Esegui la migrazione da DynamoDB a Cloud Spanner

Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.

Questo tutorial descrive come eseguire la migrazione da Amazon DynamoDB a Spanner. È principalmente rivolto ai proprietari di app che vogliono passare da un sistema NoSQL a Spanner, un sistema di database SQL completamente relazionale, a tolleranza di errore e scalabile, che supporta le transazioni. Se utilizzi l'utilizzo coerente della tabella Amazon DynamoDB, in termini di tipi e layout, la mappatura a Spanner è semplice. Se le tabelle Amazon DynamoDB contengono tipi di dati e valori arbitrari, potrebbe essere più semplice passare ad altri servizi NoSQL, come Datastore o Firestore.

Questo tutorial presuppone che tu abbia familiarità con gli schemi di database, i tipi di dati, le nozioni di base di NoSQL e i sistemi di database relazionale. Il tutorial si basa sull'esecuzione di attività predefinite per eseguire una migrazione di esempio. Dopo il tutorial, puoi modificare il codice fornito e i passaggi per abbinare il tuo ambiente.

Il seguente diagramma architetturale descrive i componenti utilizzati nel tutorial per eseguire la migrazione dei dati:

Diagramma dell'architettura dei componenti della migrazione

Obiettivi

  • Eseguire la migrazione dei dati da Amazon DynamoDB a Spanner.
  • Creare un database Spanner e una tabella di migrazione.
  • Mappare uno schema NoSQL a uno schema relazionale.
  • Creare ed esportare un set di dati di esempio che utilizza Amazon DynamoDB.
  • Trasferisci dati tra Amazon S3 e Cloud Storage.
  • Utilizza Dataflow per caricare i dati in Spanner.

Costi

Questo tutorial utilizza i seguenti componenti fatturabili di Google Cloud:

Gli addebiti di Spanner si basano sulla quantità di capacità di calcolo nella tua istanza e sulla quantità di dati archiviati durante il ciclo di fatturazione mensile. Durante il tutorial, utilizzi una configurazione minima di queste risorse, che vengono pulite alla fine. Per scenari reali, stima i tuoi requisiti di velocità effettiva e archiviazione, quindi utilizza la documentazione sulle istanze Dataproc per determinare la quantità di capacità di calcolo necessaria.

Oltre alle risorse di Google Cloud, questo tutorial utilizza le seguenti risorse di Amazon Web Services (AWS):

  • AWS Lambda
  • Amazon S3
  • Amazon DynamoDB

Questi servizi sono necessari solo durante il processo di migrazione. Al termine del tutorial, segui le istruzioni per la pulizia di tutte le risorse, in modo da evitare addebiti non necessari. Usa il Calcolatore prezzi di AWS per stimare questi costi.

Per generare una stima dei costi basata sull'utilizzo previsto, utilizza il Calcolatore prezzi.

Prima di iniziare

  1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
  2. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

  4. Abilita le API Spanner, Pub/Sub, Compute Engine, and Dataflow.

    Abilita le API

  5. Nella pagina del selettore dei progetti in Google Cloud Console, seleziona o crea un progetto Google Cloud.

    Vai al selettore progetti

  6. Assicurati che la fatturazione sia attivata per il tuo progetto Cloud. Scopri come verificare se la fatturazione è abilitata su un progetto.

  7. Abilita le API Spanner, Pub/Sub, Compute Engine, and Dataflow.

    Abilita le API

Al termine di questo tutorial, puoi evitare una fatturazione continua eliminando le risorse che hai creato. Per scoprire di più, vedi Pulizia.

prepara l'ambiente

In questo tutorial, esegui i comandi in Cloud Shell. Cloud Shell ti dà accesso alla riga di comando in Google Cloud e include l'interfaccia a riga di comando di Google Cloud e altri strumenti necessari per lo sviluppo in Google Cloud. L'inizializzazione di Cloud Shell può richiedere alcuni minuti.

  1. Attiva Cloud Shell.

    Attiva Cloud Shell

  2. Imposta la zona di Compute Engine predefinita. Ad esempio, us-central1-b.

    gcloud config set compute/zone us-central1-b
    
  3. Clona il repository GitHub contenente il codice di esempio.

    git clone https://github.com/GoogleCloudPlatform/dynamodb-spanner-migration.git
    
  4. Vai alla directory clonata.

    cd dynamodb-spanner-migration
    
  5. Crea un ambiente virtuale Python.

    pip3 install virtualenv
    virtualenv env
    
  6. Attiva l'ambiente virtuale.

    source env/bin/activate
    
  7. Installa i moduli Python richiesti.

    pip3 install -r requirements.txt
    

Configura l'accesso AWS

In questo tutorial, crei ed elimini tabelle Amazon DynamoDB, bucket Amazon S3 e altre risorse. Per accedere a queste risorse, devi prima creare le autorizzazioni AWS Identity and Access Management (IAM) richieste. Puoi utilizzare un account AWS di test o sandbox per evitare di influire sulle risorse di produzione nello stesso account.

Creare un ruolo AWS IAM per AWS Lambda

In questa sezione, creerai un ruolo AWS IAM che AWS Lambda utilizzerà in una fase successiva del tutorial.

  1. Nella console AWS, vai alla sezione IAM, fai clic su Ruoli, quindi seleziona Crea ruolo.
  2. In Tipo di entità attendibile, assicurati che sia selezionato Servizio AWS.
  3. In Caso d'uso, seleziona Lambda, quindi fai clic su Avanti.
  4. Nella casella del filtro Criteri di autorizzazione, inserisci AWSLambdaDynamoDBExecutionRole e premi Return per eseguire la ricerca.
  5. Seleziona la casella di controllo AWSLambdaDynamoDBExecutionRole, quindi fai clic su Avanti.
  6. Nella casella Nome ruolo, inserisci dynamodb-spanner-lambda-role, quindi fai clic su Crea ruolo.

Crea un utente AWS IAM

Segui questi passaggi per creare un utente AWS IAM con accesso programmatico alle risorse AWS, che verranno utilizzate durante il tutorial.

  1. Mentre sei ancora nella sezione IAM della console di AWS, fai clic su Utenti, quindi seleziona Aggiungi utenti.
  2. Nella casella Nome utente, inserisci dynamodb-spanner-migration.
  3. In Tipo di accesso, seleziona la casella di controllo a sinistra di Chiave di accesso - Accesso programmatico.

  4. Fai clic su Successivo: Autorizzazioni.

  5. Fai clic su Allega direttamente i criteri esistenti e utilizzando la casella Cerca per filtrare, seleziona la casella di controllo accanto a ciascuno dei tre criteri seguenti:

    • AmazonDynamoDBFullAccess
    • AmazonS3FullAccess
    • AWSLambda_FullAccess
  6. Fai clic su Successivo: tag, quindi su Successivo: esamina e infine fai clic su Crea utente.

  7. Fai clic su Mostra per visualizzare le credenziali. L'ID della chiave di accesso e la chiave di accesso segreta vengono visualizzati per l'utente appena creato. Per ora lascia aperta questa finestra perché le credenziali sono necessarie nella sezione seguente. Archivia queste informazioni in modo sicuro perché, con esse, puoi apportare modifiche al tuo account e influire sull'ambiente. Al termine di questo tutorial, puoi eliminare l'utente IAM.

Configura l'interfaccia a riga di comando di AWS

  1. In Cloud Shell, configura l'interfaccia a riga di comando (CLI) di AWS.

    aws configure
    

    Viene visualizzato il seguente output:

    AWS Access Key ID [None]: PASTE_YOUR_ACCESS_KEY_ID
    AWS Secret Access Key [None]: PASTE_YOUR_SECRET_ACCESS_KEY
    Default region name [None]: us-west-2
    Default output format [None]:
    
    • Inserisci ACCESS KEY ID e SECRET ACCESS KEY dall'account AWS IAM che hai creato.
    • Nel campo Nome regione predefinita, inserisci us-west-2. Lascia invariati i valori predefiniti di altri campi.
  2. Chiudi la finestra della console AWS IAM.

Comprendere il modello dei dati

La sezione seguente illustra le somiglianze e le differenze tra tipi di dati, chiavi e indici per Amazon DynamoDB e Spanner.

Tipi di dati

Spanner utilizza tipi di dati SQL standard. La tabella seguente descrive come i tipi di dati di Amazon DynamoDB vengono mappati ai tipi di dati Spanner.

DynamoDB Amazon Spanner
Numero A seconda dell'utilizzo preciso o previsto, potrebbe essere mappato a INT64, FLOAT64, TIMESTAMP o DATE.
Stringa Stringa
Booleano BOOL
Nullo Nessun tipo esplicito. Le colonne possono contenere valori nulli.
Programma binario Byte
Insiemi Array
Mappa ed elenco Fai attenzione se la struttura è coerente e può essere descritta usando la sintassi DDL della tabella.

Chiave primaria

Una chiave primaria Amazon DynamoDB stabilisce l'unicità e può essere una chiave hash o una combinazione di una chiave hash e una chiave di intervallo. Questo tutorial mostra la migrazione di una tabella Amazon DynamoDB la cui chiave primaria è una chiave hash. Questa chiave hash diventa la chiave primaria della tabella Spanner. Più avanti, nella sezione sulle tabelle con interfoliazione, modella una situazione in cui una tabella Amazon DynamoDB utilizza una chiave primaria composta da una chiave hash e una chiave di intervallo.

Indici secondari

Sia Amazon DynamoDB che Spanner supportano la creazione di un indice su un attributo della chiave non principale. Prendi nota di eventuali indici secondari nella tabella Amazon DynamoDB, in modo da poterli creare nella tabella Spanner, descritta in una sezione successiva di questo tutorial.

Tabella di esempio

Per semplificare questo tutorial, esegui la migrazione della seguente tabella di esempio da Amazon DynamoDB a Spanner:

Amazon DynamoDB Spanner
Nome della tabella Migration Migration
Chiave primaria "Username" : String "Username" : STRING(1024)
Tipo di chiave Hash n/d
Altri campi Zipcode: Number Subscribed: Boolean ReminderDate: String PointsEarned: Number Zipcode: INT64 Subscribed: BOOL ReminderDate: DATE PointsEarned: INT64

Prepara la tabella Amazon DynamoDB

Nella sezione seguente, crei una tabella di origine Amazon DynamoDB e la completi con i dati.

  1. In Cloud Shell, crea una tabella Amazon DynamoDB che utilizzi gli attributi della tabella di esempio.

    aws dynamodb create-table --table-name Migration \
        --attribute-definitions AttributeName=Username,AttributeType=S \
        --key-schema AttributeName=Username,KeyType=HASH \
        --provisioned-throughput ReadCapacityUnits=75,WriteCapacityUnits=75
    
  2. Verifica che lo stato della tabella sia ACTIVE.

    aws dynamodb describe-table --table-name Migration \
        --query 'Table.TableStatus'
    
  3. Completa la tabella con i dati di esempio.

    python3 make-fake-data.py --table Migration --items 25000
    

Creazione di un database Spanner

Crei un'istanza di Spanner con la capacità di calcolo più bassa possibile: 100 unità di elaborazione. Questa capacità di calcolo è sufficiente per l'ambito di questo tutorial. Per un deployment in produzione, consulta la documentazione relativa alle istanze Panpanner per determinare la capacità di calcolo adeguata per soddisfare i requisiti di prestazioni del database.

In questo esempio, crei uno schema di tabella contemporaneamente al database. È inoltre possibile e comune eseguire aggiornamenti dello schema dopo la creazione del database.

  1. Crea un'istanza Spanner nella stessa regione in cui imposti la zona di Compute Engine predefinita. Ad esempio, us-central1.

    gcloud beta spanner instances create spanner-migration \
        --config=regional-us-central1 --processing-units=100 \
        --description="Migration Demo"
    
  2. Crea un database nell'istanza di Spanner insieme alla tabella di esempio.

    gcloud spanner databases create migrationdb \
        --instance=spanner-migration \
        --ddl "CREATE TABLE Migration ( \
                Username STRING(1024) NOT NULL, \
                PointsEarned INT64, \
                ReminderDate DATE, \
                Subscribed BOOL, \
                Zipcode INT64, \
             ) PRIMARY KEY (Username)"
    

Preparare la migrazione

Le sezioni successive mostrano come esportare la tabella di origine Amazon DynamoDB e impostare la replica Pub/Sub per acquisire eventuali modifiche al database che si verificano durante l'esportazione.

Trasmetti le modifiche a Pub/Sub

Utilizzerai una funzione AWS Lambda per trasmettere il flusso delle modifiche al database su Pub/Sub.

  1. In Cloud Shell, abilita gli stream Amazon DynamoDB nella tua tabella di origine.

    aws dynamodb update-table --table-name Migration \
        --stream-specification StreamEnabled=true,StreamViewType=NEW_AND_OLD_IMAGES
    
  2. Configura un argomento Pub/Sub per ricevere le modifiche.

    gcloud pubsub topics create spanner-migration
    

    Viene visualizzato il seguente output:

    Created topic [projects/your-project/topics/spanner-migration].
    
  3. Crea un account di servizio IAM per effettuare il push degli aggiornamenti della tabella all'argomento Pub/Sub.

    gcloud iam service-accounts create spanner-migration \
        --display-name="Spanner Migration"
    

    Viene visualizzato il seguente output:

    Created service account [spanner-migration].
    
  4. Creare un'associazione dei criteri IAM in modo che l'account di servizio disponga dell'autorizzazione per la pubblicazione in Pub/Sub. Sostituisci GOOGLE_CLOUD_PROJECT con il nome del tuo progetto Google Cloud.

    gcloud projects add-iam-policy-binding GOOGLE_CLOUD_PROJECT \
        --role roles/pubsub.publisher \
        --member serviceAccount:spanner-migration@GOOGLE_CLOUD_PROJECT.iam.gserviceaccount.com
    

    Viene visualizzato il seguente output:

    bindings:
    (...truncated...)
    - members:
      - serviceAccount:spanner-migration@solution-z.iam.gserviceaccount.com
      role: roles/pubsub.publisher
    
  5. Crea le credenziali per l'account di servizio.

    gcloud iam service-accounts keys create credentials.json \
        --iam-account spanner-migration@GOOGLE_CLOUD_PROJECT.iam.gserviceaccount.com
    

    Viene visualizzato il seguente output:

    created key [5e559d9f6bd8293da31b472d85a233a3fd9b381c] of type [json] as [credentials.json] for [spanner-migration@your-project.iam.gserviceaccount.com]
    
  6. Prepara e pacchettizza la funzione AWS Lambda per eseguire il push delle modifiche alla tabella Amazon DynamoDB nell'argomento Pub/Sub.

    pip3 install --ignore-installed --target=lambda-deps google-cloud-pubsub
    cd lambda-deps; zip -r9 ../pubsub-lambda.zip *; cd -
    zip -g pubsub-lambda.zip ddbpubsub.py
  7. Crea una variabile per acquisire il nome della risorsa Amazon (ARN) del ruolo di esecuzione Lambda creato in precedenza.

    LAMBDA_ROLE=$(aws iam list-roles \
        --query 'Roles[?RoleName==`dynamodb-spanner-lambda-role`].[Arn]' \
        --output text)
    
  8. Utilizza il pacchetto pubsub-lambda.zip per creare la funzione AWS Lambda.

    aws lambda create-function --function-name dynamodb-spanner-lambda \
        --runtime python3.9 --role ${LAMBDA_ROLE} \
        --handler ddbpubsub.lambda_handler --zip fileb://pubsub-lambda.zip \
        --environment Variables="{SVCACCT=$(base64 -w 0 credentials.json),PROJECT=GOOGLE_CLOUD_PROJECT,TOPIC=spanner-migration}"
    

    Viene visualizzato il seguente output:

    {
        "FunctionName": "dynamodb-spanner-lambda",
        "LastModified": "2022-03-17T23:45:26.445+0000",
        "RevisionId": "e58e8408-cd3a-4155-a184-4efc0da80bfb",
        "MemorySize": 128,
    ... truncated output... "PackageType": "Zip", "Architectures": [ "x86_64" ] }

  9. Crea una variabile per acquisire l'ARN del flusso Amazon DynamoDB per la tabella.

    STREAMARN=$(aws dynamodb describe-table \
        --table-name Migration \
        --query "Table.LatestStreamArn" \
        --output text)
    
  10. Associa la funzione Lambda alla tabella Amazon DynamoDB.

    aws lambda create-event-source-mapping --event-source ${STREAMARN} \
        --function-name dynamodb-spanner-lambda --enabled \
        --starting-position TRIM_HORIZON
    
  11. Per ottimizzare la reattività durante il test, aggiungi --batch-size 1 alla fine del comando precedente, attivando la funzione ogni volta che crei, aggiorni o elimini un elemento.

    Vedrai un output simile al seguente:

    {
        "UUID": "44e4c2bf-493a-4ba2-9859-cde0ae5c5e92",
        "StateTransitionReason": "User action",
        "LastModified": 1530662205.549,
        "BatchSize": 100,
        "EventSourceArn": "arn:aws:dynamodb:us-west-2:accountid:table/Migration/stream/2018-07-03T15:09:57.725",
        "FunctionArn": "arn:aws:lambda:us-west-2:accountid:function:dynamodb-spanner-lambda",
        "State": "Creating",
        "LastProcessingResult": "No records processed"
    ... truncated output...
    

Esporta la tabella Amazon DynamoDB in Amazon S3

  1. In Cloud Shell, crea una variabile per il nome di un bucket che utilizzi in diverse sezioni seguenti.

    BUCKET=${DEVSHELL_PROJECT_ID}-dynamodb-spanner-export
    
  2. Crea un bucket Amazon S3 per ricevere l'esportazione DynamoDB.

    aws s3 mb s3://${BUCKET}
    
  3. Nella console di gestione AWS, vai a DynamoDB e fai clic su Tabelle.

  4. Fai clic sulla tabella Migration.

  5. Nella scheda Esportazioni e stream, fai clic su Esporta in S3.

  6. Attiva point-in-time-recovery (PITR) se richiesto.

  7. Fai clic su Sfoglia S3 per scegliere il bucket S3 che hai creato in precedenza.

  8. Fai clic su Esporta.

  9. Fai clic sull'icona Aggiorna per aggiornare lo stato del job di esportazione. Il job richiede diversi minuti per completare l'esportazione.

    Al termine del processo, controlla il bucket di output.

    aws s3 ls --recursive s3://${BUCKET}
    

    Questo passaggio dovrebbe richiedere circa 5 minuti. Una volta completata, vedrai l'output seguente:

    2022-02-17 04:41:46          0 AWSDynamoDB/01645072900758-ee1232a3/_started
    2022-02-17 04:46:04     500441 AWSDynamoDB/01645072900758-ee1232a3/data/xygt7i2gje4w7jtdw5652s43pa.json.gz
    2022-02-17 04:46:17        199 AWSDynamoDB/01645072900758-ee1232a3/manifest-files.json
    2022-02-17 04:46:17         24 AWSDynamoDB/01645072900758-ee1232a3/manifest-files.md5
    2022-02-17 04:46:17        639 AWSDynamoDB/01645072900758-ee1232a3/manifest-summary.json
    2022-02-17 04:46:18         24 AWSDynamoDB/01645072900758-ee1232a3/manifest-summary.md5
    

Eseguire la migrazione

Ora che la pubblicazione Pub/Sub è a posto, puoi trasferire tutte le modifiche apportate alle tabelle che si sono verificate dopo l'esportazione.

Copia la tabella esportata in Cloud Storage

  1. In Cloud Shell, crea un bucket Cloud Storage per ricevere i file esportati da Amazon S3.

    gsutil mb gs://${BUCKET}
    
  2. Sincronizza i file di Amazon S3 in Cloud Storage. Per la maggior parte delle operazioni di copia, il comando rsync è efficace. Se i file di esportazione sono di grandi dimensioni (diversi GB o più), utilizza il servizio di trasferimento Cloud Storage per gestire il trasferimento in background.

    gsutil rsync -d -r s3://${BUCKET} gs://${BUCKET}
    

Importazione collettiva dei dati

  1. Per scrivere i dati dai file esportati nella tabella Spark, esegui un job Dataflow con esempio di codice Apache Beam.

    cd dataflow
    mvn compile
    mvn exec:java \
    -Dexec.mainClass=com.example.spanner_migration.SpannerBulkWrite \
    -Pdataflow-runner \
    -Dexec.args="--project=GOOGLE_CLOUD_PROJECT \
                 --instanceId=spanner-migration \
                 --databaseId=migrationdb \
                 --table=Migration \
                 --importBucket=$BUCKET \
                 --runner=DataflowRunner \
                 --region=us-central1"
    
    1. Per monitorare l'avanzamento del job di importazione, vai a Dataflow nella console Google Cloud.

      Vai a Dataflow

    2. Mentre il job è in esecuzione, puoi guardare il grafico di esecuzione per esaminare i log. Fai clic sul job che mostra lo Stato di In esecuzione.

      Esecuzione del job di importazione

  2. Fai clic su ciascuna fase per vedere quanti elementi sono stati elaborati. L'importazione è completa quando tutte le fasi indicano Riuscito. Lo stesso numero di elementi creati nella tabella Amazon DynamoDB viene visualizzato come elaborato in ogni fase.

    Fasi del successo del job di importazione

  3. Verifica che il numero di record nella tabella Spanner di destinazione corrisponda al numero di elementi nella tabella Amazon DynamoDB.

    aws dynamodb describe-table --table-name Migration --query Table.ItemCount
    gcloud spanner databases execute-sql migrationdb \ --instance=spanner-migration --sql="select count(*) from Migration"

    Viene visualizzato il seguente output:

    $ aws dynamodb describe-table --table-name Migration --query Table.ItemCount
    25000
    $ gcloud spanner databases execute-sql migrationdb --instance=spanner-migration --sql="select count(*) from Migration"
    25000
    
  4. Voci di esempio casuali in ogni tabella per garantire la coerenza dei dati.

    gcloud spanner databases execute-sql migrationdb \
        --instance=spanner-migration \
        --sql="select * from Migration limit 1"
    

    Viene visualizzato il seguente output:

     Username: aadams4495
     PointsEarned: 5247
     ReminderDate: 2022-03-14
     Subscribed: True
     Zipcode: 58057
    
  5. Esegui una query sulla tabella Amazon DynamoDB con lo stesso Username restituito dalla query Spanner nel passaggio precedente. Ad esempio, aallen2538. Il valore è specifico per i dati di esempio nel tuo database.

    aws dynamodb get-item --table-name Migration \
        --key '{"Username": {"S": "aadams4495"}}'
    

    I valori degli altri campi devono corrispondere a quelli dell'output di Spark. Viene visualizzato il seguente output:

    {
        "Item": {
            "Username": {
                "S": "aadams4495"
            },
            "ReminderDate": {
                "S": "2018-06-18"
            },
            "PointsEarned": {
                "N": "1606"
            },
            "Zipcode": {
                "N": "17303"
            },
            "Subscribed": {
                "BOOL": false
            }
        }
    }
    

Replica nuove modifiche

Quando il job di importazione in batch è completo, configuri un job di flusso per scrivere gli aggiornamenti in corso dalla tabella di origine in Spanner. Puoi abbonarti agli eventi da Pub/Sub e scriverli in Spanner.

La funzione Lambda che hai creato è configurata per acquisire le modifiche alla tabella DynamoDB Amazon di origine e pubblicarle in Pub/Sub.

  1. Crea una sottoscrizione all'argomento Pub/Sub a cui AWS Lambda invia gli eventi.

    gcloud pubsub subscriptions create spanner-migration \
        --topic spanner-migration
    

    Viene visualizzato il seguente output:

    Created subscription [projects/your-project/subscriptions/spanner-migration].
    
  2. Per trasmettere in flussi le modifiche in Pub/Sub da scrivere nella tabella Spanner, esegui il job Dataflow da Cloud Shell.

    mvn exec:java \
    -Dexec.mainClass=com.example.spanner_migration.SpannerStreamingWrite \
    -Pdataflow-runner \
    -Dexec.args="--project=GOOGLE_CLOUD_PROJECT \
                 --instanceId=spanner-migration \
                 --databaseId=migrationdb \
                 --table=Migration \
                 --experiments=allow_non_updatable_job \
    --subscription=projects/GOOGLE_CLOUD_PROJECT/subscriptions/spanner-migration \
    --runner=DataflowRunner \
    --region=us-central1"
    
    1. Analogamente al passaggio di caricamento in gruppo, per controllare l'avanzamento del job, vai a Dataflow in Google Cloud Console.

      Vai a Dataflow

    2. Fai clic sul job con Stato In esecuzione.

      Job in esecuzione

      Il grafico di elaborazione mostra un output simile a quello precedente, ma ogni elemento elaborato viene conteggiato nella finestra di stato. Il tempo di attesa del sistema è una stima approssimativa del ritardo previsto prima che le modifiche vengano visualizzate nella tabella Spark.

      Processi in esecuzione a causa di un tempo di attesa

Il job Dataflow che hai eseguito nella fase di caricamento collettivo era un insieme finito di input, noto anche come set di dati limitato. Questo job Dataflow utilizza Pub/Sub come origine di streaming ed è considerato senza limiti. Per ulteriori informazioni su questi due tipi di fonti, consulta la sezione sulle PCollection nella guida alla programmazione di Apache Beam. Il job Dataflow in questo passaggio deve rimanere attivo, quindi non termina al termine. Il job di Dataflow in modalità flusso rimane nello stato In esecuzione anziché in Riuscito.

Verifica replica

Devi apportare alcune modifiche alla tabella di origine per verificare che le modifiche vengano replicate nella tabella Spanner.

  1. Esegui una query su una riga inesistente in Spanner.

    gcloud spanner databases execute-sql migrationdb \
        --instance=spanner-migration \
        --sql="SELECT * FROM Migration WHERE Username='my-test-username'"
    

    L'operazione non restituirà alcun risultato.

  2. Crea un record in Amazon DynamoDB con la stessa chiave che hai utilizzato nella query Spanner. Se il comando viene eseguito correttamente, non è presente alcun output.

    aws dynamodb put-item \
        --table-name Migration \
        --item '{"Username" : {"S" : "my-test-username"}, "Subscribed" : {"BOOL" : false}}'
    
  3. Esegui di nuovo la stessa query per verificare che la riga sia ora in Spanner.

    gcloud spanner databases execute-sql migrationdb \
        --instance=spanner-migration \
        --sql="SELECT * FROM Migration WHERE Username='my-test-username'"
    

    L'output mostra la riga inserita:

    Username: my-test-username
    PointsEarned: None
    ReminderDate: None
    Subscribed: False
    Zipcode:
    
  4. Modifica alcuni attributi nell'elemento originale e aggiorna la tabella Amazon DynamoDB.

    aws dynamodb update-item \
        --table-name Migration \
        --key '{"Username": {"S":"my-test-username"}}' \
        --update-expression "SET PointsEarned = :pts, Subscribed = :sub" \
        --expression-attribute-values '{":pts": {"N":"4500"}, ":sub": {"BOOL":true}}'\
        --return-values ALL_NEW
    

    Vedrai un output simile al seguente:

    {
        "Attributes": {
            "Username": {
                "S": "my-test-username"
            },
            "PointsEarned": {
                "N": "4500"
            },
            "Subscribed": {
                "BOOL": true
            }
        }
    }
    
  5. Verifica che le modifiche vengano propagate alla tabella Spanner.

    gcloud spanner databases execute-sql migrationdb \
        --instance=spanner-migration \
        --sql="SELECT * FROM Migration WHERE Username='my-test-username'"
    

    L'output viene visualizzato come segue:

    Username          PointsEarned  ReminderDate  Subscribed  Zipcode
    my-test-username  4500          None          True
    
  6. Elimina l'elemento di test dalla tabella di origine di Amazon DynamoDB.

    aws dynamodb delete-item \
        --table-name Migration \
        --key '{"Username": {"S":"my-test-username"}}'
    
  7. Verifica che la riga corrispondente sia stata eliminata dalla tabella Spark. Quando la modifica viene propagata, il seguente comando restituisce zero righe:

    gcloud spanner databases execute-sql migrationdb \
        --instance=spanner-migration \
        --sql="SELECT * FROM Migration WHERE Username='my-test-username'"
    

Utilizza tabelle con interfoliazione

Spanner supporta il concetto di interfoliazione delle tabelle. Si tratta di un modello di progettazione in cui un elemento di primo livello ha diversi elementi nidificati che si riferiscono a quell'elemento di primo livello, come un cliente e i suoi ordini oppure un giocatore e i suoi punteggi di gioco. Se la tabella di origine di Amazon DynamoDB utilizza una chiave primaria composta da una chiave hash e una chiave di intervallo, puoi modellare uno schema di tabella con interfoliazione, come mostrato nel diagramma seguente. Questa struttura consente di eseguire query in modo efficiente nella tabella con interfoliazione e di unire i campi nella tabella padre.

Tabella utenti rispetto alla tabella degli ordini

Applicare indici secondari

È una best practice applicare gli indici secondari alle tabelle Spanner dopo aver caricato i dati. Ora che la replica funziona, configura un indice secondario per velocizzare le query. Come per le tabelle Spanner, gli indici secondari Spanner sono completamente coerenti. Non sono a coerenza finale, comune in molti database NoSQL. Questa funzionalità può aiutarvi a semplificare la progettazione dell'app

Esegui una query che non utilizza alcun indice. Stai cercando le N occorrenze principali, in base a un determinato valore di colonna. Questa è una query comune in Amazon DynamoDB per l'efficienza dei database.

  1. Vai a Spanner.

    Vai a Spanner

  2. Fai clic su Query.

    Pulsante Query

  3. Nel campo Query, inserisci la query seguente e fai clic su Esegui query.

    SELECT Username,PointsEarned
      FROM Migration
     WHERE Subscribed=true
       AND ReminderDate > DATE_SUB(DATE(current_timestamp()), INTERVAL 14 DAY)
     ORDER BY ReminderDate DESC
     LIMIT 10
    

    Dopo l'esecuzione della query, fai clic su Spiegazione e prendi nota delle impostazioni Riga analizzata e Righe restituite. Senza un indice, Spanner esegue la scansione dell'intera tabella per restituire un piccolo sottoinsieme di dati che corrisponde alla query.

    Righe scansionate rispetto alle righe restituite

  4. Se rappresenta una query frequente, crea un indice composto nelle colonne Sottoscritto e PromemoriaData. Nella console console: seleziona il riquadro di navigazione a sinistra degli indici, quindi fai clic su Crea indice.

  5. Inserisci la definizione di indice nella casella di testo.

    CREATE INDEX SubscribedDateDesc
    ON Migration (
      Subscribed,
      ReminderDate DESC
    )
    
  6. Per iniziare a creare il database in background, fai clic su Crea.

    Aggiornamento schema in corso

  7. Dopo aver creato l'indice, esegui di nuovo la query e aggiungi l'indice.

    SELECT Username,PointsEarned
      FROM Migration@{FORCE_INDEX=SubscribedDateDesc}
     WHERE Subscribed=true
       AND ReminderDate > DATE_SUB(DATE(current_timestamp()), INTERVAL 14 DAY)
     ORDER BY ReminderDate DESC
     LIMIT 10
    

    Esamina di nuovo la spiegazione della query. Nota che il numero di Righe scansionate è diminuito. Le Righe restituite in ogni passaggio corrispondono al numero restituito dalla query.

    Spiegazione della query

Indici con interfoliazione

Puoi configurare gli indici con interfoliazione in Spanner. Gli indici secondari discussi nella sezione precedente si trovano alla base della gerarchia del database e utilizzano gli indici come un database convenzionale. Un indice con interfoliazione si trova nel contesto della relativa riga con interfoliazione. Vedi le opzioni di indice per ulteriori dettagli su dove applicare gli indici con interfoliazione.

Modifica in base al modello dei dati

Per adattare la parte della migrazione di questo tutorial alla tua situazione, modifica i file di origine di Apache Beam. È importante non modificare lo schema di origine durante l'effettiva finestra di migrazione, altrimenti potresti perdere i dati.

  1. Per analizzare il JSON in arrivo e creare mutazioni, utilizza GSON. Modifica la definizione JSON in modo che corrisponda ai tuoi dati.

    public static class Record implements Serializable {
    
      private Item Item;
    
    }
    
    public static class Item implements Serializable {
    
      private Username Username;
      private PointsEarned PointsEarned;
      private Subscribed Subscribed;
      private ReminderDate ReminderDate;
      private Zipcode Zipcode;
    
    }
    
    public static class Username implements Serializable {
    
      private String S;
    
    }
    
    public static class PointsEarned implements Serializable {
    
      private String N;
    
    }
    
    public static class Subscribed implements Serializable {
    
      private String BOOL;
    
    }
    
    public static class ReminderDate implements Serializable {
    
      private String S;
    
    }
    
    public static class Zipcode implements Serializable {
    
      private String N;
    
    }
  2. Modifica la mappatura JSON corrispondente.

    mutation.set("Username").to(record.Item.Username.S);
    
    Optional.ofNullable(record.Item.Zipcode).ifPresent(x -> {
      mutation.set("Zipcode").to(Integer.parseInt(x.N));
    });
    
    Optional.ofNullable(record.Item.Subscribed).ifPresent(x -> {
      mutation.set("Subscribed").to(Boolean.parseBoolean(x.BOOL));
    });
    
    Optional.ofNullable(record.Item.ReminderDate).ifPresent(x -> {
      mutation.set("ReminderDate").to(Date.parseDate(x.S));
    });
    
    Optional.ofNullable(record.Item.PointsEarned).ifPresent(x -> {
      mutation.set("PointsEarned").to(Integer.parseInt(x.N));
    });

Nei passaggi precedenti hai modificato il codice sorgente di Apache Beam per l'importazione collettiva. Modifica il codice sorgente per la parte di streaming della pipeline in un modo simile. Infine, modifica gli script, gli schemi e gli indici di creazione delle tabelle del tuo database di destinazione Spark.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

Elimina il progetto

  1. In Google Cloud Console, vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
  3. Nella finestra di dialogo, digita l'ID del progetto e fai clic su Chiudi per eliminare il progetto.

Elimina risorse AWS

Se il tuo account AWS viene utilizzato all'esterno di questo tutorial, fai attenzione quando elimini le seguenti risorse:

  1. Elimina la tabella DynamoDB denominata Migrazione.
  2. Elimina il bucket Amazon S3 e la funzione Lambda che hai creato durante i passaggi della migrazione.
  3. Infine, elimina l'utente AWS IAM che hai creato durante questo tutorial.

Passaggi successivi