Présentation de la réplication

Cloud Data Fusion Replication vous permet de créer des copies vos données en continu et en temps réel à partir de datastores opérationnels, tels que SQL Server et MySQL dans BigQuery.

Pour utiliser la réplication, choisissez l'une des méthodes suivantes:

  • Créez une instance de Cloud Data Fusion et ajoutez le Application de réplication.
  • Ajoutez l'application de réplication à une instance existante.

Voici quelques-uns de ses avantages :

  • Identifier les incompatibilités de schéma, les problèmes de connectivité et les éléments manquants avant de démarrer la réplication, puis propose des mesures correctives.

  • Utiliser les dernières données opérationnelles en temps réel pour les analyser dans BigQuery. Vous utilisez la réplication basée sur les journaux directement dans BigQuery à partir de Microsoft SQL Server (à l'aide de SQL Server CDC) et de MySQL (en utilisant le journal binaire MySQL).

  • La capture de données modifiées (CDC, Change Data Capture) fournit une représentation des données modifiées dans un flux. Elle permet aux calculs et au traitement de se concentrer spécifiquement sur les enregistrements les plus récents. Cela réduit les frais de données sortantes sur les systèmes de production sensibles.

  • Évolutivité d'entreprise compatible avec les bases de données transactionnelles à volume élevé et les chargements de données initiaux vers BigQuery sont compatibles avec la réplication des instantanés sans interruption, afin que l'entrepôt de données soit prêt à consommer des modifications en continu. Une fois l'instantané initial terminé, la réplication continue des modifications à haut débit commence en temps réel.

  • Les tableaux de bord vous aident à obtenir des insights en temps réel sur les performances de réplication. Il est utile pour identifier les goulots d'étranglement et surveiller les SLA de diffusion des données.

  • Inclut la prise en charge des résidences de données, des clés de chiffrement gérées par le client (CMEK) et de VPC Service Controls. L'intégration de Cloud Data Fusion dans Google Cloud garantit le niveau le plus élevé de sécurité et de confidentialité de l'entreprise tout en rendant les dernières données disponibles dans votre entrepôt de données pour l'analyse.

Lors de l'exécution de la réplication, le cluster Dataproc vous est facturé et des frais de traitement vous sont facturés pour BigQuery. Pour optimiser ces coûts, nous vous recommandons vivement d'utiliser les tarifs forfaitaires de BigQuery.

Pour en savoir plus, consultez la page Tarifs de Cloud Data Fusion.

Entités de réplication

Entité Description
Réplication La réplication est une fonctionnalité de Cloud Data Fusion permettant de répliquer les données en continu avec une faible latence des datastores opérationnels aux entrepôts de données analytiques. Créez une tâche de réplication en configurant une source et une cible avec des transformations facultatives.
Source Lit les événements de modification de base de données, de table ou de colonne et les génère disponibles pour un traitement ultérieur dans un job de réplication. A le job de réplication contient une source, qui s'appuie sur une solution de capture des modifications pour fournir les modifications. Il peut y avoir plusieurs sources pour une base de données, chacune avec une solution de capture de changement différente. Une source est un module connectable créé à l'aide de l'architecture de plug-in de CDAP. Si aucune source n'est disponible pour répondre à vos besoins, vous pouvez créer la vôtre en mettant en œuvre l'interface source, puis l'importer dans CDAP ou Cloud Data Fusion.
Cible Écriture des modifications reçues d'une source dans une base de données cible. Un job de réplication contient une cible. Une cible est un module connectable créé à l'aide du plug-in de l'architecture CDAP. Si aucune cible n'est disponible pour répondre à vos besoins, vous pouvez créer la vôtre en mettant en œuvre l'interface cible, puis l'importer dans CDAP ou Cloud Data Fusion.
Propriétés de la source Configure la source, y compris les détails de connexion, les noms de base de données et de table sources, les identifiants et d'autres propriétés.
Propriétés de la cible Configure la cible, y compris les détails de connexion, les noms de base de données et de table cibles, les identifiants et d'autres propriétés.
Propriétés de la tâche de réplication Il configure le job de réplication, y compris les seuils d'échec, les zones de transit, les notifications et les paramètres de validation.
Brouillon Une tâche de réplication partiellement enregistrée. Une fois la définition de la tâche de réplication terminée, elle peut être démarrée.
Événements Événements de modification de la source à répliquer sur la cible. Les événements incluent des insertions, des mises à jour, des suppressions et des modifications LDD (langage de définition de données).
Insérer Ajout de nouveaux enregistrements dans la source.
Mettre à jour Mise à jour vers les enregistrements existants dans la source.
Supprimer Suppression des enregistrements existants dans la source.
Modification LDD Un événement contenant une modification de schéma, telle qu'une modification du type de données ou du nom.
Journaux Journaux opérationnels d'une tâche de réplication.
Détails de la tâche de réplication Une page d'informations contenant des informations sur le job de réplication, telles que son état actuel, métriques opérationnelles, vue historique au fil du temps, validation des résultats et de sa configuration.
Tableau de bord Page répertoriant l'état de toutes les activités de capture de données modifiées, y compris le débit, la latence, les taux d'échec et les résultats de validation.

Actions

Actions Description
Déployer Créer un job de réplication en suivant une interface Web pour spécifier une source, une cible et leur configuration.
Enregistrer Enregistrement d'une tâche de réplication partiellement créée pour reprendre la création ultérieurement.
Supprimer Suppression d'une tâche de réplication existante. Seuls les pipelines arrêtés peuvent être supprimés.
Démarrer Démarrage d'une tâche de réplication... Si des changements doivent être apportés traité, le job de réplication passe à l'état "actif". sinon elle passe à l'état "en attente".
Arrêter Arrêt d'une tâche de réplication Le job de réplication arrête le traitement des modifications de la source.
Voir les journaux Affichage des journaux d'une tâche de réplication pour le débogage ou une autre analyse.
Recherche Rechercher un job de réplication par son nom, sa description ou d'autres métadonnées de job de réplication.
Évaluer Évaluation de l'impact de la réplication avant de la démarrer. L'évaluation d'une tâche de réplication génère un rapport d'évaluation qui signale les incompatibilités de schémas et les fonctionnalités manquantes.

Surveillance

États des instances dupliquées Description
Déployé La tâche de réplication est déployée, mais pas démarrée. Dans cet état, un job de réplication ne réplique pas les événements.
Démarrage… La tâche de réplication est en cours d'initialisation et n'est pas prête à répliquer les modifications.
Running Le job de réplication est démarré et est en cours de réplication des modifications.
Arrêt… Le job de réplication s'arrête.
Arrêté Le job de réplication est arrêté.
Échec Le job de réplication a échoué en raison d'erreurs fatales.

États des tables

Concept Description
Création d'instantanés La tâche de réplication prend un instantané de l'état actuel de la table avant de répliquer les modifications.
En cours de réplication La tâche de réplication réplique les modifications de la table source vers la table de destination.
Échec Le job de réplication ne parvient pas à répliquer les modifications du table source en raison d'une erreur.

Métriques

Concept Description
Code inséré Nombre d'insertions appliquées à la cible au cours de la période sélectionnée.
Mises à jour Nombre de mises à jour appliquées à la cible au cours de la période sélectionnée.
Suppressions Nombre de suppressions appliquées à la cible au cours de la période sélectionnée.
LDD Nombre de modifications LDD appliquées à la cible au cours de la période sélectionnée.
Débit Nombre d'événements et nombre d'octets répliqués sur la cible au cours de la période sélectionnée.
Latence Latence à laquelle les données sont répliquées sur la cible dans la période sélectionnée.

Composants

Composant Description
Service Il supervise l'orchestration de bout en bout des jobs de réplication, et propose des fonctionnalités de conception, de déploiement, de gestion la surveillance des jobs de réplication. Il s'exécute dans le projet locataire Cloud Data Fusion (le projet locataire est masqué pour l'utilisateur). Son état s'affiche sur la page **Administration système** de l'interface Web Cloud Data Fusion.
Gestion de l'état Le service gère l'état de chaque tâche de réplication dans un bucket Cloud Storage du projet client. Le bucket peut être configuré lors de la création du job de réplication. Il stocke les décalages actuels et l'état de réplication de chaque du job de réplication.
Exécution Les clusters Dataproc fournissent l'environnement d'exécution des tâches de réplication, qui s'exécutent dans votre projet. Les tâches de réplication s'exécutent à l'aide de nœuds de calcul CDAP. La taille et les caractéristiques de l'exécution sont configurés avec des profils Compute Engine.
Base de données source Base de données opérationnelle de production qui est répliquée dans votre base de données cible. Cette base de données peut être située sur site ou sur Google Cloud. La réplication Cloud Data Fusion est compatible avec les bases de données source MySQL, Microsoft SQL Server et Oracle.
Solution de suivi des modifications Au lieu d'exécuter un agent sur la base de données source, Cloud Data Fusion s'appuie sur une solution de suivi des modifications pour lire les modifications dans la base de données source. La solution peut être un composant de la base de données source ou une solution tierce sous licence distincte. Dans ce dernier cas, la solution de suivi des modifications s'exécute sur site, avec la base de données source ou sur Google Cloud. Chaque source doit être associée à une solution de suivi des modifications.
  1. SQL Server
    • Solution compatible :SQL Server CDC (tables de suivi des modifications)
    • Autres logiciels : non
    • Licence/Coût : non applicable
    • Commentaires : SQL Server 2016 et versions ultérieures
  2. MySQL
    • Solution compatible : Journal binaire MySQL
    • Autres logiciels : non
    • Licence/Coût : non applicable
    • Commentaires : non applicable
  3. Oracle
Base de données cible Emplacement de destination pour la réplication et l'analyse. Cloud Data Fusion est compatible avec la base de données cible BigQuery.
Authentification Les mécanismes d'authentification varient en fonction de la base de données source ou du logiciel de suivi des modifications. Lorsque vous utilisez les fonctionnalités intégrées des bases de données sources, telles que SQL Server et MySQL, les connexions à la base de données sont utilisées pour l'authentification. Lorsque vous utilisez un logiciel de suivi des modifications, le mécanisme d'authentification du logiciel est utilisé.

Connectivité

Le tableau suivant décrit les connexions réseau requises pour la réplication et les mécanismes de sécurité qu'elles utilisent.

De To Facultatif Protocole Réseau Sécurité de l'authentification Usage
Service (projet locataire) Base de données source Oui Dépend de la source de réplication. JDBC pour la connexion directe à la base de données. Appairage + règles de pare-feu + VPN/Interconnexion + Routeur Connexion à la base de données Requis à la conception, mais pas à l'exécution. Fonctions : Liste des tables, évaluation (étapes facultatives ; la réplication peut se poursuivre sans elles)
Service (projet locataire) Cloud Storage Non API Cloud VPC SC IAM Gestion des états : décalages, états de réplication
Dataproc (votre projet) Base de données source Non Dépend de la source. JDBC pour la connexion directe à la base de données. Appairage + règles de pare-feu + VPN/Interconnexion + Routeur Connexion à la base de données Requis au moment de l'exécution, pour lire les modifications apportées par la base de données source afin de les répliquer sur la cible
Dataproc (votre projet) Cloud Storage Non API Cloud VPC SC IAM Gestion des états : décalages, états de réplication
Dataproc (votre projet) BigQuery Non API Cloud VPC SC IAM Requis au moment de l'exécution pour appliquer les modifications de la base de données source à la cible

Étape suivante