Cette page explique comment importer des bases de données Spanner dans Spanner à l'aide de la console Google Cloud. Pour importer des fichiers Avro à partir d'une autre source, consultez Importer des données à partir de bases de données autres que Spanner.
Ce processus fait appel à Dataflow. Il consiste à importer des données à partir d'un dossier de bucket Cloud Storage contenant un ensemble de fichiers Avro et de fichiers manifestes JSON. Le processus d'importation n'est compatible qu'avec les fichiers Avro exportés à partir de Spanner.
Pour importer une base de données Spanner à l'aide de l'API REST ou de gcloud CLI, suivez la procédure décrite dans la section Avant de commencer de cette page, puis consultez les instructions détaillées de la section Cloud Storage Avro vers Spanner.
Avant de commencer
Pour importer une base de données Spanner, vous devez d'abord activer les API Spanner, Cloud Storage, Compute Engine et Dataflow :
Vous devez également disposer d'un quota suffisant, ainsi que des autorisations IAM requises.
Exigences en matière de quota
Voici les conditions de quota requises pour les jobs d'importation:
- Spanner: vous devez disposer d'une capacité de calcul suffisante pour prendre en charge la quantité de données que vous importez. Aucune capacité de calcul supplémentaire n'est requise pour importer une base de données, mais il peut s'avérer nécessaire d'ajouter de la capacité de calcul pour que la tâche se termine dans un délai raisonnable. Pour en savoir plus, consultez Optimiser les missions.
- Cloud Storage : pour effectuer des importations, vous devez disposer d'un bucket contenant les fichiers que vous avez exportés auparavant. Il n'est pas nécessaire de spécifier une taille pour ce bucket.
- Dataflow : les tâches d'importation sont soumises aux mêmes exigences que les autres tâches Dataflow en ce qui concerne les quotas Compute Engine, aussi bien pour l'utilisation de processeurs et d'espace disque que pour le nombre d'adresses IP.
Compute Engine : avant d'exécuter une tâche d'importation, vous devez définir les quotas initiaux Compute Engine utilisés par Dataflow. Ces quotas représentent les quantités maximales de ressources que Dataflow pourra utiliser pour votre tâche. Les valeurs de départ recommandées sont les suivantes :
- Processeurs : 200
- Adresses IP en cours d'utilisation : 200
- Disque persistant standard : 50 To
En règle générale, vous n'avez aucun autre ajustement à effectuer. Dataflow assure un autoscaling qui vous permet de ne payer que pour les ressources réellement utilisées lors de l'importation. S'il apparaît que votre tâche pourrait utiliser davantage de ressources, l'interface utilisateur de Dataflow affiche une icône d'avertissement, mais cela n'empêche normalement pas la tâche d'aboutir.
Exigences IAM
Pour importer une base de données, vous devez également disposer de rôles IAM accordant des autorisations suffisantes pour utiliser tous les services impliqués dans une tâche d'importation. Pour en savoir plus sur l'attribution de rôles et d'autorisations, consultez la page Appliquer des rôles IAM.
Pour importer une base de données, vous avez besoin des rôles suivants :
- Au niveau du projet Google Cloud :
- Lecteur Spanner (
roles/spanner.viewer) - Administrateur Dataflow (
roles/dataflow.admin) - Administrateur de l'espace de stockage (
roles/storage.admin)
- Lecteur Spanner (
- Au niveau de l'instance ou de la base de données Spanner, ou au niveau du projet Google Cloud :
- Lecteur de bases de données Spanner (
roles/spanner.databaseReader) - Administrateur de bases de données Spanner (
roles/spanner.databaseAdmin)
- Lecteur de bases de données Spanner (
Facultatif: Rechercher le dossier de votre base de données dans Cloud Storage
Pour trouver le dossier contenant votre base de données exportée dans la console Google Cloud, accédez au navigateur Cloud Storage et cliquez sur le bucket contenant le dossier exporté.
Accéder au navigateur Cloud Storage
Le nom du dossier contenant vos données exportées commence par l'ID de votre instance, suivi du nom de la base de données et de l'horodatage de la tâche d'exportation. Ce dossier contient :
- Un fichier
spanner-export.json. - Un fichier
TableName-manifest.jsonpour chaque table de la base de données que vous avez exportée. Un ou plusieurs fichiers
TableName.avro-#####-of-#####. Le premier nombre figurant dans l'extension.avro-#####-of-#####représente l'index du fichier Avro compté à partir de zéro, tandis que le second correspond au nombre de fichiers Avro générés pour chaque table.Par exemple,
Songs.avro-00001-of-00002est le deuxième des deux fichiers contenant les données de la tableSongs.Un fichier
ChangeStreamName-manifest.jsonpour chaque flux de modifications de la base de données que vous avez exportée.Un fichier
ChangeStreamName.avro-00000-of-00001pour chaque flux de modifications. Ce fichier contient des données vides qui ne comportent que le schéma Avro du flux de modifications.
Importer une base de données
Pour importer votre base de données Spanner de Cloud Storage dans votre instance, procédez comme suit.
Accédez à la page Instances de Spanner.
Cliquez sur le nom de l'instance qui contiendra la base de données importée.
Cliquez sur l'élément de menu Importer/Exporter dans le volet de gauche, puis sur le bouton Importer.
Sous Sélectionner un dossier source, cliquez sur Parcourir.
Recherchez le bucket contenant votre exportation dans la liste initiale, ou cliquez sur Rechercher
pour filtrer la liste et trouver le bucket. Double-cliquez sur le bucket pour afficher les dossiers qu'il contient.Recherchez le dossier contenant vos fichiers exportés et cliquez dessus pour le sélectionner.
Cliquez sur Sélectionner.
Saisissez un nom pour la nouvelle base de données, créée par Spanner lors du processus d'importation. Vous ne pouvez pas spécifier un nom de base de données existant déjà dans votre instance.
Choisissez le dialecte de la nouvelle base de données (GoogleSQL ou PostgreSQL).
(Facultatif) Pour protéger la nouvelle base de données à l'aide d'une clé de chiffrement gérée par le client, cliquez surAfficher les options de chiffrement et sélectionnez Utiliser une clé de chiffrement gérée par le client (CMEK). Sélectionnez ensuite une clé dans la liste déroulante.
Sélectionnez une région dans le menu déroulant Sélectionner une région pour la tâche d'importation.
(Facultatif) Pour chiffrer l'état du pipeline Dataflow avec une clé de chiffrement gérée par le client, cliquez sur Afficher les options de chiffrement puis sélectionnez Utiliser une clé de chiffrement gérée par le client (CMEK). Sélectionnez ensuite une clé dans la liste déroulante.
Cochez la case située sous Confirmer les frais pour accepter la facturation de frais supplémentaires en plus de ceux associés à votre instance Spanner existante.
Cliquez sur Importer.
La console Google Cloud affiche la page Détails de la base de données, qui affiche à présent une zone décrivant votre tâche d'importation et indiquant le temps écoulé:
Une fois la tâche terminée ou interrompue, la console Google Cloud affiche un message sur la page Détails de la base de données. Si la tâche a abouti, un message tel que celui-ci apparaît :
Si la tâche n'a pas abouti, un message d'échec apparaît :
Si votre tâche échoue, consultez les journaux Dataflow du job pour connaître les détails de l'erreur, puis consultez la page Résoudre les problèmes liés aux tâches d'importation ayant échoué.
Remarque sur l'importation des colonnes générées et des flux de modifications
Spanner utilise la définition de chaque colonne générée dans le schéma Avro pour recréer cette colonne. Spanner calcule automatiquement les valeurs de colonne générées lors de l'importation.
De même, Spanner utilise la définition de chaque flux de modifications dans le schéma Avro pour le recréer lors de l'importation. Les données de flux de modifications ne sont ni exportées, ni importées via Avro. Par conséquent, tous les flux de modifications associés à une base de données récemment importée ne contiendront aucun enregistrement de données de modification.
Remarque sur l'importation de séquences
Chaque séquence (GoogleSQL, PostgreSQL) exportée par Spanner utilise la fonction GET_INTERNAL_SEQUENCE_STATE() (GoogleSQL, PostgreSQL) pour capturer son état actuel. Spanner ajoute un tampon de 1 000 au compteur et écrit la nouvelle valeur de compteur dans les propriétés du champ d'enregistrement. Notez qu'il ne s'agit que d'une approche optimale pour éviter les erreurs de valeur en double qui pourraient se produire après l'importation. Ajustez le compteur de séquence réel s'il y a davantage d'écritures dans la base de données source lors de l'exportation des données.
Lors de l'importation, la séquence commence à partir de ce nouveau compteur et non à partir du compteur qui se trouve dans le schéma. Si nécessaire, vous pouvez utiliser l'instruction ALTER SEQUENCE (GoogleSQL, PostgreSQL) pour passer à un nouveau compteur.
Choisissez une région pour votre job d'importation
Vous pouvez choisir une région différente en fonction de l'emplacement de votre bucket Cloud Storage. Pour éviter les frais de transfert de données sortants, choisissez une région correspondant à l'emplacement de votre bucket Cloud Storage.
Si l'emplacement de votre bucket Cloud Storage est une région, vous pouvez bénéficier de l'utilisation gratuite du réseau en choisissant la même région pour votre job d'importation, en supposant que cette région est disponible.
Si l'emplacement de votre bucket Cloud Storage est birégional, vous pouvez tirer parti de l'utilisation gratuite du réseau en choisissant l'une des deux régions qui constituent l'emplacement birégional pour votre tâche d'importation, à condition que l'une des régions soit disponible.
Si aucune région colocalisée n'est disponible pour votre tâche d'importation ou si l'emplacement de votre bucket Cloud Storage est multirégional, des frais de transfert de données sortantes s'appliquent. Consultez les tarifs de transfert de données de Cloud Storage pour choisir la région qui entraîne les frais de transfert de données les plus bas.
Afficher ou dépanner des jobs dans l'interface utilisateur de Dataflow
Après avoir démarré une tâche d'importation, vous pouvez en afficher les détails, y compris les journaux, dans la section Dataflow de la console Google Cloud.
Afficher les détails d'un job Dataflow
Pour afficher les détails des tâches d'importation/exportation exécutées au cours de la dernière semaine, y compris les tâches en cours d'exécution :
- Accédez à la page Présentation de la base de données correspondant à la base de données.
- Cliquez sur l'élément de menu du volet Importations/Exportations à gauche. La page Importations/Exportations de la base de données affiche la liste des tâches récentes.
Sur la page Importations/Exportations de la base de données, cliquez sur le nom de la tâche dans la colonne Nom de la tâche Dataflow :
La console Google Cloud affiche les détails du job Dataflow.
Pour afficher une tâche que vous avez exécutée il y a plus d'une semaine :
Accédez à la page des jobs Dataflow dans la console Google Cloud.
Recherchez votre tâche dans la liste, puis cliquez sur son nom.
La console Google Cloud affiche les détails du job Dataflow.
Afficher les journaux Dataflow associés à votre job
Pour afficher les journaux d'une tâche Dataflow, accédez à la page des détails de la tâche comme décrit ci-dessus, puis cliquez sur Journaux à droite du nom de la tâche.
Si une tâche échoue, recherchez les erreurs dans les journaux. Si des erreurs ont été enregistrées, leur nombre s'affiche à côté du bouton Logs (Journaux) :
Pour afficher les erreurs relatives à une tâche :
Cliquez sur le nombre d'erreurs affiché à côté du bouton Logs (Journaux).
La console Google Cloud affiche les journaux du job. Vous devrez éventuellement faire défiler l'affichage pour voir les erreurs.
Repérez les entrées signalées par l'icône d'erreur
.Cliquez sur une entrée de journal pour développer son contenu.
Pour en savoir plus sur le dépannage des tâches Dataflow, consultez la page Résoudre les problèmes liés à votre pipeline.
Résoudre les problèmes d'échec des jobs d'importation
Si les erreurs suivantes s'affichent dans les journaux de vos tâches :
com.google.cloud.spanner.SpannerException: NOT_FOUND: Session not found --or-- com.google.cloud.spanner.SpannerException: DEADLINE_EXCEEDED: Deadline expired before operation could complete.
Vérifiez la latence d'écriture de 99% dans l'onglet Surveillance de votre base de données Spanner dans la console Google Cloud. Si elle affiche des valeurs élevées (plusieurs secondes), cela signifie que l'instance est surchargée, ce qui entraîne l'expiration et l'échec de l'écriture.
L'une des causes de latence élevée est que le job Dataflow s'exécute à l'aide d'un trop grand nombre de nœuds de calcul, ce qui entraîne une charge trop importante sur l'instance Spanner.
Pour spécifier une limite du nombre de nœuds de calcul Dataflow, au lieu d'utiliser l'onglet "Importer/Exporter" de la page "Détails de l'instance" de votre base de données Spanner dans la console Google Cloud, vous devez lancer l'importation à l'aide du modèle Cloud Storage Avro vers Cloud Spanner et spécifier le nombre maximal de nœuds de calcul comme décrit ci-dessous :Si vous utilisez la console Dataflow, le paramètre Nombre maximal de nœuds de calcul se trouve dans la section Paramètres facultatifs de la page Créer une tâche à partir d'un modèle.
Si vous utilisez gcloud, spécifiez l'argument
max-workers. Exemple :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
Optimiser les tâches d'importation lentes
Si vous avez adopté les paramètres initiaux suggérés plus haut, vous n'avez en principe aucun autre réglage à effectuer. Voici toutefois quelques possibilités d'optimisation supplémentaires à envisager si l'exécution de votre tâche est lente :
Optimisez l'emplacement de la tâche et des données: exécutez votre tâche Dataflow dans la même région que celle où se trouvent votre instance Spanner et votre bucket Cloud Storage.
Assurez-vous que les ressources Dataflow sont suffisantes: si les quotas Compute Engine pertinents limitent les ressources de votre job Dataflow, la page Dataflow de la tâche dans la console Google Cloud affiche une icône d'avertissement
et des messages de journal:
Dans ce cas, l'augmentation des quotas en termes de processeurs, d'adresses IP en cours d'utilisation et de disques persistants standards peut accélérer l'exécution de votre tâche, mais également augmenter les frais facturés pour Compute Engine.
Vérifiez l'utilisation du processeur Spanner: si vous constatez que l'instance présente un taux d'utilisation du processeur supérieur à 65%, vous pouvez augmenter la capacité de calcul de cette instance. La capacité permet d'ajouter des ressources Spanner et la tâche devrait s'accélérer, mais des frais Spanner supplémentaires vous sont facturés.
Facteurs affectant les performances des tâches d'importation
Plusieurs facteurs influent sur le temps nécessaire pour mener à bien une tâche d'importation.
Taille de la base de données Spanner: le traitement d'un plus grand nombre de données nécessite davantage de temps et de ressources.
Schéma de base de données Spanner, y compris:
- Le nombre de tables
- Taille des lignes
- Le nombre d'index secondaires
- Le nombre de clés étrangères
- Nombre de flux de modifications
Notez que la création d'index et de clés étrangères se poursuit une fois la tâche d'importation Dataflow terminée. Les flux de modifications sont créés avant la fin du job d'importation, mais une fois que toutes les données ont été importées.
Emplacement des données: les données sont transférées entre Spanner et Cloud Storage à l'aide de Dataflow. Dans l'idéal, ces trois composants doivent se trouver dans la même région. Dans le cas contraire, le déplacement des données entre les régions ralentit l'exécution de la tâche.
Nombre de nœuds de calcul Dataflow : les nœuds de calcul Dataflow optimaux sont nécessaires pour de bonnes performances. En utilisant l'autoscaling, Dataflow choisit le nombre de nœuds de calcul pour la tâche en fonction de la quantité de travail à effectuer. Le nombre de nœuds de calcul sera toutefois limité par les quotas en matière de processeurs, d'adresses IP en cours d'utilisation et de disques persistants standards. L'interface utilisateur de Dataflow affiche une icône d'avertissement lorsque des limites de quota sont atteintes. Dans ce cas, la progression est ralentie, mais la tâche doit néanmoins aboutir. L'autoscaling peut surcharger Spanner, ce qui peut entraîner des erreurs lorsqu'une grande quantité de données doit être importée.
Charge existante sur Spanner: une tâche d'importation ajoute une charge de processeur importante sur une instance Spanner. Si cette instance présentait déjà une charge importante, l'exécution de la tâche est ralentie.
Quantité de capacité de calcul Spanner: si l'utilisation du processeur pour l'instance dépasse 65%, l'exécution de la tâche est ralentie.
Régler les nœuds de calcul pour obtenir de bonnes performances d'importation
Lors du démarrage d'une tâche d'importation Spanner, les nœuds de calcul Dataflow doivent être définis sur une valeur optimale pour obtenir de bonnes performances. Un trop grand nombre de nœuds de calcul surcharge Spanner et un nombre insuffisant de nœuds de calcul entraîne une mauvaise performance des performances d'importation.
Le nombre maximal de nœuds de calcul dépend fortement de la taille des données, mais idéalement, l'utilisation totale du processeur Spanner doit être comprise entre 70% et 90%. Cela offre un bon équilibre entre l'efficacité de Spanner et l'absence d'erreurs des tâches.
Pour atteindre cet objectif d'utilisation dans la majorité des schémas et des scénarios, nous recommandons un nombre maximal de processeurs virtuels de nœud de calcul compris entre 4 et 6 fois le nombre de nœuds Spanner.
Par exemple, pour une instance Spanner à 10 nœuds utilisant des nœuds de calcul n1-standard-2, vous devez définir le nombre maximal de nœuds de calcul sur 25, ce qui donne 50 processeurs virtuels.