Nesta página, descrevemos como importar bancos de dados do Spanner para o Spanner usando o console do Google Cloud. Para importar arquivos Avro de outra fonte, consulte Importar dados de bancos de dados que não são do Spanner.
O processo usa o Dataflow. Ele importa dados de uma pasta de bucket do Cloud Storage que contém um conjunto de arquivos Avro (em inglês) e arquivos de manifesto JSON. O processo de importação é compatível apenas com arquivos Avro exportados do Spanner.
Para importar um banco de dados do Spanner usando a API REST ou a gcloud CLI, conclua as etapas na seção Antes de começar nesta página. Em seguida, consulte as instruções detalhadas em Avro do Cloud Storage para o Spanner.
Antes de começar
Para importar um banco de dados do Spanner, primeiro é necessário ativar as APIs Spanner, Cloud Storage, Compute Engine e Dataflow:
É preciso também ter cota suficiente e as permissões obrigatórias do IAM.
Requisitos de cota
Os requisitos de cota para jobs de importação são os seguintes:
- Spanner: você precisa ter capacidade de computação suficiente para armazenar a quantidade de dados que está importando. Nenhuma capacidade de computação extra é necessária para importar um banco de dados, mas talvez seja necessário adicionar mais capacidade de computação para que o job seja concluído em um período razoável. Consulte Otimizar tarefas para mais detalhes.
- Cloud Storage: para importar, é preciso ter um bucket contendo os arquivos exportados anteriormente. Não é necessário definir um tamanho para o bucket.
- Dataflow: os jobs de importação estão sujeitos às mesmas cotas do Compute Engine para endereço IP, uso da CPU e do disco aplicadas a outros jobs do Dataflow.
Compute Engine: antes de executar um job de importação, é necessário configurar cotas iniciais para o Compute Engine, que serão usadas pelo Dataflow. Essas cotas representam o número máximo de recursos que você permite que o Dataflow use para seu job. Os valores iniciais recomendados são:
- CPUs: 200
- Endereços IP em uso: 200
- Disco permanente padrão: 50 TB
Geralmente, não é necessário fazer nenhum outro ajuste. O Dataflow fornece escalonamento automático para que você pague apenas pelos recursos efetivamente utilizados durante a importação. Se seu job puder usar mais recursos, a IU do Dataflow exibirá um ícone de aviso. O job será concluído, mesmo que um ícone de aviso seja exibido.
Requisitos do IAM
Para importar um banco de dados, é preciso também ter papéis do IAM com permissões suficientes para usar todos os serviços envolvidos em um job de importação. Para informações sobre como conceder papéis e permissões, consulte Aplicar papéis do IAM.
Para importar um banco de dados, você precisa dos seguintes papéis:
- No nível do projeto do Google Cloud:
- Leitor do Spanner (
roles/spanner.viewer) - Administrador do Dataflow (
roles/dataflow.admin) - Administrador do Storage (
roles/storage.admin)
- Leitor do Spanner (
- No nível do banco de dados ou da instância do Spanner ou no nível do projeto do Google Cloud:
- Leitor de banco de dados do Spanner (
roles/spanner.databaseReader) - Administrador do banco de dados do Spanner (
roles/spanner.databaseAdmin)
- Leitor de banco de dados do Spanner (
Opcional: encontre a pasta do banco de dados no Cloud Storage
Para encontrar a pasta que contém seu banco de dados exportado no console do Google Cloud, navegue até o navegador do Cloud Storage e clique no bucket que contém a pasta exportada.
Acessar o navegador do Cloud Storage
O nome da pasta que contém os dados exportados começa com o código da instância, o nome do banco de dados e o carimbo de data/hora do job de exportação. A pasta contém:
- Um arquivo
spanner-export.json - Um arquivo
TableName-manifest.jsonpara cada tabela do banco de dados exportado Um ou mais arquivos
TableName.avro-#####-of-#####O primeiro número na extensão.avro-#####-of-#####representa o índice do arquivo Avro, a partir de zero. O segundo representa o número de arquivos Avro gerados para cada tabela.Por exemplo,
Songs.avro-00001-of-00002é o segundo de dois arquivos que contêm os dados da tabelaSongs.Um arquivo
ChangeStreamName-manifest.jsonpara cada fluxo de alterações no banco de dados exportado.Um arquivo
ChangeStreamName.avro-00000-of-00001para cada fluxo de alterações. Esse arquivo contém dados vazios com apenas o esquema Avro do fluxo de alterações.
Importar um banco de dados
Para importar o banco de dados do Spanner do Cloud Storage para sua instância, siga estas etapas.
Acesse a página Instâncias do Spanner.
Clique no nome da instância que conterá o banco de dados importado.
Clique no item de menu Import/Export no painel esquerdo e clique no botão Import.
Em Escolher uma pasta de origem, clique em Procurar.
Encontre o bucket que contém a exportação na lista inicial ou clique em Pesquisar
para filtrar a lista e localizar o bucket. Clique duas vezes no bucket para ver as pastas que ele contém.Encontre a pasta com os arquivos exportados e clique para selecioná-la.
Clique em Selecionar.
Insira um nome para o novo banco de dados, que o Spanner cria durante o processo de importação. O nome escolhido para o banco de dados não pode ser um que já exista em sua instância.
Escolha o dialeto para o novo banco de dados (GoogleSQL ou PostgreSQL).
(Opcional) Para proteger o novo banco de dados com uma chave de criptografia gerenciada pelo cliente, clique em Mostrar opções de criptografia e selecione Usar uma chave de criptografia gerenciada pelo cliente (CMEK). Em seguida, selecione uma chave na lista suspensa.
Selecione uma região no menu suspenso Escolha uma região para o job de importação.
Opcional: para criptografar o estado do pipeline do Dataflow com uma chave de criptografia gerenciada pelo cliente, clique em Mostrar opções de criptografia e selecione Usar. uma chave de criptografia gerenciada pelo cliente (CMEK). Em seguida, selecione uma chave na lista suspensa.
Marque a caixa de seleção em Confirmar cobranças para confirmar que há cobranças além das referentes à instância atual do Spanner.
Clique em Importar.
O console do Google Cloud exibe a página Detalhes do banco de dados, que agora exibe uma caixa que descreve o job de importação, incluindo o tempo decorrido:
Quando o job termina ou é encerrado, o console do Google Cloud exibe uma mensagem na página Detalhes do banco de dados. Se o job for bem-sucedido, será exibida uma mensagem de sucesso:
Se o job não for bem-sucedido, será exibida uma mensagem de falha:
Se o job falhar, verifique os registros do Dataflow do job para ver detalhes do erro e consulte Resolver problemas de jobs de importação com falha.
Uma observação sobre a importação de colunas geradas e fluxo de alterações
O Spanner usa a definição de cada coluna gerada no esquema do Avro para recriar essa coluna. O Spanner calcula automaticamente os valores de coluna gerados durante a importação.
Da mesma forma, o Spanner usa a definição de cada fluxo de alterações no esquema Avro para recriá-lo durante a importação. Os dados do fluxo de alterações não são exportados nem importados pelo Avro. Portanto, todos os fluxos de alterações associados a um banco de dados recém-importado não terão registros de dados alterados.
Observação sobre a importação de sequências
Cada sequência (GoogleSQL, PostgreSQL) que o Spanner exporta usa a função GET_INTERNAL_SEQUENCE_STATE() (GoogleSQL, PostgreSQL) para capturar o estado atual. O Spanner adiciona um buffer de 1.000 ao contador e grava o novo valor do contador nas propriedades do campo de registro. Essa é apenas uma abordagem de melhor esforço para evitar erros de valor duplicado que podem acontecer após a importação. Ajuste o contador de sequência real se houver mais gravações no banco de dados de origem durante a exportação de dados.
Na importação, a sequência começa nesse novo contador em vez daquele encontrado no esquema. Se precisar, use a instrução ALTER SEQUENCE (GoogleSQL, PostgreSQL) para atualizar para um novo contador.
Escolha uma região para o job de importação
É possível escolher uma região diferente com base no local do seu bucket do Cloud Storage. Para evitar cobranças de transferência de dados de saída, escolha uma região que corresponda ao local do seu bucket do Cloud Storage.
Se o local do bucket do Cloud Storage for uma região, será possível aproveitar o uso gratuito da rede escolhendo a mesma região para o job de importação, supondo que essa região esteja disponível.
Se o local do bucket do Cloud Storage for local birregional, será possível aproveitar o uso gratuito da rede escolhendo uma das duas regiões que compõem o local birregional para o job de importação, supondo que uma das regiões esteja disponível.
Se uma região colocalizada não estiver disponível para o job de importação ou se o local do bucket do Cloud Storage for multirregional, serão aplicadas as cobranças de transferência de dados de saída. Consulte os preços de transferência de dados do Cloud Storage para escolher uma região que incorre nas taxas mais baixas de transferência de dados.
Visualizar ou solucionar problemas de jobs na IU do Dataflow
Depois de iniciar um job de importação, é possível ver os detalhes dele, incluindo registros, na seção do Dataflow do console do Google Cloud.
Mais detalhes do job do Dataflow
Para ver os detalhes de qualquer job de importação/exportação executado na última semana, incluindo os jobs em execução no momento:
- Navegue até a página Detalhes do banco de dados.
- Clique no item de menu do painel esquerdo Importar/Exportar. A página Importar/Exportar do banco de dados exibe uma lista de jobs recentes.
Na página Importar/Exportar do banco de dados, clique no nome do job na coluna Nome do job do Dataflow:
O console do Google Cloud exibe detalhes do job do Dataflow.
Para visualizar um job executado há mais de uma semana, siga estas etapas:
Acesse a página de jobs do Dataflow no console do Google Cloud.
Encontre seu job na lista e clique no nome dele.
O console do Google Cloud exibe detalhes do job do Dataflow.
Visualizar os registros do Dataflow do job
Para visualizar os registros de um job do Dataflow, navegue até a página de detalhes do job, conforme descrito acima. Em seguida, clique em Registros, à direita do nome do job.
Se um job falhar, procure erros nos registros. Se houver erros, a contagem de erros será exibida ao lado de Registros:
Para ver os erros do job, siga estas etapas:
Clique na contagem de erros, ao lado de Registros.
O console do Google Cloud exibe os registros do job. Pode ser necessário rolar para visualizar os erros.
Localize entradas com o ícone de erro
.Clique em uma entrada de registro individual para expandir seu conteúdo.
Para mais informações sobre como solucionar problemas de jobs do Dataflow, consulte Resolver problemas do pipeline.
Resolver problemas de jobs de importação
Se você vir os seguintes erros nos registros do job:
com.google.cloud.spanner.SpannerException: NOT_FOUND: Session not found --or-- com.google.cloud.spanner.SpannerException: DEADLINE_EXCEEDED: Deadline expired before operation could complete.
Verifique a latência de gravação de 99% na guia Monitoramento do banco de dados do Spanner no console do Google Cloud. Se estiver exibindo valores altos (vários segundos), isso indicará que a instância está sobrecarregada, fazendo com que as gravações expirem e falhem.
Uma causa da alta latência é que o job do Dataflow está sendo executado usando muitos workers, sobrecarregando muito a instância do Spanner.
Para especificar um limite para o número de workers do Dataflow, em vez de usar a guia "Importar/Exportar" na página de detalhes da instância do banco de dados do Spanner no console do Google Cloud, inicie a importação usando o modelo Cloud Storage Avro para Cloud Spanner do Dataflow e especifique o número máximo de workers, conforme descrito abaixo:Se você estiver usando o console do Dataflow, o parâmetro Workers máximos estará localizado na seção Parâmetros opcionais da página Criar job a partir do modelo.
Se você estiver usando o gcloud, especifique o argumento
max-workers. Exemplo: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
Otimizar jobs de importação de execução lenta
Se as sugestões das configurações iniciais forem seguidas, geralmente não será necessário fazer nenhum outro ajuste. Se o job estiver sendo executado lentamente, é possível tentar outras otimizações:
Otimize o local do job e dos dados: execute o job do Dataflow na mesma região em que estão localizados o bucket do Cloud Storage e a instância do Spanner.
Garanta recursos suficientes do Dataflow: se as cotas relevantes do Compute Engine limitarem os recursos do job do Dataflow, a página do Dataflow no console do Google Cloud exibirá um ícone de aviso
e mensagens de registro:
Nessa situação, é possível reduzir o ambiente de execução do job aumentando as cotas (em inglês) para CPUs, endereços IP em uso e disco permanente padrão. Porém, isso pode resultar em mais cobranças do Compute Engine.
Verifique a utilização da CPU do Spanner: se você notar que a utilização da CPU para a instância é superior a 65%, aumente a capacidade de computação dela. A capacidade adiciona mais recursos do Spanner, e o job será acelerado, mas haverá mais cobranças do Spanner.
Fatores que afetam o desempenho do job de importação
Vários fatores influenciam o tempo necessário para concluir um job de importação.
Tamanho do banco de dados do Spanner: o processamento de mais dados exige mais tempo e recursos.
Esquema de banco de dados do Spanner, incluindo:
- O número de tabelas
- o tamanho das linhas;
- O número de índices secundários
- O número de chaves estrangeiras
- O número de fluxo de alterações
Observe que a criação do índice e da chave externa continua após a conclusão do job de importação do Dataflow. Os streams de alterações são criados antes da conclusão do job de importação, mas depois que todos os dados são importados.
Local dos dados: os dados são transferidos entre o Spanner e o Cloud Storage usando o Dataflow. O ideal é que os três componentes estejam localizados na mesma região. Se não estiverem, a movimentação dos dados pelas regiões prejudica a velocidade de execução do job.
Número de workers do Dataflow: o número ideal de workers do Dataflow é necessário para um bom desempenho. Ao usar o escalonamento automático, o Dataflow escolhe o número de workers para o job, dependendo da quantidade de trabalho que precisa ser feita. O número de workers, no entanto, será limitado pelas cotas para CPUs, endereços IP em uso e disco permanente padrão. A IU do Dataflow exibirá um ícone de aviso caso encontre limites de cotas. Nessa situação, o progresso será mais lento, mas ainda assim o job será concluído. O escalonamento automático pode sobrecarregar o Spanner levando a erros quando há uma grande quantidade de dados para importar.
Carga existente no Spanner: um job de importação adiciona carga de CPU significativa a uma instância do Spanner. Se a instância já tiver uma carga atual substancial, a execução do job será mais lenta.
Quantidade da capacidade de computação do Spanner: se a utilização da CPU para a instância for superior a 65%, o job será executado mais lentamente.
Ajustar os workers para ter um bom desempenho de importação
Ao iniciar um job de importação do Spanner, os workers do Dataflow precisam ser definidos com um valor ideal para um bom desempenho. O excesso de workers sobrecarrega o Spanner e o número insuficiente de workers resulta em um desempenho de importação inferior.
O número máximo de workers depende muito do tamanho dos dados, mas o ideal é que o uso total da CPU do Spanner esteja entre 70% e 90%. Isso proporciona um bom equilíbrio entre a eficiência do Spanner e a conclusão do job sem erros.
Para atingir essa meta de utilização na maioria dos esquemas e cenários, recomendamos um número máximo de vCPUs de worker entre quatro e seis vezes o número de nós do Spanner.
Por exemplo, para uma instância do Spanner de 10 nós, usando workers n1-standard-2, você definiria o máximo de workers como 25, ou seja, 50 vCPUs.