ikuti petunjuk penggunaan Google Cloud CLI untuk menjalankan tugas dengan template Avro to Spanner.

Setelah memulai tugas impor, Anda dapat melihat detail tentang tugas tersebut di Konsol Google Cloud.

Setelah tugas impor selesai, tambahkan indeks sekunder dan kunci asing yang diperlukan.

Catatan: Untuk menghindari biaya transfer data keluar, pilih region yang tumpang-tindih dengan lokasi bucket Cloud Storage Anda. Lihat artikel Memilih region di bawah untuk mengetahui informasi selengkapnya.

Pilih region untuk tugas impor Anda

Sebaiknya pilih region yang berbeda berdasarkan lokasi bucket Cloud Storage. Untuk menghindari biaya transfer data keluar, pilih region yang cocok dengan lokasi bucket Cloud Storage Anda.

• Jika lokasi bucket Cloud Storage adalah region, Anda dapat memanfaatkan penggunaan jaringan gratis dengan memilih region yang sama untuk tugas impor, dengan asumsi bahwa region tersebut tersedia.

• Jika lokasi bucket Cloud Storage Anda adalah dual-region, Anda dapat memanfaatkan penggunaan jaringan gratis dengan memilih salah satu dari dua region yang membentuk region ganda untuk tugas impor, dengan asumsi salah satu region tersedia.

• Jika region yang ditempatkan bersama tidak tersedia untuk tugas impor Anda, atau jika lokasi bucket Cloud Storage Anda adalah multi-region, biaya transfer data keluar akan berlaku. Lihat harga transfer data Cloud Storage untuk memilih region yang dikenai biaya transfer data terendah.

Melihat atau memecahkan masalah tugas di UI Dataflow

Setelah memulai tugas impor, Anda dapat melihat detail tugas tersebut, termasuk log, di bagian Dataflow pada Konsol Google Cloud.

Melihat detail tugas Dataflow

Untuk melihat detail tugas impor/ekspor yang Anda jalankan dalam seminggu terakhir, termasuk tugas yang sedang berjalan:

1. Buka halaman Database overview untuk database tersebut.
2. Klik item menu panel kiri Import/Export. Halaman Import/Export database menampilkan daftar tugas terbaru.

3. Di halaman Import/Export database, klik nama tugas di kolom Dataflow job name:

   

   Konsol Google Cloud menampilkan detail tugas Dataflow.

Untuk melihat tugas yang Anda jalankan lebih dari satu minggu yang lalu:

1. Buka halaman tugas Dataflow di konsol Google Cloud.

   Buka halaman lowongan

2. Temukan pekerjaan Anda di daftar, lalu klik namanya.

   Konsol Google Cloud menampilkan detail tugas Dataflow.

Catatan: Tugas dengan jenis yang sama untuk database yang sama memiliki nama yang sama. Anda dapat membedakan tugas berdasarkan nilainya di kolom Start time atau End time.

Melihat log Dataflow untuk tugas Anda

Untuk melihat log tugas Dataflow, buka halaman detail tugas seperti yang dijelaskan di atas, lalu klik Logs di sebelah kanan nama tugas.

Jika tugas gagal, cari error di log. Jika ada error, jumlah error akan ditampilkan di samping Logs:

Untuk melihat error tugas:

1. Klik jumlah error di sebelah Logs.

   Konsol Google Cloud menampilkan log tugas. Anda mungkin perlu men-scroll untuk melihat error.

2. Temukan entri dengan ikon error .

3. Klik entri log individual untuk meluaskan kontennya.

Untuk mengetahui informasi selengkapnya tentang memecahkan masalah tugas Dataflow, lihat Memecahkan masalah pipeline Anda.

Memecahkan masalah tugas impor yang gagal

Jika Anda melihat error berikut di log tugas:

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

--or--

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

Periksa 99% latensi Tulis di tab Monitoring pada database Spanner Anda di Google Cloud Console. Jika instance menampilkan nilai tinggi (beberapa detik), hal ini menunjukkan bahwa instance kelebihan beban, yang menyebabkan waktu tunggu habis dan gagal.

Salah satu penyebab latensi tinggi adalah tugas Dataflow yang berjalan menggunakan terlalu banyak pekerja, sehingga menempatkan terlalu banyak beban pada instance Spanner.

Untuk menentukan batas jumlah pekerja Dataflow, daripada menggunakan tab Import/Export di halaman detail instance database Spanner di Google Cloud Console, Anda harus memulai impor menggunakan Dataflow template Cloud Storage Avro ke Cloud Spanner dan menentukan jumlah pekerja maksimum seperti yang dijelaskan di bawah:

• Jika Anda menggunakan konsol Dataflow, parameter Max worker terletak di bagian Parameter opsional di halaman Create job from template.

• Jika Anda menggunakan gcloud, tentukan argumen max-workers. Contoh:

  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
  

Mengoptimalkan tugas impor yang berjalan lambat

Jika telah mengikuti saran di setelan awal, biasanya Anda tidak perlu melakukan penyesuaian lainnya. Jika tugas Anda berjalan lambat, ada beberapa pengoptimalan lain yang dapat Anda coba:

• Mengoptimalkan tugas dan lokasi data: Jalankan tugas Dataflow di region yang sama tempat instance Spanner dan bucket Cloud Storage berada.

• Pastikan resource Dataflow yang memadai: Jika kuota Compute Engine yang relevan membatasi resource tugas Dataflow Anda, halaman Dataflow tugas di Konsol Google Cloud akan menampilkan ikon peringatan dan pesan log:

  

  Dalam situasi ini, meningkatkan kuota CPU, alamat IP yang sedang digunakan, dan persistent disk standar dapat mempersingkat waktu proses tugas, tetapi Anda mungkin dikenai lebih banyak biaya Compute Engine.

• Periksa pemakaian CPU Spanner: Jika pemakaian CPU untuk instance melebihi 65%, Anda dapat meningkatkan kapasitas komputasi dalam instance tersebut. Kapasitas tersebut menambahkan lebih banyak resource Spanner dan tugas akan dipercepat, tetapi biaya Spanner Anda akan lebih besar.

Faktor yang memengaruhi performa tugas impor

Beberapa faktor memengaruhi waktu yang diperlukan untuk menyelesaikan tugas impor.

• Ukuran database Spanner: Pemrosesan data yang lebih banyak memerlukan lebih banyak waktu dan resource.

• Skema database Spanner, termasuk:

  • Jumlah tabel
  • Ukuran baris
  • Jumlah indeks sekunder
  • Jumlah {i>foreign key<i}
  • Jumlah aliran perubahan

• Lokasi data: Data ditransfer antara Spanner dan Cloud Storage menggunakan Dataflow. Idealnya, ketiga komponen tersebut berada di region yang sama. Jika komponen tidak berada di region yang sama, memindahkan data lintas region akan memperlambat tugas.

• Jumlah pekerja Dataflow: Pekerja Dataflow yang optimal diperlukan untuk mendapatkan performa yang baik. Dengan menggunakan penskalaan otomatis, Dataflow akan memilih jumlah pekerja untuk tugas, bergantung pada jumlah pekerjaan yang perlu dilakukan. Namun, jumlah pekerja akan dibatasi oleh kuota CPU, alamat IP yang sedang digunakan, dan persistent disk standar. UI Dataflow menampilkan ikon peringatan jika mengalami batas kuota. Dalam situasi ini, progresnya lebih lambat, tetapi tugas seharusnya tetap dapat diselesaikan. Penskalaan otomatis dapat membebani Spanner sehingga menyebabkan error jika ada banyak data yang harus diimpor.

• Pemuatan yang ada di Spanner: Tugas impor menambahkan beban CPU yang signifikan pada instance Spanner. Jika instance sudah memiliki beban yang cukup substansial, tugas akan berjalan lebih lambat.

• Jumlah kapasitas komputasi Spanner: Jika penggunaan CPU untuk instance lebih dari 65%, tugas akan berjalan lebih lambat.

Menyesuaikan pekerja untuk performa impor yang baik

Saat memulai tugas impor Spanner, pekerja Dataflow harus ditetapkan ke nilai optimal untuk performa yang baik. Terlalu banyak pekerja melebihi beban Spanner dan terlalu sedikit pekerja menyebabkan performa impor yang buruk.

Jumlah maksimum pekerja sangat bergantung pada ukuran data, tetapi idealnya, total penggunaan CPU Spanner harus antara 70% hingga 90%. Hal ini memberikan keseimbangan yang baik antara efisiensi Spanner dan penyelesaian tugas bebas error.

Untuk mencapai target penggunaan tersebut di sebagian besar skema dan skenario, sebaiknya jumlah maksimum vCPU pekerja antara 4-6x jumlah node Spanner.

Misalnya, untuk instance Spanner yang terdiri dari 10 node, yang menggunakan pekerja n1-standard-2, Anda akan menetapkan maksimal pekerja ke 25, sehingga menghasilkan 50 vCPU.