Esporta database da Spanner ad Avro

Questa pagina descrive come esportare i database Spanner con la console Google Cloud. Per esportare un database Spanner utilizzando l'API REST o gcloud spanner a strumento a riga di comando, completa i passaggi nella Prima di iniziare di questa pagina, quindi controlla le istruzioni dettagliate in Spanner to Cloud Storage Avro nella documentazione di Dataflow. Il processo di esportazione utilizza Dataflow e scrive i dati in una cartella di un bucket Cloud Storage. La cartella risultante contiene un insieme File Avro e file manifest JSON.

Prima di iniziare

Per esportare un database Spanner, devi prima abilitare Spanner, Cloud Storage API Compute Engine e Dataflow:

Enable the APIs

Devi anche avere una quota sufficiente e le autorizzazioni IAM richieste.

Requisiti per le quote

I requisiti di quota per i job di esportazione sono i seguenti:

• Spanner: nessun altro elemento necessaria per esportare un database, anche se potresti aver bisogno per aggiungere più capacità di calcolo in modo che il job venga completato in una quantità ragionevole del tempo. Per ulteriori dettagli, consulta la sezione Job di ottimizzazione.
• Cloud Storage: per eseguire l'esportazione, devi creare un bucket per i file esportati se non ne hai già uno. Puoi farlo nella console Google Cloud, tramite la pagina Cloud Storage o durante la creazione dell'esportazione tramite la pagina Spanner. Non è necessario impostare una dimensione per il bucket.
• Dataflow: i job di esportazione 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 esportazione, 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 permanente standard: 50 TB

  In genere, non è necessario apportare altre modifiche. Dataflow offre scalabilità automatica, in modo da pagare e le risorse effettivamente utilizzate durante l'esportazione. Se il job può utilizzare più risorse, l'interfaccia utente di Dataflow mostra un'icona di avviso. La il job dovrebbe terminare 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)
• Worker Dataflow (roles/dataflow.worker)
• Storage Admin (roles/storage.admin)
• Lettore database Spanner (roles/spanner.databaseReader)
• Amministratore database (roles/spanner.databaseAdmin)

Per utilizzare le risorse di calcolo indipendenti di Spanner Data Boost durante un'esportazione, è necessaria anche l'autorizzazione IAMspanner.databases.useDataBoost. Per ulteriori informazioni, consulta la panoramica di Data Boost.

Esportare un database

Dopo aver soddisfatto i requisiti di quota e IAM descritti in precedenza, puoi esportare un database Spanner esistente.

Per esportare il database Spanner in un bucket Cloud Storage, segui questi passaggi.

1. Vai alla pagina Istanze di Spanner.

   Vai alla pagina Istanze

2. Fai clic sul nome dell'istanza che contiene il database.

3. Fai clic sulla voce di menu Importazione/esportazione nel riquadro a sinistra e poi sul pulsante Esporta.

4. In Scegli dove archiviare l'esportazione, fai clic su Sfoglia.

5. Se non hai già un bucket Cloud Storage per l'esportazione:

   1. Fai clic su Nuovo bucket .
   2. Inserisci un nome per il bucket. I nomi dei bucket devono essere univoci tra di archiviazione ideale in Cloud Storage.
   3. Seleziona una classe di archiviazione e una località predefinite e fai clic su Crea.
   4. Fai clic sul bucket per selezionarlo.

   Se hai già un bucket, selezionalo dall'elenco iniziale oppure fai clic su Cerca per filtrare l'elenco, poi fai clic sul bucket per selezionarlo.

6. Fai clic su Seleziona.

7. Seleziona il database da esportare nel menu a discesa Scegli un database da esportare.

8. (Facoltativo) Per esportare il database da un momento precedente, seleziona la casella e inserisci un timestamp.

9. Seleziona una regione nel menu a discesa Scegli una regione per il job di esportazione.

10. (Facoltativo) Per criptare lo stato della pipeline Dataflow con una chiave di crittografia gestita dal cliente:

    1. Fai clic su Mostra opzioni di crittografia.
    2. Seleziona Utilizza una chiave di crittografia gestita dal cliente (CMEK).
    3. Seleziona la chiave dall'elenco a discesa.

    Questa opzione non influisce sulla crittografia a livello di bucket Cloud Storage di destinazione. Per abilitare CMEK per il tuo bucket Cloud Storage, consulta Utilizza CMEK con Cloud Storage.

11. (Facoltativo) Per eseguire l'esportazione utilizzando Spanner Data Boost, seleziona la Casella di controllo Utilizza Spanner Data Boost. Per ulteriori informazioni, vedi Panoramica di Data Boost.

12. Seleziona la casella di controllo in Conferma addebiti per confermare che sono presenti addebiti aggiuntivi rispetto a quelli sostenuti dall'istanza Spanner esistente.

13. Fai clic su Esporta.

    La console Google Cloud mostra la pagina Importazione/esportazione del database, che ora mostra una voce per il job di esportazione nei job di importazione/esportazione incluso il tempo trascorso del job:

    

Quando il job termina o termina, lo stato viene aggiornato nella sezione dall'elenco di lettura. Se il job è riuscito, viene visualizzato lo stato Riuscito:

Se il job non è andato a buon fine, viene visualizzato lo stato Non riuscito:

Per visualizzare i dettagli dell'operazione Dataflow per il tuo job, fai clic su sul nome del job nella colonna Nome job Dataflow.

Se il job non va a buon fine, verifica la presenza di errori nei log Dataflow del job i dettagli.

Per evitare addebiti di Cloud Storage per i file creati dal tuo job di esportazione non riuscito, elimina la cartella e i relativi file. Consulta Visualizzare esporta per informazioni su come trovare la cartella.

Una nota sull'esportazione delle colonne generate e delle modifiche in tempo reale

I valori in una colonna generata archiviata non vengono esportati. La colonna viene esportata nello schema Avro come campo di record di tipo nullo, con la definizione della colonna come proprietà personalizzate del campo. Fino al backfill viene completata l'operazione di una colonna generata appena aggiunta, la colonna generata viene ignorato come se non esistesse nello schema.

Gli stream di variazioni esportati come file Avro contengono solo lo schema degli stream di variazioni e non i record di variazione dei dati.

Una nota sull'esportazione delle sequenze

Le sequenze (GoogleSQL, PostgreSQL) sono oggetti dello schema che utilizzi per generare valori interi univoci. Spanner esporta ogni oggetto dello schema nello schema Avro come campo del record, con il tipo di sequenza, l'intervallo saltato e il contatore come proprietà del campo. Tieni presente che per impedire che una sequenza venga reimpostata e generata valori duplicati dopo l'importazione, durante l'esportazione dello schema, GET_INTERNAL_SEQUENCE_STATE() (GoogleSQL, PostgreSQL) acquisisce il contatore della sequenza. Spanner aggiunge un buffer di 1000 al contatore e scrive il nuovo valore del contatore nel campo del record. Questo evita errori nei valori duplicati che potrebbero verificarsi dopo l'importazione. Se durante l'esportazione dei dati vengono eseguite più scritture nel database di origine, devi aggiustare il contatore di sequenza effettivo utilizzando l'istruzione ALTER SEQUENCE (GoogleSQL, PostgreSQL).

Al momento dell'importazione, la sequenza inizia da questo nuovo contatore anziché dal contatore nello schema. In alternativa, puoi utilizzare l'istruzione ALTER SEQUENCE (GoogleSQL, PostgreSQL) per aggiornare la sequenza con un nuovo contatore.

Visualizza la tua esportazione in Cloud Storage

Per visualizzare la cartella contenente il database esportato nella console Google Cloud, vai al browser Cloud Storage e scegli il bucket selezionato in precedenza:

Vai al browser di Cloud Storage

Il bucket ora contiene una cartella con il database esportato al suo interno. Il nome della cartella 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.json per ogni tabella in del database che hai esportato.

• Uno o più file TableName.avro-#####-of-#####. Il primo numero nell'estensione .avro-#####-of-##### rappresenta l'indice del file Avro, a partire da zero, e il secondo rappresenta il numero di File Avro generati per ogni tabella.

  Ad esempio, Songs.avro-00001-of-00002 è il secondo di due file che contengono i dati per la tabella Songs.

• Un file ChangeStreamName-manifest.json per ciascuno flusso di modifiche nel database esportato.

• Un file ChangeStreamName.avro-00000-of-00001 per ogni stream di modifiche. Questo file contiene dati vuoti solo con lo schema Avro del flusso di modifiche.

Scegli una regione per il job di importazione

Ti consigliamo di scegliere una regione diversa in base alla località in cui si trova nel bucket Cloud Storage. Per evitare addebiti per il trasferimento di dati in uscita, scegli una regione corrispondente alla posizione 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 due regioni, puoi sfruttare l'utilizzo gratuito della rete scegliendo una delle due regioni che compongono la doppia regione per il 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.

Esporta un sottoinsieme di tabelle

Se vuoi esportare solo i dati di determinate tabelle e non l'intero database, puoi specificare queste tabelle durante l'esportazione. Nella In questo caso, Spanner esporta l'intero schema del database, incluso i dati delle tabelle specificate e lasciando tutte le altre tabelle presenti vuoto nel file esportato.

Puoi specificare un sottoinsieme di tabelle da esportare utilizzando la pagina Dataflow nella console Google Cloud o la riga di comando. (la pagina Spanner non fornisce questa azione).

Se esporti i dati di una tabella che è figlia di un'altra, devi esportare anche i dati della tabella principale. Se non vengono esportati gli elementi principali, il job di esportazione non va a buon fine.

Per esportare un sottoinsieme di tabelle, avvia l'esportazione utilizzando Da Spanner al modello Avro di Cloud Storage e specifica le tabelle utilizzando la pagina Dataflow nella console Google Cloud o Google Cloud CLI, come descritto di seguito:

gcloud dataflow jobs run my-export-job \
--gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
--region=us-central1 \
--parameters='instanceId=test-instance,databaseId=example-db,tableNames=table1,outputDir=gs://my-gcs-bucket' \
--max-workers=10

 gcloud dataflow jobs run my-export-job \
--gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
--region=us-central1 \
--parameters='^|^instanceId=test-instance|databaseId=example-db|tableNames=table1,table2|outputDir=gs://my-gcs-bucket' \
--max-workers=10

gcloud dataflow jobs run my-export-job \
--gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
--region=us-central1 \
--parameters='instanceId=test-instance,databaseId=example-db,tableNames=Songs,shouldExportRelatedTables=true,outputDir=gs://my-gcs-bucket' \
--max-workers=10

Visualizza o risolvi i problemi dei job nell'interfaccia utente di Dataflow

Dopo aver avviato un job di esportazione, 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/esportazione eseguiti nell'ultima settimana, inclusi eventuali job attualmente in esecuzione:

1. Vai alla pagina Panoramica del database per il database.
2. Fai clic sull'elemento di menu Importazione/esportazione nel riquadro di sinistra. La pagina database Importa/Esporta mostra un elenco di job recenti.

3. Nella pagina Importazione/esportazione del database, fai clic sul nome del job nella colonna Nome job Dataflow:

   

   La console Google Cloud mostra i dettagli di Dataflow lavoro.

Per visualizzare un job eseguito più di una settimana fa:

1. Vai alla pagina dei job Dataflow nella console Google Cloud.

   Vai alla pagina dei job

2. 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 ai dettagli del job come descritto sopra, poi fai clic su Log a destra del nome del job.

Se un job non va a buon fine, cerca gli errori nei log. Se ci sono errori, l'errore il conteggio delle voci viene visualizzato accanto a Log:

Per visualizzare gli errori del job:

1. Fai clic sul conteggio degli errori accanto a Log.

   La console Google Cloud mostra i log del job. Potresti dover scorri per vedere gli errori.

2. Individua le voci con l'icona di errore .

3. Fai clic su una singola voce di log per espanderne il contenuto.

Per ulteriori informazioni sulla risoluzione dei problemi dei job Dataflow, consulta Risolvi i problemi della pipeline.

Risolvere i problemi relativi ai job di esportazione 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 lettura del 99% nella Monitoring del tuo database Spanner nella nella console Google Cloud. Se mostra valori elevati (più secondi), indica che l'istanza è sovraccarica, con una conseguente lettura timeout e non riesce.

Una causa della latenza elevata è che il job Dataflow è in esecuzione utilizzando troppe dei worker, applicando un carico eccessivo all'istanza Spanner.

• Se utilizzi la console Dataflow, il parametro Numero massimo di worker si trova nella sezione Parametri facoltativi della pagina Crea job da modello.

• Se utilizzi gcloud, specifica l'argomento max-workers. Ad esempio:

  gcloud dataflow jobs run my-export-job \
  --gcs-location='gs://dataflow-templates/latest/Cloud_Spanner_to_GCS_Avro' \
  --region=us-central1 \
  --parameters='instanceId=test-instance,databaseId=example-db,outputDir=gs://my-gcs-bucket' \
  --max-workers=10
  

Ottimizzare i job di esportazione con esecuzione lenta

Se hai seguito i suggerimenti nelle impostazioni iniziali, dovresti in genere non devono essere apportate 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 tuo 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.

• Controlla l'utilizzo della CPU di Spanner: se noti che la CPU di utilizzo dell'istanza supera il 65%, puoi aumentare la capacità di calcolo dell'istanza. La capacità aumenta Le risorse Spanner e il job dovrebbero essere più veloci, ma il traffico è maggiore Spanner addebita dei costi.

Fattori che influiscono sulle prestazioni del job di esportazione

Diversi fattori influiscono sul tempo necessario per completare un job di esportazione.

• Dimensione del database di 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

• Posizione dei dati: i dati vengono trasferiti tra Spanner e Cloud Storage utilizzando Dataflow. Idealmente, tutti e tre i componenti devono trovarsi nella stessa regione. Se i componenti non si trovano nello stesso regione, lo spostamento dei dati tra 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. Il numero di i worker saranno tuttavia limitati dalle quote di CPU, indirizzi IP in uso, e un 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 dovrebbe comunque essere completato.

• Carico esistente su Spanner: In genere un job di esportazione aggiunge un carico leggero su un oggetto Spanner in esecuzione in un'istanza Compute Engine. 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.