Datastream und Dataflow für Analysen implementieren

Durch die Einbindung von Datastream in Dataflow-Jobvorlagen können Sie die Logik der Streamverarbeitung anpassen, wenn Sie Daten für Analysen nahezu in Echtzeit in BigQuery replizieren. Sie können beispielsweise Daten während der Übertragung transformieren oder logische Primärschlüssel manuell festlegen, bevor Sie in Ihre Zieltabellen schreiben.

In dieser Anleitung verwenden Sie Datastream, um Einfügungen, Aktualisierungen und Löschungen aus einer MySQL-Quelldatenbank in einen Cloud Storage-Bucket zu streamen. Anschließend konfigurieren Sie Pub/Sub-Benachrichtigungen für den Bucket für neue Änderungsdateien und führen einen Dataflow-Job aus, um diese Änderungen zu verarbeiten und in BigQuery zusammenzuführen.

Das folgende Diagramm veranschaulicht die Architektur für die Integration von Datastream und Dataflow:

Ziele

In dieser Anleitung lernen Sie, wie Sie:

• Erstellen Sie einen Bucket in Cloud Storage. Dies ist der Ziel-Bucket, in den Datastream Schemas, Tabellen und Daten aus einer MySQL-Quelldatenbank streamt.
• Pub/Sub-Benachrichtigungen für den Cloud Storage-Bucket aktivieren. Dadurch konfigurieren Sie den Bucket so, dass Benachrichtigungen gesendet werden, die Dataflow verwendet, um über neue Dateien informiert zu werden, die verarbeitet werden können. Diese Dateien enthalten Änderungen an Daten, die Datastream aus der Quelldatenbank in den Bucket streamt.
• Erstellen Sie Datasets in BigQuery. BigQuery verwendet Datasets, um die von Dataflow erhaltenen Daten zu speichern. Diese Daten stellen die Änderungen in der Quelldatenbank dar, die Datastream in den Cloud Storage-Bucket streamt.
• Erstellen und verwalten Sie Verbindungsprofile für eine Quelldatenbank und einen Ziel-Bucket in Cloud Storage. Ein Stream in Datastream verwendet die Informationen in den Verbindungsprofilen, um Daten aus der Quelldatenbank in den Bucket zu übertragen.
• Stream erstellen und starten. Dieser Stream überträgt Daten, Schemas und Tabellen aus der Quelldatenbank in den Bucket.
• Prüfen Sie, ob Datastream die mit einem Schema der Quelldatenbank verknüpften Daten und Tabellen in den Bucket überträgt.
• Job in Dataflow erstellen. Nachdem Datastream Datenänderungen aus der Quelldatenbank in den Cloud Storage-Bucket gestreamt hat, werden Benachrichtigungen über neue Dateien mit den Änderungen an Dataflow gesendet. Der Dataflow-Job verarbeitet die Dateien und überträgt die Änderungen in BigQuery.
• Dataflow muss die Dateien verarbeitet, die die mit diesen Daten verbundenen Änderungen enthalten, und die Änderungen in BigQuery übertragen. Deshalb haben Sie eine durchgängige Integration zwischen Datastream und BigQuery.
• Bereinigen Sie die Ressourcen, die Sie in Datastream, Cloud Storage, Pub/Sub, Dataflow und BigQuery erstellt haben, damit sie kein Kontingent belegen und Ihnen in Zukunft nicht in Rechnung gestellt werden.

Kosten

In diesem Dokument verwenden Sie die folgenden kostenpflichtigen Komponenten von Google Cloud:

• Datastream
• Cloud Storage
• Pub/Sub
• Dataflow
• BigQuery

Mit dem Preisrechner können Sie eine Kostenschätzung für Ihre voraussichtliche Nutzung vornehmen.

Neuen Nutzern von Google Cloud steht möglicherweise eine kostenlose Testversion zur Verfügung.

Hinweis

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. Aktivieren Sie die Datastream API.

   API aktivieren

4. Achten Sie darauf, dass Ihrem Nutzerkonto die Rolle „Datastream-Administrator“ zugewiesen ist.

   Zur IAM-Seite

5. Sie benötigen eine MySQL-Quelldatenbank, auf die Datastream zugreifen kann. Prüfen Sie außerdem, ob die Datenbank Daten, Tabellen und Schemas enthält.
6. Konfigurieren Sie Ihre MySQL-Datenbank so, dass eingehende Verbindungen von öffentlichen Datastream-IP-Adressen zugelassen werden. Eine Liste aller Datastream-Regionen und der zugehörigen öffentlichen IP-Adressen finden Sie unter IP-Zulassungslisten und Regionen.
7. Richten Sie Change Data Capture (CDC) für die Quelldatenbank ein. Weitere Informationen finden Sie unter MySQL-Quelldatenbank konfigurieren.

8. Achten Sie darauf, dass alle Voraussetzungen erfüllt sind, um Pub/Sub-Benachrichtigungen für Cloud Storage zu aktivieren.

   In dieser Anleitung erstellen Sie einen Ziel-Bucket in Cloud Storage und aktivieren Pub/Sub-Benachrichtigungen für den Bucket. So kann Dataflow Benachrichtigungen zu neuen Dateien erhalten, die Datastream in den Bucket schreibt. Diese Dateien enthalten Änderungen an Daten, die Datastream aus der Quelldatenbank in den Bucket streamt.

Voraussetzungen

Datastream bietet eine Vielzahl von Quelloptionen, Zieloptionen und Netzwerkverbindungsmethoden.

Für diese Anleitung gehen wir davon aus, dass Sie eine eigenständige MySQL-Datenbank und einen Cloud Storage-Zieldienst verwenden. Für die Quelldatenbank sollten Sie Ihr Netzwerk so konfigurieren können, dass eine eingehende Firewallregel hinzugefügt wird. Die Quelldatenbank kann lokal oder bei einem Cloudanbieter bereitgestellt werden. Für das Cloud Storage-Ziel ist keine Verbindungskonfiguration erforderlich.

Da wir die Besonderheiten Ihrer Umgebung nicht kennen, können wir keine detaillierten Schritte in Bezug auf Ihre Netzwerkkonfiguration anbieten.

Wählen Sie für diese Anleitung Zulassen von IP-Adressen als Netzwerkverbindungsmethode aus. IP-Zulassungslisten sind eine Sicherheitsfunktion, mit der der Zugriff auf die Daten in Ihrer Quelldatenbank häufig auf vertrauenswürdige Nutzer beschränkt und gesteuert wird. Sie können IP-Zulassungslisten verwenden, um Listen mit vertrauenswürdigen IP-Adressen oder IP-Bereichen zu erstellen, von denen Ihre Nutzer und andere Google Cloud -Dienste wie Datastream auf diese Daten zugreifen können. Damit Sie IP-Zulassungslisten verwenden können, müssen Sie die Quelldatenbank oder Firewall für eingehende Verbindungen von Datastream öffnen.

Erstellen Sie einen Bucket in Cloud Storage

Erstellen Sie einen Ziel-Bucket in Cloud Storage, in den Datastream Schemas, Tabellen und Daten aus einer MySQL-Quelldatenbank streamt.

1. Wechseln Sie in der Google Cloud Console zur Seite Browser für Cloud Storage.

   Zur Seite "Browser"

2. Klicken Sie auf Bucket erstellen. Die Seite Bucket erstellen wird angezeigt.

3. Geben Sie im Textfeld des Bereichs Bucket benennen einen eindeutigen Namen für den Bucket ein und klicken Sie auf Weiter.

4. Übernehmen Sie für jede verbleibende Region der Seite die Standardeinstellungen. Klicken Sie am Ende jeder Region auf Weiter.

5. Klicken Sie auf Erstellen.

Pub/Sub-Benachrichtigungen für den Cloud Storage-Bucket aktivieren

In diesem Abschnitt aktivieren Sie Pub/Sub-Benachrichtigungen für den von Ihnen erstellten Cloud Storage-Bucket. Dadurch wird der Bucket so konfiguriert, dass Dataflow über alle neuen Dateien benachrichtigt wird, die Datastream in den Bucket schreibt. Diese Dateien enthalten Änderungen an Daten, die Datastream aus einer MySQL-Quelldatenbank in den Bucket streamt.

Bevor Sie Benachrichtigungen für Ihren Bucket aktivieren, müssen alle Voraussetzungen erfüllt sein.

1. Rufen Sie den von Ihnen erstellten Cloud Storage-Bucket auf. Die Seite Bucket-Details wird angezeigt.

2. Klicken Sie auf Cloud Shell aktivieren.

3. Geben Sie bei der Eingabeaufforderung folgenden Befehl ein:

   gcloud storage buckets notifications create gs://bucket-name --topic=my_integration_notifs --payload-format=json --object-prefix=integration/tutorial/

   bucket-name ist ein Platzhalter für den Namen Ihres Cloud Storage-Buckets.

   Durch Eingabe dieses Befehls erstellen Sie in Pub/Sub das Thema my_integration_notifs. Außerdem konfigurieren Sie die Pub/Sub-Benachrichtigungen so, dass sie nur auf den Datastream-Ausgabepfad warten, den Sie im Schritt Zielverbindungsprofil für Cloud Storage erstellen definieren. Später in diesem Verfahren konfigurieren Sie dieses Thema in Pub/Sub, damit Benachrichtigungen über Änderungen an Daten, die Datastream in Ihren Cloud Storage-Bucket streamt, an Dataflow gesendet werden.

   Das Pub/Sub-Thema erfasst alle Änderungen an diesen Daten. Alle Abonnenten dieses Themas (z. B. Dataflow) erhalten diese Informationen.

4. Optional: Wenn das Fenster Cloud Shell autorisieren angezeigt wird, klicken Sie auf Autorisieren.

5. Prüfen Sie, ob die folgenden Codezeilen angezeigt werden:

   Created Cloud Pub/Sub topic projects/project-name/topics/my_integration_notifs
   Created notification config projects/_/buckets/bucket-name/notificationConfigs/1
   

   project-name ist ein Platzhalter für den Namen Ihres Google Cloud -Projekts.

6. Rufen Sie in der Google Cloud Console die Seite Themen für Pub/Sub auf.

   Zur Seite "Themen"

7. Klicken Sie auf das von Ihnen erstellte Thema my_integration_notifs.

8. Scrollen Sie auf der Seite my_integration_notifs nach unten. Prüfen Sie, ob der Tab Abos aktiv ist und die Meldung Keine Abos zum Anzeigen angezeigt wird.

   Sie erstellen ein Abo für das Thema my_integration_notifs. Anwendungen, die dieses Abo abonnieren, z. B. Dataflow, können die Informationen im Thema abrufen. Diese Informationen sind mit Änderungen an Daten in der Quelldatenbank verbunden, die Datastream in Ihren Cloud Storage-Bucket streamt.

9. Klicken Sie auf Abo erstellen.

10. Wählen Sie im angezeigten Menü Abo erstellen aus.

11. Führen Sie auf der Seite Abo zum Thema hinzufügen die folgenden Schritte aus:

    1. Geben Sie im Feld Abo-ID den Wert my_integration_notifs_sub ein.
    2. Legen Sie den Wert für die Bestätigungsfrist auf 120 Sekunden fest. So hat Dataflow genügend Zeit, die verarbeiteten Dateien zu bestätigen, und die Gesamtleistung des Dataflow-Jobs wird verbessert. Weitere Informationen zu Pub/Sub-Abo-Attributen finden Sie unter Abo-Attribute.
    3. Übernehmen Sie alle anderen Standardwerte auf der Seite.
    4. Klicken Sie auf Erstellen.

Später in dieser Anleitung erstellen Sie einen Dataflow-Job. Im Rahmen der Erstellung dieses Jobs weisen Sie Dataflow als Abonnent des Abos my_integration_notifs_sub zu. Auf diese Weise kann Dataflow Benachrichtigungen über neue Dateien erhalten, die Datastream in den Cloud Storage schreibt, die Dateien verarbeiten und die Datenänderungen in BigQuery übertragen.

Datasets in BigQuery erstellen

In diesem Abschnitt erstellen Sie Datasets in BigQuery. BigQuery verwendet Datasets, um die von Dataflow erhaltenen Daten zu speichern. Diese Daten stellen die Änderungen in der MySQL-Quelldatenbank dar, die Datastream in Ihren Cloud Storage-Bucket streamt.

1. Rufen Sie in der Google Cloud Console die Seite SQL-Arbeitsbereich für BigQuery auf.

   Zur Seite „SQL-Arbeitsbereich“

2. Klicken Sie im Bereich Explorer neben dem Namen Ihres Projekts in Google Cloud auf Aktionen ansehen.

3. Wählen Sie im angezeigten Menü Dataset erstellen aus.

4. Gehen Sie im Fenster Dataset erstellen so vor:

   1. Geben Sie im Feld Dataset-ID eine ID für das Dataset ein. Geben Sie für diese Anleitung My_integration_dataset_log in das Feld ein.
   2. Lassen Sie alle anderen Standardwerte im Fenster stehen.
   3. Klicken Sie auf Dataset erstellen.
   Dataflow verwendet das Dataset My_integration_dataset_log, um die von Datastream empfangenen Datenänderungen bereitzustellen.

5. Klicken Sie im Bereich Explorer neben dem Namen Ihres Projekts in Google Cloud auf Knoten maximieren und prüfen Sie, ob das von Ihnen erstellte Dataset angezeigt wird.

6. Führen Sie die Schritte in dieser Anleitung aus, um ein zweites Dataset zu erstellen: My_integration_dataset_final.

   Die im Dataset My_integration_dataset_log bereitgestellten Änderungen werden mit dem Dataset My_integration_dataset_final zusammengeführt, um ein 1:1-Duplikat der Tabellen in der Quelldatenbank zu erstellen.

7. Maximieren Sie neben jedem Dataset Knoten maximieren.

8. Prüfen Sie, ob jedes Dataset leer ist.

Nachdem Datastream Datenänderungen aus der Quelldatenbank in Ihren Cloud Storage-Bucket gestreamt hat, verarbeitet ein Dataflow-Job die Dateien mit den Änderungen und überträgt die Änderungen in die BigQuery-Datasets.

Verbindungsprofile in Datastream erstellen

In diesem Abschnitt erstellen Sie in Datastream Verbindungsprofile für eine Quelldatenbank und ein Ziel. Beim Erstellen der Verbindungsprofile wählen Sie MySQL als Profiltyp für Ihr Quellverbindungsprofil und Cloud Storage als Profiltyp für Ihr Zielverbindungsprofil aus.

Datastream verwendet die in den Verbindungsprofilen definierten Informationen, um eine Verbindung sowohl zur Quelle als auch zum Ziel herzustellen, damit Daten aus der Quelldatenbank in den Ziel-Bucket in Cloud Storage gestreamt werden können.

Quellverbindungsprofil für Ihre MySQL-Datenbank erstellen

1. Rufen Sie in der Google Cloud Console die Seite Verbindungsprofile für Datastream auf.

   Zur Seite „Verbindungsprofile“

2. Klicken Sie auf Profil erstellen.

3. Klicken Sie auf der Seite Verbindungsprofil erstellen auf den Profiltyp MySQL, um ein Quellverbindungsprofil für Ihre MySQL-Datenbank zu erstellen.

4. Geben Sie im Abschnitt Verbindungseinstellungen definieren der Seite MySQL-Profil erstellen die folgenden Informationen an:

   • Geben Sie im Feld Name des Verbindungsprofils My Source Connection Profile ein.
   • Behalten Sie die automatisch generierte Verbindungsprofil-ID bei.

   • Wählen Sie die Region aus, in der Sie das Verbindungsprofil speichern möchten.

     Verbindungsprofile werden wie alle Ressourcen in einer Region gespeichert und ein Stream kann nur Verbindungsprofile verwenden, die in derselben Region wie der Stream gespeichert sind. Die Auswahl einer Region hat keinen Einfluss darauf, ob Datastream eine Verbindung zur Quelle oder dem Ziel herstellen kann. Die Auswahl kann jedoch die Verfügbarkeit beeinflussen, wenn die Region ausfällt.

   • Geben Sie Verbindungsdetails ein:

     • Geben Sie im Feld Hostname oder IP-Adresse einen Hostnamen oder eine öffentliche IP-Adresse ein, mit dem Datastream eine Verbindung zur Quelldatenbank herstellen kann. Sie geben eine öffentliche IP-Adresse an, da Sie in dieser Anleitung IP-Zulassungslisten als Methode für die Netzwerkverbindung verwenden.
     • Geben Sie in das Feld Port die Portnummer ein, die für die Quelldatenbank reserviert ist. Bei einer MySQL-Datenbank ist der Standardport normalerweise 3306.
     • Geben Sie einen Nutzernamen und ein Passwort ein, um sich bei Ihrer Quelldatenbank zu authentifizieren.

5. Klicken Sie im Bereich Verbindungseinstellungen definieren auf Weiter. Der Abschnitt Verbindung mit Ihrer Quelle sichern auf der Seite MySQL-Profil erstellen ist aktiv.

6. Wählen Sie im Menü Verschlüsselungstyp die Option Keine aus. Weitere Informationen zu diesem Menü finden Sie unter Verbindungsprofil für MySQL-Datenbank erstellen.

7. Klicken Sie im Abschnitt Verbindung zur Quelle sichern auf Weiter. Der Abschnitt Verbindungsmethode festlegen auf der Seite MySQL-Profil erstellen ist aktiv.

8. Wählen Sie im Drop-down-Menü Verbindungsmethode die Netzwerkmethode aus, die Sie für die Verbindung zwischen Datastream und der Quelldatenbank verwenden möchten. Wählen Sie für diese Anleitung Zulassen von IP-Adressen als Verbindungsmethode aus.

9. Konfigurieren Sie die Quelldatenbank so, dass eingehende Verbindungen von den öffentlichen Datastream-IP-Adressen zugelassen werden.

10. Klicken Sie im Bereich Verbindungsmethode festlegen auf Weiter. Der Abschnitt Verbindungsprofil testen auf der Seite MySQL-Profil erstellen ist aktiv.

11. Klicken Sie auf Testen, um zu prüfen, ob die Quelldatenbank und Datastream miteinander kommunizieren können.

12. Prüfen Sie, ob der Status Test bestanden angezeigt wird.

    Wenn der Test fehlschlägt, können Sie das Problem an der entsprechenden Stelle des Ablaufs beheben und zum erneuten Test zurückkehren. Schritte zur Fehlerbehebung finden Sie auf der Seite Probleme diagnostizieren.

13. Klicken Sie auf Erstellen.

Zielverbindungsprofil für Cloud Storage erstellen

1. Rufen Sie in der Google Cloud Console die Seite Verbindungsprofile für Datastream auf.

   Zur Seite „Verbindungsprofile“

2. Klicken Sie auf Profil erstellen.

3. Klicken Sie auf der Seite Verbindungsprofil erstellen auf den Profiltyp Cloud Storage, um ein Zielverbindungsprofil für Cloud Storage zu erstellen.

4. Geben Sie auf der Seite Cloud Storage-Profil erstellen die folgenden Informationen an:

   • Geben Sie im Feld Name des Verbindungsprofils My Destination Connection Profile ein.
   • Behalten Sie die automatisch generierte Verbindungsprofil-ID bei.
   • Wählen Sie die Region aus, in der Sie das Verbindungsprofil speichern möchten.

   • Klicken Sie im Bereich Verbindungsdetails auf Durchsuchen, um den Cloud Storage-Bucket auszuwählen, den Sie zuvor in dieser Anleitung erstellt haben. In diesen Bucket überträgt Datastream Daten aus der Quelldatenbank. Klicken Sie nach der Auswahl auf Auswählen.

     Ihr Bucket wird im Feld Bucket-Name des Bereichs Verbindungsdetails angezeigt.

   • Geben Sie im Feld Pfadpräfix für das Verbindungsprofil ein Präfix für den Pfad an, der an den Bucket-Namen angehängt werden soll, wenn Datastream Daten an das Ziel streamt. Achten Sie darauf, dass Datastream Daten in einen Pfad innerhalb des Buckets schreibt und nicht in den Stammordner des Buckets. Verwenden Sie für diese Anleitung den Pfad, den Sie beim Konfigurieren Ihrer Pub/Sub-Benachrichtigung definiert haben. Geben Sie /integration/tutorial in das Feld ein.

5. Klicken Sie auf Erstellen.

Nachdem Sie ein Quellverbindungsprofil für Ihre MySQL-Datenbank und ein Zielverbindungsprofil für Cloud Storage erstellt haben, können Sie damit einen Stream erstellen.

Stream in Datastream erstellen

In diesem Abschnitt erstellen Sie einen Stream. Dieser Stream verwendet die Informationen in den Verbindungsprofilen, um Daten aus einer MySQL-Quelldatenbank in einen Ziel-Bucket in Cloud Storage zu übertragen.

Datastream bietet einen Einrichtungsassistenten, der Sie beim Erstellen eines Streams unterstützt. Dieser Assistent besteht aus sechs Bereichen: „Erste Schritte“, „Quelle definieren und testen“, „Quelle konfigurieren“, „Ziel definieren“, „Ziel konfigurieren“ und „Prüfen und erstellen“. Folgen Sie der Anleitung in den folgenden Abschnitten, um die einzelnen Bereiche zu füllen.

Einstellungen für den Stream festlegen

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie auf Stream erstellen.

3. Geben Sie auf der Seite Stream erstellen im Bereich Streamdetails definieren die folgenden Informationen an:

   • Geben Sie im Feld Streamname den Wert My Stream ein.
   • Behalten Sie die automatisch generierte Stream-ID bei.
   • Wählen Sie im Menü Region die Region aus, in der Sie Ihre Quell- und Zielverbindungsprofile erstellt haben.
   • Wählen Sie im Menü Quelltyp den Profiltyp MySQL aus.
   • Wählen Sie im Menü Zieltyp den Profiltyp Cloud Storage aus.

4. Prüfen Sie die erforderlichen Voraussetzungen, die automatisch generiert werden, um widerzuspiegeln, wie Ihre Umgebung für einen Stream vorbereitet sein muss. Diese Voraussetzungen können beispielsweise das Konfigurieren der Quelldatenbank und das Verbinden von Datastream mit dem Ziel-Bucket in Cloud Storage umfassen.

   Weitere Informationen zu diesen Voraussetzungen finden Sie unter MySQL-Quelldatenbank konfigurieren.

5. Klicken Sie auf Weiter. Der Bereich MySQL-Verbindungsprofil definieren der Seite Stream erstellen wird angezeigt.

Informationen zum Quellverbindungsprofil angeben

In diesem Abschnitt wählen Sie das Verbindungsprofil aus, das Sie für Ihre Quelldatenbank erstellt haben (das Quellverbindungsprofil). In dieser Anleitung ist das My Source Connection Profile.

1. Wählen Sie im Menü Quellverbindungsprofil Ihr Quellverbindungsprofil für die MySQL-Datenbank aus.

2. Klicken Sie auf Testen, um zu prüfen, ob die Quelldatenbank und Datastream miteinander kommunizieren können.

   Wenn der Test fehlschlägt, wird das mit dem Verbindungsprofil verknüpfte Problem angezeigt. Schritte zur Fehlerbehebung finden Sie auf der Seite Probleme diagnostizieren. Nehmen Sie die erforderlichen Änderungen vor, um das Problem zu beheben, und führen Sie den Test noch einmal durch.

3. Klicken Sie auf Weiter. Der Bereich Stream-Quelle konfigurieren der Seite Stream erstellen wird angezeigt.

Informationen zur Quelldatenbank für den Stream konfigurieren

In diesem Abschnitt konfigurieren Sie Informationen zur Quelldatenbank für den Stream. Dazu geben Sie die Tabellen und Schemas in der Quelldatenbank an, die Datastream:

• In das Ziel übertragen kann.
• Nicht in das Ziel übertragen darf.

Sie legen auch fest, ob Datastream Verlaufsdaten per Backfill hinzufügt und laufende Änderungen in das Ziel streamt oder nur Änderungen an den Daten streamt.

1. Verwenden Sie das Menü Aufzunehmende Objekte, um die Tabellen und Schemata in Ihrer Quelldatenbank anzugeben, die Datastream in einen Ordner im Ziel-Bucket in Cloud Storage übertragen kann. Das Menü wird nur geladen,wenn Ihre Datenbank bis zu 5.000 Objekte enthält.

   In dieser Anleitung soll Datastream alle Tabellen und Schemas übertragen. Wählen Sie daher im Menü die Option Alle Tabellen aus allen Schemas aus.

2. Prüfen Sie, ob im Bereich Auszuschließende Objekte auswählen die Option Keine ausgewählt ist. Sie möchten Datastream nicht daran hindern, Tabellen und Schemata aus Ihrer Quelldatenbank nach Cloud Storage zu übertragen.

3. Prüfen Sie, ob der Bereich Backfill-Modus für Verlaufsdaten wählen auf Automatisch gesetzt ist. Datastream streamt alle vorhandenen Daten und Änderungen an den Daten von der Quelle zum Ziel.

4. Klicken Sie auf Weiter. Der Bereich Cloud Storage-Verbindungsprofil definieren der Seite Stream erstellen wird angezeigt.

Zielverbindungsprofil auswählen

In diesem Abschnitt wählen Sie das Verbindungsprofil aus, das Sie für Cloud Storage erstellt haben (das Zielverbindungsprofil). In dieser Anleitung ist das My Destination Connection Profile.

1. Wählen Sie im Menü Zielverbindungsprofil Ihr Zielverbindungsprofil für Cloud Storage aus.

2. Klicken Sie auf Weiter. Der Bereich Stream-Ziel konfigurieren der Seite Stream erstellen wird angezeigt.

Informationen zum Ziel für den Stream konfigurieren

In diesem Abschnitt konfigurieren Sie Informationen zum Ziel-Bucket für den Stream. Zu diesen Daten gehören:

• Das Ausgabeformat der in Cloud Storage geschriebenen Dateien.
• Der Ordner des Ziel-Buckets, in den Datastream Schemas, Tabellen und Daten aus der Quelldatenbank überträgt.

1. Wählen Sie im Feld Ausgabeformat das Format der in Cloud Storage geschriebenen Dateien aus. Datastream unterstützt zwei Ausgabeformate: Avro und JSON. In dieser Anleitung ist Avro das Dateiformat.

   Sie müssen das Feld Präfix für Stream-Pfad nicht ausfüllen. In diesem Feld können Sie ein Präfix für den Pfad angeben, der an den Bucket-Namen angehängt wird, wenn Datastream Daten an das Ziel überträgt. Dies ist der Pfad Ihres Cloud Storage-Bucket, in den Datastream Schemas, Tabellen und Daten aus einer MySQL-Quelldatenbank überträgt.

   Sie haben bereits den Pfad von /integration/tutorial angegeben, als Sie das Zielverbindungsprofil für Cloud Storage erstellt haben.

2. Klicken Sie auf Weiter. Der Bereich Stream-Details prüfen und erstellen der Seite Stream erstellen wird angezeigt.

Stream erstellen

1. Prüfen Sie die Details zum Stream sowie die Quell- und Zielverbindungsprofile, die der Stream zum Übertragen von Daten aus einer MySQL-Quelldatenbank in einen Ziel-Bucket in Cloud Storage verwendet.

2. Klicken Sie auf Validierung ausführen, um den Stream zu validieren. Bei der Validierung eines Streams prüft Datastream, ob die Quelle richtig konfiguriert ist, ob der Stream eine Verbindung zur Quelle und zum Ziel herstellen kann und ob die End-to-End-Konfiguration des Streams stimmt.

   Wenn eine Validierungsprüfung bestanden wird, erscheint ein Häkchensymbol.

   Wenn eine Validierungsprüfung nicht bestanden wird, erscheint ein Ausrufezeichen und der Button Fehlerdetails aufrufen. Klicken Sie auf den Button. Es wird ein Dialogfeld angezeigt, in dem erläutert wird, warum die Prüfung nicht bestanden wurde. Außerdem erfahren Sie, wie Sie das Problem beheben können. Klicken Sie nach den entsprechenden Korrekturen auf Erneut validieren.

   Weitere Informationen zur Fehlerbehebung bei nicht bestandenen Validierungsprüfungen finden Sie unter Probleme diagnostizieren.

3. Nachdem Sie alle Validierungsprüfungen erfolgreich durchlaufen haben, klicken Sie auf Erstellen.

4. Klicken Sie im Dialogfeld Stream erstellen? auf Erstellen.

Stream starten

In dieser Anleitung erstellen und starten Sie einen Stream separat, für den Fall, dass der Stream-Erstellungsprozess eine erhöhte Belastung Ihrer Quelldatenbank verursacht. Um diese Last zu vermeiden, erstellen Sie den Stream, ohne ihn zu starten. Starten Sie ihn dann, wenn Ihre Datenbank die Last bewältigen kann.

Durch das Starten des Streams kann Datastream Daten, Schemas und Tabellen von der Quelldatenbank zum Ziel übertragen.

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie das Kästchen neben dem Stream an, den Sie starten möchten. In dieser Anleitung ist dies Mein Stream.

3. Klicken Sie auf Start.

4. Klicken Sie im Dialogfeld auf Starten. Der Status des Streams ändert sich von Not started in Starting in Running.

   Es dauert etwa 30 Sekunden, bis der Stream ausgeführt wird. Hintergrundressourcen müssen gestartet werden, damit der Stream gestartet werden kann.

Nachdem Sie einen Stream gestartet haben, können Sie überprüfen, ob Datastream Daten aus der Quelldatenbank zum Ziel übertragen hat.

Stream prüfen

In diesem Abschnitt bestätigen Sie, dass Datastream die Daten aus allen Tabellen einer MySQL-Quelldatenbank in den Ordner /integration/tutorial Ihres Cloud Storage-Ziel-Buckets überträgt.

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie auf den Stream, den Sie erstellt haben. In dieser Anleitung ist dies Mein Stream.

3. Klicken Sie auf der Seite Streamdetails auf den Link bucket-name/integration/tutorial, wobei bucket-name der Name ist, den Sie Ihrem Cloud Storage-Bucket gegeben haben. Dieser Link wird nach dem Feld Zielschreibpfad angezeigt. Die Seite Bucket-Details von Cloud Storage wird in einem separaten Tab geöffnet.

   Der Link besteht aus dem Namen Ihres Buckets und dem Ordner Ihres Buckets, in den Datastream Schemas, Tabellen und Daten aus der Quelldatenbank überträgt. Sie haben diesen Ordner als /integration/tutorial angegeben, als Sie das Zielverbindungsprofil für Cloud Storage erstellt haben.

4. Prüfen Sie, ob die Ordner angezeigt werden, die Tabellen der Quelldatenbank darstellen.

5. Klicken Sie auf einen der Tabellenordner und dann auf die einzelnen Unterordner, bis Sie Daten sehen, die mit der Tabelle verknüpft sind.

   Der erste Ordner ist [schema]_[table], gefolgt von Ordnern, die das Jahr, den Monat, den Tag, die Stunde und die Minute darstellen, in denen Datastream Daten aus der Quelldatenbank in einen Ziel-Bucket in Cloud Storage übertragen hat.

   Ein Ordner wird jede Minute erstellt, wenn neue Daten zum Schreiben vorhanden sind.

   Eine neue Datei wird erstellt, wenn die Datei 250 MB erreicht oder sich ein Schema ändert. Wenn die Tabellen partitioniert sind, werden für jede Partition Dateien erstellt.

Dataflow-Job erstellen

In diesem Abschnitt erstellen Sie einen Job in Dataflow. Nachdem Datastream Datenänderungen von einer MySQL-Quelldatenbank in Ihren Cloud Storage-Bucket gestreamt hat, sendet Pub/Sub Benachrichtigungen über neue Dateien mit den Änderungen an Dataflow. Der Dataflow-Job verarbeitet die Dateien und überträgt die Änderungen in BigQuery.

1. Rufen Sie in der Google Cloud Console die Seite Jobs für Dataflow auf.

   Zur Seite „Jobs“

2. Klicken Sie auf Job aus Vorlage erstellen.

3. Geben Sie auf der Seite Job aus Vorlage erstellen im Feld Jobname einen Namen für den Dataflow-Job ein, den Sie erstellen. Geben Sie für diese Anleitung my-dataflow-integration-job in das Feld ein.

4. Wählen Sie im Menü Regionaler Endpunkt die Region aus, in der Sie den Job speichern möchten. Dies ist dieselbe Region, die Sie für das Quellverbindungsprofil, das Zielverbindungsprofil und den Stream, den Sie erstellt haben, ausgewählt haben.

5. Wählen Sie im Menü Dataflow-Vorlage die Vorlage aus, die Sie zum Erstellen des Jobs verwenden. Wählen Sie für diese Anleitung Datastream zu BigQuery aus.

   Nachdem Sie diese Auswahl getroffen haben, werden zusätzliche Felder angezeigt, die sich auf diese Vorlage beziehen.

   Die Vorlage „Datastream zu BigQuery“ ist eine Streamingpipeline, die Datastream-Daten liest und in BigQuery repliziert. Die Vorlage liest Daten aus Cloud Storage mithilfe von Pub/Sub-Benachrichtigungen und repliziert sie in eine nach der Zeit partitionierte BigQuery-Staging-Tabelle. Nach der Replikation führt die Vorlage einen Merge-Vorgang in BigQuery aus, um alle CDC-Änderungen (Change Data Capture) in ein Replikat der Quelltabelle einzufügen bzw. dort zu aktualisieren.

   Damit die Kosten für häufige Merge-Vorgänge minimiert werden, sollten Sie mit einer anfänglichen Häufigkeit von einmal alle 6 bis 12 Stunden beginnen. Nachdem alle Backfills abgeschlossen sind und die Daten reibungslos repliziert werden, reduzieren Sie diesen Wert auf die ausgewählte Häufigkeit.

   Weitere Informationen zur Vorlage „Datastream zu BigQuery“ finden Sie unter Datenstrom zu BigQuery (Stream).

6. Geben Sie im Feld Dateispeicherort für die Datastream-Dateiausgabe in Cloud Storage den Namen Ihres Cloud Storage-Bucket im folgenden Format ein: gs://bucket-name.

7. Geben Sie in das Feld Pub/Sub-Abo, das in einer Cloud Storage-Benachrichtigungsrichtlinie verwendet wird den Pfad ein, der den Namen Ihres Pub/Sub-Abos enthält. Geben Sie für diese Anleitung projects/project-name/subscriptions/my_integration_notifs_sub ein.

   project-name ist ein Platzhalter für den Namen Ihres Projekts in Google Cloud . Außerdem haben Sie im Abschnitt Pub/Sub-Benachrichtigungen für den Cloud Storage-Bucket aktivieren dieser Anleitung das Abo my_integration_notifs_sub erstellt.

8. Geben Sie avro in das Feld Ausgabedateiformat von Datastream (avro/json). ein, da Avro in dieser Anleitung das Dateiformat der Dateien ist, die Datastream in Cloud Storage schreibt.

9. Geben Sie im Feld Name or template for the dataset to contain staging tables. den Wert My_integration_dataset_log ein, da Dataflow dieses Dataset verwendet, um die von Datastream empfangenen Datenänderungen bereitzustellen.

10. Geben Sie im Feld Vorlage für das Dataset, das Replikat-Tabellen enthalten soll den Wert My_integration_dataset_final ein. Dies ist das Dataset, in dem die im Dataset My_integration_dataset_log bereitgestellten Änderungen zusammengeführt werden, um ein 1:1-Replikat der Tabellen in der Quelldatenbank zu erstellen.

    Sie haben die Datasets My_integration_dataset_log und My_integration_dataset_final im Abschnitt Datasets in BigQuery erstellen dieser Anleitung erstellt.

11. Geben Sie im Feld Dead-Letter-Warteschlangenverzeichnis den Pfad ein, der den Namen eines separaten Cloud Storage-Bucket und eines Ordners für eine Dead-Letter-Warteschlange enthält. Achten Sie darauf, dass Sie keinen Pfad im Stammordner verwenden und dass sich der Pfad von dem Pfad unterscheidet, in den Datastream Daten schreibt. Alle Datenänderungen, die Dataflow nicht in BigQuery übertragen kann, werden in der Warteschlange gespeichert. Sie können den Inhalt der Warteschlange korrigieren, damit Dataflow ihn noch einmal verarbeiten kann.

    Geben Sie für diese Anleitung gs://dlq-bucket-name/dlq in das Feld Dead-Letter-Warteschlangenverzeichnis ein. Dabei ist dlq-bucket-name der Name Ihres Cloud Storage-Bucket für die Dead-Letter-Warteschlange und dlq der Ordner für die Dead-Letter-Warteschlange.

12. Klicken Sie auf Job ausführen.

Es kann einige Minuten dauern, bis der Dataflow-Job ausgeführt wird. Hintergrundressourcen müssen ausgeführt werden. Außerdem muss der Job die Dateien mit den Datenänderungen verarbeiten, die er von Cloud Storage empfängt, bevor er diese Änderungen in BigQuery übertragen kann.

Einbindung verifizieren

Im Abschnitt Stream prüfen dieser Anleitung haben Sie bestätigt, dass Datastream die Daten aus allen Tabellen einer MySQL-Quelldatenbank in den Ordner /integration/tutorial Ihres Cloud Storage-Ziel-Buckets übertragen hat.

In diesem Abschnitt überprüfen Sie, ob Dataflow die Dateien verarbeitet, die die mit diesen Daten verbundenen Änderungen enthalten, und die Änderungen in BigQuery überträgt. Deshalb haben Sie eine durchgängige Integration zwischen Datastream und BigQuery.

1. Rufen Sie in der Google Cloud Console die Seite SQL-Arbeitsbereich für BigQuery auf.

   Zur Seite „SQL-Arbeitsbereich“

2. Maximieren Sie im Bereich Explorer den Knoten neben dem Namen Ihres Google Cloud -Projekts.

3. Maximieren Sie die Knoten neben den Datasets My_integration_dataset_log und My_integration_dataset_final.

4. Prüfen Sie, ob jedes Dataset nun Daten enthält. Dies bestätigt, dass Dataflow die Dateien mit den Änderungen, die mit den von Datastream in Cloud Storage gestreamten Daten verbunden sind, verarbeitet und diese Änderungen in BigQuery übertragen hat.

Bereinigen

Wenn Sie vermeiden möchten, dass Ihrem Google Cloud Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden, gehen Sie in der Google Cloud Console so vor:

• Löschen Sie Ihr Projekt, den Datastream-Stream und die Datastream-Verbindungsprofile.
• Beenden Sie den Dataflow-Job.
• Löschen Sie die BigQuery-Datasets, das Pub/Sub-Thema und das Pub/Sub-Abo sowie den Cloud Storage-Bucket.

Wenn Sie die Ressourcen bereinigen, die Sie in Datastream, Dataflow, BigQuery, Pub/Sub und Cloud Storage erstellt haben, verhindern Sie, dass die Ressourcen Kontingente belegen, und es fallen keine weiteren Kosten für sie an.

Projekt löschen

Am einfachsten vermeiden Sie weitere Kosten durch Löschen des für diese Anleitung erstellten Projekts.

Das Löschen von Projekten hat folgende Auswirkungen:

• Alle Inhalte des Projekts werden gelöscht. Wenn Sie für diese Anleitung ein bereits bestehendes Projekt verwendet haben, werden auch alle anderen im Rahmen des Projekts erstellten Daten gelöscht.
• Benutzerdefinierte Projekt-IDs gehen verloren. Beim Erstellen dieses Projekts haben Sie möglicherweise eine benutzerdefinierte Projekt-ID erstellt, die Sie weiterhin verwenden möchten. Damit die URLs, die die Projekt-ID nutzen, zum Beispiel die appspot.com-URL, erhalten bleiben, sollten Sie ausgewählte Ressourcen innerhalb des Projekts löschen, anstatt das gesamte Projekt.

Wenn Sie mehrere Anleitungen und Kurzanleitungen durcharbeiten möchten, können Sie die Überschreitung von Projektkontingenten verhindern, wenn Sie Projekte wiederverwenden.

1. Wechseln Sie in der Google Cloud -Console zur Seite Ressourcen verwalten.

   Zur Seite "Ressourcen verwalten"

2. Wählen Sie in der Projektliste das Projekt aus, das Sie löschen möchten, und klicken Sie auf Löschen.

3. Geben Sie im Dialogfeld die Projekt-ID ein und klicken Sie auf Beenden, um das Projekt zu löschen.

Stream löschen

1. Rufen Sie in der Google Cloud Console die Seite Streams für Datastream auf.

   Zur Seite „Streams“

2. Klicken Sie auf den Stream, den Sie löschen möchten. In dieser Anleitung ist dies Mein Stream.

3. Klicken Sie auf Pausieren.

4. Klicken Sie im Dialogfeld auf Pausieren.

5. Prüfen Sie im Bereich Streamstatus der Seite Stream-Details, ob der Status des Streams Paused ist.

   Sie pausieren den Stream, bevor Sie ihn löschen, um sicherzustellen, dass alle laufenden Daten von der Quelldatenbank zum Ziel übertragen werden.

6. Klicken Sie auf Löschen.

7. Geben Sie im Dialogfeld im Textfeld Delete ein und klicken Sie dann auf Löschen.

Verbindungsprofile löschen

1. Rufen Sie in der Google Cloud Console die Seite Verbindungsprofile für Datastream auf.

   Zur Seite „Verbindungsprofile“

2. Klicken Sie das Kästchen für jedes Verbindungsprofil an, das Sie löschen möchten: My Source Connection Profile und My Destination Connection Profile.

3. Klicken Sie auf Löschen.

4. Klicken Sie im Dialogfeld auf Löschen.

Dataflow-Job beenden

Sie können einen Job in Dataflow nicht löschen. Sie können einen Job jedoch beenden, damit er keine Dateien mehr verarbeitet, die Datenänderungen enthalten, die in den Cloud Storage-Bucket gestreamt werden, oder die Datenänderungen in BigQuery überträgt.

1. Rufen Sie in der Google Cloud Console die Seite Jobs für Dataflow auf.

   Zur Seite „Jobs“

2. Klicken Sie auf den Job, den Sie beenden möchten. In dieser Anleitung ist dies my-dataflow-integration-job.

3. Klicken Sie auf Beenden.

4. Wählen Sie im Dialogfeld Job beenden die Option Per Drain beenden aus und klicken Sie dann auf Job beenden.

   Dataflow verarbeitet alle verbleibenden gepufferten Daten, sodass alle „In-Flight“-Daten in BigQuery übertragen werden, bevor der Job beendet wird.

BigQuery-Datasets löschen

1. Rufen Sie in der Google Cloud Console die Seite SQL-Arbeitsbereich für BigQuery auf.

   Zur Seite „SQL-Arbeitsbereich“

2. Maximieren Sie im Bereich Explorer den Knoten neben dem Namen Ihres Google Cloud -Projekts.

3. Klicken Sie rechts neben einem der Datasets, die Sie unter Datasets in BigQuery erstellen erstellt haben, auf den Button Aktionen aufrufen. Dieser Button sieht wie eine vertikale Ellipse aus.

   Klicken Sie für diese Anleitung rechts neben My_integration_dataset_log auf den Button Aktionen aufrufen.

4. Wählen Sie aus dem Drop-down-Menü Löschen aus.

5. Geben Sie im Dialogfeld Dataset löschen? den Wert delete in das Textfeld ein und klicken Sie auf Löschen.

6. Wiederholen Sie die Schritte in diesem Verfahren, um das zweite von Ihnen erstellte Dataset zu löschen: My_integration_dataset_final.

Pub/Sub-Abo und -Thema löschen

1. Rufen Sie in der Google Cloud Console die Seite Abos für Pub/Sub auf.

   Zur Seite "Abos"

2. Klicken Sie auf das Kästchen neben dem Abo, das Sie löschen möchten. Klicken Sie für diese Anleitung das Kästchen neben dem Abo my_integration_notifs_sub an.

3. Klicken Sie auf Löschen.

4. Klicken Sie im Dialogfeld Abo löschen auf Löschen.

5. Rufen Sie in der Google Cloud Console die Seite Themen für Pub/Sub auf.

   Zur Seite "Themen"

6. Klicken Sie auf das Kästchen neben dem Thema my_integration_notifs.

7. Klicken Sie auf Löschen.

8. Geben Sie im Dialogfeld Thema löschen delete in das Textfeld ein und klicken Sie dann auf Löschen.

Cloud Storage-Bucket löschen

1. Wechseln Sie in der Google Cloud Console zur Seite Browser für Cloud Storage.

   Zur Seite "Browser"

2. Klicken Sie das Kästchen neben Ihrem Bucket an.

3. Klicken Sie auf Löschen.

4. Geben Sie im Dialogfeld Delete in das Textfeld ein und klicken Sie dann auf Löschen.

Nächste Schritte

• Weitere Informationen zu Datastream
• Verwenden Sie die Legacy-Streaming API, um erweiterte Funktionen mit Streamingdaten in BigQuery auszuführen.
• Weitere Google Cloud -Funktionen testen mit unseren Anleitungen ausprobieren