Como importar arquivos Avro do Cloud Spanner

Nesta página, descrevemos como importar bancos de dados Cloud Spanner para o Cloud Spanner usando o Console do Google Cloud Platform. Para importar arquivos Avro de outra fonte, consulte Como importar dados de bancos de dados que não são Cloud Spanner.

O processo usa o Cloud Dataflow. Ele importa dados de uma pasta de intervalo do Cloud Storage que contém um conjunto de arquivos Avro e arquivos de manifesto JSON. O processo de importação só é compatível com arquivos Avro exportados do Cloud Spanner.

Para importar um banco de dados Cloud Spanner usando a API REST ou a ferramenta de linha de comando gcloud, conclua as etapas na seção Antes de começar nesta página e depois consulte as instruções detalhadas em Avro do Cloud Storage para Cloud Spanner.

Antes de começar

Para importar um banco de dados Cloud Spanner, primeiro você precisa ativar as APIs Cloud Spanner, Cloud Storage, Compute Engine e Cloud Dataflow:

Ativar a de APIs

É preciso também ter cota suficiente e as permissões necessárias do Cloud IAM.

Requisitos de cota

Estes são os requisitos de cota para jobs de importação por serviço de GCP:

  • Cloud Spanner: é necessário ter nós suficientes para suportar o volume de dados que estão sendo importados. Não é necessário incluir qualquer outro nó para importar um banco de dados. No entanto, talvez seja necessário adicionar nós para que o job seja concluído dentro de um prazo razoável. Consulte Como otimizar jobs para saber mais detalhes.
  • Cloud Storage:é necessário ter um intervalo contendo os arquivos exportados anteriormente. Não é necessário definir um tamanho para o intervalo.
  • Cloud 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 Cloud Dataflow.
  • Compute Engine: antes de executar um job de importação, é necessário configurar cotas iniciais para o Compute Engine, que serão usadas pelo Cloud Dataflow. Essas cotas representam o número máximo de recursos autorizados ao Cloud Dataflow para escalonar o 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 Cloud Dataflow fornece escalonamento automático para que você pague apenas pelos recursos efetivamente utilizados durante a importação. Se o job precisar de mais recursos, a IU do Cloud Dataflow exibirá um ícone de aviso. O job deve ser concluído, ainda que um ícone de aviso esteja sendo exibido.

Requisitos do Cloud IAM

Para importar um banco de dados, é preciso também ter papéis do Cloud IAM com permissões suficientes para usar todos os serviços envolvidos em um job de importação. Para informações sobre como conceder papéis e permissões, consulte Como aplicar papéis do IAM.

Para importar um banco de dados, você precisa dos seguintes papéis:

  • No nível do projeto do GCP:
    • Visualizador do Cloud Spanner
    • Administrador do Cloud Dataflow
    • Administrador do Storage
  • No nível do banco de dados ou da instância do Cloud Spanner ou para envolvidos no projeto do GCP:
    • Administrador do banco de dados do Cloud Spanner

Opcional: como localizar sua pasta de banco de dados no Cloud Storage

Para encontrar a pasta que contém seu banco de dados exportado no console do GCP, acesse o navegador do Cloud Storage e clique no intervalo 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 e hora do job de exportação. A pasta contém:

  • um arquivo spanner-export.json;
  • um arquivo TableName-manifest.json para cada tabela no banco de dados exportado;
  • um ou mais arquivos TableName.avro-#####-of-#####. O primeiro número na extensão .avro-#####-of-##### representa o índice do arquivo Avro, começando em zero. O segundo representa a quantidade de arquivos Avro gerados para cada tabela.

    Por exemplo, Songs.avro-00001-of-00002 é o segundo de dois arquivos que contêm os dados da tabela Songs.

Como importar um banco de dados

Para importar um banco de dados do Cloud Spanner do Cloud Storage para sua instância, siga estas etapas.

  1. Acesse a página "Instâncias do Cloud Spanner".

    Acessar a página "Instâncias"

  2. Clique no nome da instância que conterá o banco de dados importado.

  3. Clique em Importar Captura de tela do elemento de importação da IU.

  4. Em Escolha uma pasta de origem, clique em Procurar.

  5. Encontre o intervalo que contém sua exportação na lista inicial ou clique em Pesquisar Captura de tela do elemento de pesquisa da IU para filtrar a lista e localizar o intervalo. Clique duas vezes no intervalo para ver as pastas dele.

  6. Encontre a pasta com os arquivos exportados e clique para selecioná-la.

  7. Clique em Selecionar.

  8. Digite um nome para o novo banco de dados que o Cloud 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.

  9. Selecione uma região no menu suspenso Escolher uma região para o job de importação.

  10. Marque a caixa de seleção em Confirmar cobranças para confirmar que há cobranças além das referentes aos nós atuais no Cloud Spanner.

  11. Clique em Importar.

    O console do GCP exibe a página Detalhes do banco de dados, que agora exibe uma caixa que descreve o job de importação, incluindo o tempo decorrido para sua realização:

    Captura de tela do job em andamento

Quando o job termina ou é encerrado, o console do GCP exibe uma mensagem na página Detalhes do banco de dados. Se o job for bem-sucedido, será exibida uma mensagem de sucesso:

Mensagem de sucesso do job de importação

Se o job não for bem-sucedido, será exibida uma mensagem de falha:

Mensagem de falha do job de importação

Se o job falhar, verifique os registros do Cloud Dataflow do job para ver detalhes do erro.

Como escolher uma região para o job de importação

Convém escolher uma região diferente dependendo da configuração que o intervalo do Cloud Storage usa: regional ou multirregional. Para evitar cobranças de saída de rede, escolha uma região que se sobreponha ao local do seu intervalo do Cloud Storage.

Locais de intervalos regionais

Se o local do intervalo do Cloud Storage for regional, escolha a mesma região para o job de importação, caso ela esteja disponível para aproveitar o uso gratuito da rede.

Se a mesma região não estiver disponível, haverá cobranças de saída. Consulte os preços de saída de rede do Cloud Storage para escolher uma região que incorra tarifas de saída de rede mais baixas.

Locais de intervalos multirregionais

Se o local do intervalo do Cloud Storage for multirregional, escolha uma das regiões que compõem esse local para aproveitar o uso gratuito da rede.

Se não houver uma região sobreposta disponível, haverá cobranças de saída. Consulte os preços de saída de rede do Cloud Storage para escolher uma região que incorra tarifas de saída de rede mais baixas.

Como visualizar ou solucionar problemas de jobs na IU do Cloud Dataflow

Depois de iniciar um job de importação, é possível visualizar detalhes do job, inclusive registros, na seção Cloud Dataflow do console do GCP.

Como visualizar detalhes do job do Cloud Dataflow

Para ver detalhes de um job que está sendo executado, siga estas etapas:

  1. Acesse a página Detalhes do banco de dados para encontrar o banco de dados importado.
  2. Clique em Visualizar detalhes do job no Cloud Dataflow na mensagem de status do job:

    Mensagem de status do job em andamento

    O console do GCP exibe detalhes do job do Cloud Dataflow.

Para visualizar um job executado recentemente, siga estas etapas:

  1. Acesse a página Detalhes do banco de dados para encontrar o banco de dados importado.
  2. Clique na guia Importar/Exportar.
  3. Clique no nome do seu job na lista.

    O console do GCP exibe detalhes do job do Cloud Dataflow.

Para visualizar um job executado há mais de uma semana, siga estas etapas:

  1. Acesse a página de jobs do Cloud Dataflow no console do GCP.
    Acesse a página de jobs
  2. Encontre seu job na lista e clique no nome dele.

    O console do GCP exibe detalhes do job do Cloud Dataflow.

Como visualizar registros do Cloud Dataflow de um job

Para visualizar os registros de um job do Cloud Dataflow, acesse a página de detalhes do job, conforme descrito acima, e 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:

Exemplo de contagem de erros ao lado do botão Registros

Para ver os erros do job, siga estas etapas:

  1. Clique na contagem de erros, ao lado de Registros.

    O console do GCP exibe os registros do job. Pode ser necessário rolar para visualizar os erros.

  2. Localize entradas com o ícone de erro Ícone de erro.

  3. Clique em uma entrada de registro individual para expandir o conteúdo dele.

Para mais informações sobre como solucionar problemas de job do Cloud Dataflow, consulte Solução de problemas do pipeline.

Como 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 Cloud Dataflow na mesma região em que estão localizados o intervalo do Cloud Storage e a instância do Cloud Spanner.

  • Garanta recursos suficientes do Cloud Dataflow: se as cotas relevantes do Compute Engine estiverem limitando os recursos do job do Cloud Dataflow, a página do Cloud Dataflow referente a esse job no Console do Google Cloud Platform exibirá um ícone de aviso Ícone de aviso e as mensagens de registro:

    Captura de tela de aviso de limite de cota

    Nesse caso, aumentar as cotas para CPUs, endereços IP em uso e disco permanente padrão pode reduzir o ambiente de execução do job e ainda aumentar as cobranças do Compute Engine.

  • Verifique a utilização da CPU do Cloud Spanner: se você perceber que a utilização da CPU para a instância é superior a 75%, é possível aumentar o número de nós nessa instância. Os nós extras adicionam mais recursos do Cloud Spanner e isso deve acelerar o job, mas resultará em cobranças adicionais do Cloud 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 Cloud Spanner: o processamento de mais dados leva mais tempo e exige mais recursos.

  • Esquema do banco de dados Cloud Spanner (incluindo índices): o número de tabelas, o tamanho das linhas e o número de índices secundários influenciam o tempo necessário para executar um job de importação. A criação do índice continua após a conclusão do job de importação do Cloud Dataflow.

  • Local dos dados: os dados são transferidos entre o Cloud Spanner e o Cloud Storage pelo Cloud 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 Cloud Dataflow: usando o escalonamento automático, o Cloud 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 Cloud Dataflow exibe um ícone de aviso caso encontre limites de cota. Nessa situação, o progresso será mais lento, mas ainda assim o job deve ser concluído.

  • Carga existente no Cloud Spanner: um job de importação adiciona carga significativa da CPU em uma instância do Cloud Spanner. Se a instância já tiver uma carga substancial, o job de importação será executado ainda mais lentamente.

  • Número de nós do Cloud Spanner: se a utilização da CPU para a instância for superior a 75%, o job será executado mais lentamente.

Esta página foi útil? Conte sua opinião sobre:

Enviar comentários sobre…

Documentação do Cloud Spanner