Questa pagina descrive come importare i database Spanner in Spanner utilizzando la console Google Cloud. Per importare file Avro da un'altra origine, consulta Importare dati da database non Spanner.
Il processo utilizza Dataflow e importa i dati da una cartella del bucket Cloud Storage contenente un insieme di file Avro e file manifest JSON. Il processo di importazione supporta solo i file Avro esportati da Spanner.
Per importare un database Spanner utilizzando l'API REST o gcloud CLI,
compila i passaggi descritti nella sezione Prima di iniziare di questa
pagina, quindi consulta le istruzioni dettagliate in Cloud Storage Avro to Spanner.
Prima di iniziare
Per importare un database Spanner, innanzitutto devi attivare le API Spanner, Cloud Storage, Compute Engine e Dataflow:
Inoltre, devi disporre di una quota sufficiente e delle autorizzazioni IAM richieste.
Requisiti delle quote
I requisiti di quota per i job di importazione sono i seguenti:
- Spanner: devi disporre di capacità di calcolo sufficiente per supportare la quantità di dati che stai importando. Per importare un database non è necessaria alcuna capacità di calcolo aggiuntiva, ma potresti dover aggiungere altra capacità di calcolo in modo che il job venga completato in un periodo di tempo ragionevole. Per ulteriori dettagli, consulta la sezione Job di ottimizzazione.
- Cloud Storage: per l'importazione, devi avere un bucket contenente i file esportati in precedenza. Non è necessario impostare una dimensione per il bucket.
- Dataflow: i job di importazione 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 importazione, devi configurare le quote iniziali per Compute Engine, utilizzato da Dataflow. Queste quote rappresentano il numero massimo di risorse che consenti a Dataflow di utilizzare per il tuo job. I valori iniziali consigliati sono:
- CPU: 200
- Indirizzi IP in uso: 200
- Disco rigido 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'importazione. 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 i seguenti ruoli IAM per l'account di servizio worker Dataflow:
-
Visualizzatore Cloud Spanner (
roles/spanner.viewer) -
Dataflow Worker (
roles/dataflow.worker) -
Amministratore archiviazione (
roles/storage.admin) -
Spanner Database Reader (
roles/spanner.databaseReader) -
Amministratore database (
roles/spanner.databaseAdmin)
(Facoltativo) Trova la cartella del database in Cloud Storage
Per trovare la cartella contenente il database esportato nella console Google Cloud, vai al browser Cloud Storage e fai clic sul bucket contenente la cartella esportata.
Il nome della cartella contenente i dati esportati 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.jsonper ogni tabella del database che hai esportato. Uno o più
TableName.avro-#####-of-#####file. Il primo numero nell'estensione.avro-#####-of-#####rappresenta l'indice del file Avro, a partire da zero, mentre il secondo rappresenta il numero di file Avro generati per ogni tabella.Ad esempio,
Songs.avro-00001-of-00002è il secondo di due file che contengono i dati per la tabellaSongs.Un file
ChangeStreamName-manifest.jsonper ogni flusso di modifiche nel database che hai esportato.Un
ChangeStreamName.avro-00000-of-00001file per ogni stream di modifiche. Questo file contiene dati vuoti con solo lo schema Avro del flusso di modifiche.
Importa un database
Per importare il database Spanner da Cloud Storage all'istanza, segui questi passaggi.
Vai alla pagina Istanze di Spanner.
Fai clic sul nome dell'istanza che conterrà il database importato.
Fai clic sul menu Importazione/esportazione nel riquadro a sinistra e poi sul pulsante Importa.
In Scegli una cartella di origine, fai clic su Sfoglia.
Individua il bucket contenente l'esportazione nell'elenco iniziale o fai clic su Cerca
per filtrare l'elenco e trovare il bucket. Fai doppio clic sul bucket per visualizzare le
cartelle che contiene.Individua la cartella con i file esportati e fai clic per selezionarla.
Fai clic su Seleziona.
Inserisci un nome per il nuovo database, creato da Spanner durante il processo di importazione. Il nome del database non può esistere già nell'istanza.
Scegli il dialetto per il nuovo database (GoogleSQL o PostgreSQL).
(Facoltativo) Per proteggere il nuovo database con una chiave di crittografia gestita dal cliente, fai clic su Mostra opzioni di crittografia e seleziona Utilizza una chiave di crittografia gestita dal cliente (CMEK). Quindi, seleziona una chiave dall'elenco a discesa.
Seleziona una regione nel menu a discesa Scegli una regione per il job di importazione.
(Facoltativo) Per criptare lo stato della pipeline di Dataflow con una chiave di crittografia gestita dal cliente, fai clic su Mostra opzioni di crittografia e seleziona Utilizza una chiave di crittografia gestita dal cliente (CMEK). Quindi, seleziona una chiave dall'elenco a discesa.
Seleziona la casella di controllo in Conferma addebiti per confermare che sono presenti addebiti aggiuntivi rispetto a quelli sostenuti dall'istanza Spanner esistente.
Fai clic su Importa.
Nella console Google Cloud viene visualizzata la pagina Dettagli database, che ora mostra una casella che descrive il job di importazione, incluso il tempo trascorso dal job:
Al termine o all'interruzione del job, la console Google Cloud mostra un messaggio nella pagina Dettagli del database. Se il job ha esito positivo, viene visualizzato un messaggio di operazione riuscita:
Se il job non va a buon fine, viene visualizzato un messaggio di errore:
Se il job non va a buon fine, controlla i log di Dataflow del job per i dettagli dell'errore e consulta la sezione Risolvere i problemi relativi ai job di importazione non riusciti.
Nota sull'importazione di colonne generate e stream di modifiche
Spanner utilizza la definizione di ogni colonna generata nello schema Avro per ricrearla. Spanner calcola automaticamente i valori delle colonne generate durante l'importazione.
Analogamente, Spanner utilizza la definizione di ogni stream di modifiche nello schema Avro per ricrearlo durante l'importazione. I dati delle modifiche in tempo reale non vengono esportati né importati tramite Avro, pertanto tutti gli stream delle modifiche associati a un database appena importato non avranno record di dati delle modifiche.
Una nota sull'importazione delle sequenze
Ogni sequenza (GoogleSQL, PostgreSQL) esportata da Spanner utilizza la funzione GET_INTERNAL_SEQUENCE_STATE() (GoogleSQL, PostgreSQL) per acquisire il relativo stato corrente. Spanner aggiunge un buffer di 1000 al contatore e scrive il nuovo valore del contatore nelle proprietà del campo del record. Tieni presente che questo è solo un approccio di massima per evitare errori di valori duplicati che potrebbero verificarsi dopo l'importazione. Modifica il contatore di sequenza effettivo se ci sono più scritture nel database di origine durante l'esportazione dei dati.
Al momento dell'importazione, la sequenza inizia da questo nuovo contatore anziché da quello trovato nello schema. Se necessario, puoi utilizzare l'istruzione ALTER SEQUENCE (GoogleSQL, PostgreSQL) per eseguire l'aggiornamento a un nuovo contatore.
Nota sull'importazione di tabelle con interleaving e chiavi esterne
Il job Dataflow può importare tabelle con interleaving, consentendoti di mantenere le relazioni padre-figlio dal file di origine. Tuttavia, le limitazioni delle chiavi esterne non vengono applicate durante il caricamento dei dati. Il job Dataflow crea tutte le chiavi esterne necessarie al termine del caricamento dei dati.
Se hai vincoli di chiavi esterne nel database Spanner prima dell'inizio dell'importazione, potresti riscontrare errori di scrittura a causa di violazioni dell'integrità referenziale. Per evitare errori di scrittura, ti consigliamo di eliminare eventuali chiavi esterne esistenti prima di avviare il processo di importazione.
Scegli una regione per il job di importazione
Ti consigliamo di scegliere una regione diversa in base alla posizione del tuo bucket Cloud Storage. Per evitare addebiti per il trasferimento di dati in uscita, scegli una regione che corrisponda alla località del bucket Cloud Storage.
Se la posizione del bucket Cloud Storage è una regione, puoi usufruire dell'utilizzo gratuito della rete scegliendo la stessa regione per il job di importazione, a condizione che 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. Consulta i prezzi del trasferimento di dati di Cloud Storage per scegliere una regione con gli addebiti per il trasferimento di dati più bassi.
Visualizzare o risolvere i problemi relativi ai job nell'interfaccia utente di Dataflow
Dopo aver avviato un job di importazione, puoi visualizzarne i dettagli, inclusi i log, 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:
- Vai alla pagina Panoramica del database per il database.
- Fai clic sull'elemento di menu Importazione/esportazione nel riquadro di sinistra. La pagina database Importa/Esporta mostra un elenco di job recenti.
Nella pagina Importazione/esportazione 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:
Vai alla pagina Job Dataflow nella console Google Cloud.
Individua il tuo job nell'elenco e fai clic sul suo nome.
La console Google Cloud mostra i dettagli del job Dataflow.
Visualizzare i log di Dataflow per il 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 sono presenti errori, il relativo conteggio viene visualizzato accanto a Log:
Per visualizzare gli errori del job:
Fai clic sul conteggio degli errori accanto a Log.
La console Google Cloud mostra i log del job. Potresti dover scorrere per visualizzare gli errori.
Individua le voci con l'icona di errore
.Fai clic su una singola voce di log per espandere i relativi contenuti.
Per saperne di più sulla risoluzione dei problemi relativi ai job Dataflow, consulta Risolvere 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 la latenza di scrittura del 99% nella scheda Monitoraggio del tuo database Spanner nella console Google Cloud. Se vengono visualizzati valori elevati (più secondi), significa che l'istanza è sovraccaricata, causando il timeout e il fallimento delle scritture.
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 di Dataflow, anziché utilizzare la scheda Importazione/Esportazione nella pagina dei dettagli dell'istanza del database Spanner nella console Google Cloud, devi avviare l'importazione utilizzando il modello Cloud Storage Avro to Spanner di Dataflow e specificare il numero massimo di worker come descritto di seguito:Console
Se utilizzi la console Dataflow, il parametro Numero massimo di worker si trova nella sezione Parametri facoltativi della pagina Crea job da modello.
gcloud
Esegui il comando gcloud dataflow jobs run
e 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 \
--network=network-123
Risolvere gli errori di rete
Quando esporti i database Spanner, potrebbe verificarsi il seguente errore:
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 voglia utilizzare una rete VPC in modalità automatica denominata default nello stesso progetto del job Dataflow. Se non hai una rete VPC predefinita nel progetto o se la tua rete VPC è in modalità personalizzata, devi creare un job Dataflow e specificare una rete o una subnet alternativa.
Ottimizzare i job di importazione con esecuzione lenta
Se hai seguito i suggerimenti nelle impostazioni iniziali, in genere non devi apportare altre modifiche. Se il job funziona lentamente, puoi provare alcune 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 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 del job di importazione
Diversi fattori influiscono sul tempo necessario per completare un job di importazione.
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 stream di modifiche
Tieni presente che la creazione di indici e chiavi esterne continua al termine del job di importazione di Dataflow. Gli stream di modifiche vengono creati prima del completamento del job di importazione, ma dopo l'importazione di tutti i dati.
Posizione dei dati: i dati vengono trasferiti tra Spanner e Cloud Storage utilizzando Dataflow. Idealmente, tutti e tre i componenti si trovano nella stessa regione. Se i componenti non si trovano nella stessa regione, lo spostamento dei dati tra le regioni rallenta il job.
Numero di worker Dataflow: per ottenere buone prestazioni, sono necessari worker Dataflow ottimali. Utilizzando la scalabilità automatica, Dataflow sceglie il numero di worker per il job in base alla quantità di lavoro da svolgere. Tuttavia, il numero di worker sarà limitato dalle quote per CPU, indirizzi IP in uso e disco permanente standard. L'interfaccia utente di Dataflow mostra un'icona di avviso se vengono raggiunti i limiti di quota. In questa situazione, l'avanzamento è più lento, ma il job dovrebbe comunque essere completato. La scalabilità automatica può sovraccaricare Spanner e causare errori quando è presente una grande quantità di dati da importare.
Carico esistente su Spanner: un job di importazione aggiunge un carico della CPU significativo a un'istanza Spanner. Se l'istanza ha già un carico sostanziale, il job viene eseguito più 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.
Ottimizzare i worker per un buon rendimento dell'importazione
Quando avvii un job di importazione di Spanner, i worker Dataflow devono essere impostati su un valore ottimale per un buon rendimento. Troppi worker sovraccaricano Spanner e troppo pochi worker comportano prestazioni di importazione deludenti.
Il numero massimo di worker dipende molto dalle dimensioni dei dati, ma idealmente l'utilizzo totale della CPU di Spanner dovrebbe essere compreso tra il 70% e il 90%. Ciò offre un buon equilibrio tra l'efficienza di Spanner e il completamento dei job senza errori.
Per raggiungere questo target di utilizzo nella maggior parte degli schemi e degli scenari, consigliamo un numero massimo di vCPU di worker compreso tra 4 e 6 volte il numero di nodi Spanner.
Ad esempio, per un'istanza Spanner di 10 nodi, utilizzando worker n1-standard-2, dovresti impostare il numero massimo di worker su 25, ottenendo 50 vCPU.