Questa pagina descrive come esportare i dati da Spanner in file CSV o importare i dati da file CSV in database con dialetto GoogleSQL o PostgreSQL di Spanner.
- Se vuoi importare un database Spanner che hai precedentemente esportato in file Avro in Cloud Storage, consulta Importa file Avro di Spanner.
- Se vuoi importare file Avro da un database non Spanner, consulta Importa dati da database non Spanner.
Il processo utilizza Dataflow. Puoi esportare i dati da Spanner in un bucket Cloud Storage o importare i dati in Spanner da un bucket Cloud Storage contenente un file manifest JSON e un insieme di file CSV.
Prima di iniziare
Per importare o esportare un database Spanner, devi prima abilitare le API Spanner, Cloud Storage, Compute Engine e API Dataflow:
Ruoli richiesti per abilitare le API
Per abilitare le API, devi disporre dell'autorizzazione serviceusage.services.enable. Se hai creato il progetto, probabilmente hai già questa autorizzazione tramite il ruolo Proprietario (roles/owner). In caso contrario, puoi ottenere questa autorizzazione tramite il ruolo Amministratore Service Usage (roles/serviceusage.serviceUsageAdmin).
Scopri come concedere i ruoli.
Devi anche disporre di una quota sufficiente e delle autorizzazioni IAM richieste.
Requisiti relativi alle quote
I requisiti di quota per i job di importazione o esportazione sono i seguenti:
- Spanner: devi disporre di una capacità di calcolo sufficiente per supportare la quantità di dati che stai importando. Non è richiesta capacità di calcolo aggiuntiva per importare o esportare un database, anche se potrebbe essere necessario aggiungere capacità di calcolo per completare il job in un periodo di tempo ragionevole. Per ulteriori dettagli, consulta Ottimizza i job.
- Cloud Storage: per l'importazione, devi avere un bucket contenente i file esportati in precedenza. Per 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 importazione o esportazione sono soggetti alle stesse quote di Compute Engine per l'utilizzo di CPU, disco e indirizzi IP degli altri job Dataflow.
Compute Engine: prima di eseguire il job di importazione o esportazione, devi configurare le quote iniziali per Compute Engine, utilizzate 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
- Standard Persistent Disk: 50 TB
In genere, non è necessario apportare altre modifiche. Dataflow fornisce la scalabilità automatica in modo da pagare solo per le risorse effettivamente utilizzate durante l'importazione o l'esportazione. Se il job può utilizzare più risorse, l'interfaccia utente di Dataflow mostra un'icona di avviso. 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 sul tuo account di servizio worker Dataflow:
- Cloud Spanner Viewer (
roles/spanner.viewer) - Dataflow Worker (
roles/dataflow.worker) - Storage Admin (
roles/storage.admin) - Spanner Database Reader (
roles/spanner.databaseReader) - Database Admin (
roles/spanner.databaseAdmin)
Esporta i dati di Spanner in file CSV
Per esportare i dati da Spanner in file CSV in Cloud Storage, segui le istruzioni per l'utilizzo di Google Cloud CLI per eseguire un job con il modello di testo da Spanner a Cloud Storage.
Puoi anche consultare le informazioni in questa pagina sull'ottimizzazione dei job lenti e sui fattori che influiscono sulle prestazioni dei job.
Importa i dati dai file CSV in Spanner
La procedura per importare i dati dai file CSV prevede i seguenti passaggi:
- Esporta i dati in file CSV e archiviali in Cloud Storage. Non includere una riga di intestazione.
- Crea un file manifest JSON e archivialo insieme ai file CSV.
- Crea tabelle di destinazione vuote nel database Spanner o assicurati che i tipi di dati delle colonne nei file CSV corrispondano alle colonne corrispondenti nelle tabelle esistenti.
- Esegui il job di importazione.
Passaggio 1: esporta i dati da un database non Spanner in file CSV
Il processo di importazione recupera i dati dai file CSV che si trovano in un bucket Cloud Storage. Puoi esportare i dati in formato CSV da qualsiasi origine.
Quando esporti i dati, tieni presente quanto segue:
- I file di testo da importare devono essere in formato CSV.
I dati devono corrispondere a uno dei seguenti tipi:
GoogleSQL
BOOL INT64 FLOAT64 NUMERIC STRING DATE TIMESTAMP BYTES JSON
PostgreSQL
boolean bigint double precision numeric character varying, text date timestamp with time zone bytea
Non è necessario includere o generare metadati quando esporti i file CSV.
Non è necessario seguire una convenzione di denominazione specifica per i file.
Se non esporti i file direttamente in Cloud Storage, devi caricare i file CSV in un bucket Cloud Storage.
Passaggio 2: crea un file manifest JSON
Devi anche creare un file manifest con una descrizione JSON dei file da importare e inserirlo nello stesso bucket Cloud Storage in cui hai archiviato i file CSV. Questo file manifest contiene un array tables che elenca il nome e le posizioni dei file di dati per ogni tabella. Il file specifica anche il dialetto del database di destinazione.
Se il dialetto viene omesso, il valore predefinito è GoogleSQL.
Il formato del file manifest corrisponde al seguente tipo di messaggio, mostrato qui nel formato buffer di protocollo:
message ImportManifest {
// The per-table import manifest.
message TableManifest {
// Required. The name of the destination table.
string table_name = 1;
// Required. The CSV files to import. This value can be either a filepath or a glob pattern.
repeated string file_patterns = 2;
// The schema for a table column.
message Column {
// Required for each Column that you specify. The name of the column in the
// destination table.
string column_name = 1;
// Required for each Column that you specify. The type of the column.
string type_name = 2;
}
// Optional. The schema for the table columns.
repeated Column columns = 3;
}
// Required. The TableManifest of the tables to be imported.
repeated TableManifest tables = 1;
enum ProtoDialect {
GOOGLE_STANDARD_SQL = 0;
POSTGRESQL = 1;
}
// Optional. The dialect of the receiving database. Defaults to GOOGLE_STANDARD_SQL.
ProtoDialect dialect = 2;
}
L'esempio seguente mostra un file manifest per l'importazione di tabelle denominate Albums e Singers in un database con dialetto GoogleSQL. La tabella Albums utilizza lo schema di colonna recuperato dal job dal database, mentre la tabella Singers utilizza lo schema specificato dal file manifest:
{
"tables": [
{
"table_name": "Albums",
"file_patterns": [
"gs://bucket1/Albums_1.csv",
"gs://bucket1/Albums_2.csv"
]
},
{
"table_name": "Singers",
"file_patterns": [
"gs://bucket1/Singers*.csv"
],
"columns": [
{"column_name": "SingerId", "type_name": "INT64"},
{"column_name": "FirstName", "type_name": "STRING"},
{"column_name": "LastName", "type_name": "STRING"}
]
}
]
}Passaggio 3: crea la tabella per il database Spanner
Prima di eseguire l'importazione, devi creare le tabelle di destinazione nel database Spanner. Se la tabella Spanner di destinazione ha già uno schema, tutte le colonne specificate nel file manifest devono avere gli stessi tipi di dati delle colonne corrispondenti nello schema della tabella di destinazione.
Ti consigliamo di creare indici secondari, chiavi esterne e flussi di modifiche dopo aver importato i dati in Spanner, non quando crei inizialmente la tabella. Se la tabella contiene già queste strutture, ti consigliamo di eliminarle e ricrearle dopo aver importato i dati.
Passaggio 4: esegui un job di importazione Dataflow utilizzando gcloud
Per avviare il job di importazione, segui le istruzioni per l'utilizzo di gcloud CLI per eseguire un job con il template Cloud Storage Text to Spanner.
Dopo aver avviato un job di importazione, puoi visualizzare i dettagli del job nella console Google Cloud .
Al termine del job di importazione, aggiungi gli indici secondari, le chiavi esterne e le modifiche in tempo reale necessari.
Scegli una regione per il job di importazione
Ti consigliamo di scegliere una regione diversa in base alla località del tuo bucket Cloud Storage. Per evitare addebiti per il trasferimento di dati in uscita, scegli una regione che corrisponda alla località del bucket Cloud Storage.
Se la località del bucket Cloud Storage è una regione, puoi usufruire dell'utilizzo della rete senza costi scegliendo la stessa regione per il job di importazione, supponendo che sia disponibile.
Se la località del bucket Cloud Storage è a due regioni, puoi usufruire dell'utilizzo della rete senza costi scegliendo una delle due regioni che compongono la località a due regioni per il job di importazione, supponendo che una delle regioni sia disponibile.
- Se non è disponibile una regione in co-location per il job di importazione o se la località del bucket Cloud Storage è una multi-regione, si applicano le tariffe per il trasferimento di dati in uscita. Consulta i prezzi del trasferimento di dati di Cloud Storage per scegliere una regione che comporta i costi di trasferimento di dati più bassi.
Visualizza o risolvi i problemi dei job nell'interfaccia utente di Dataflow
Dopo aver avviato un job di importazione o esportazione, puoi visualizzare i dettagli del job, inclusi i log, nella sezione Dataflow della console Google Cloud .
Visualizza i dettagli del job Dataflow
Per visualizzare i dettagli di tutti i job di importazione o esportazione eseguiti nell'ultima settimana, inclusi quelli attualmente in esecuzione:
- Vai alla pagina Panoramica del database per il database.
- Fai clic sulla voce di menu Importa/Esporta nel riquadro a sinistra. La pagina Importa/Esporta del database mostra un elenco dei job recenti.
Nella pagina Importa/Esporta del database, fai clic sul nome del job nella colonna Nome job Dataflow:
La console Google Cloud mostra i dettagli del job Dataflow.
Per visualizzare un job eseguito più di una settimana fa:
Vai alla pagina dei job Dataflow nella console Google Cloud .
Trova il tuo job nell'elenco e fai clic sul suo nome.
La console Google Cloud mostra i dettagli del job Dataflow.
Visualizza i log di Dataflow per il tuo job
Per visualizzare i log di un job Dataflow, vai alla pagina dei dettagli del job, quindi fai clic su Log a destra del nome del job.
Se un job non va a buon fine, cerca gli errori nei log. Se sono presenti errori, il numero di errori viene visualizzato accanto a Log:
Per visualizzare gli errori dei job:
Fai clic sul conteggio degli errori accanto a Log.
La console Google Cloud mostra i log del job. Potresti dover scorrere per visualizzare gli errori.
Individua le voci con l'icona di errore
.Fai clic su una singola voce di log per espanderne i contenuti.
Per saperne di più sulla risoluzione dei problemi relativi ai job Dataflow, consulta Risolvi i problemi della pipeline.
Risolvi i problemi relativi ai job di importazione o esportazione non riusciti
Se nei log dei 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/scrittura del 99% nella scheda Monitoraggio del database Spanner nella consoleGoogle Cloud . Se mostra valori elevati (più secondi), significa che l'istanza è sovraccarica, il che causa il timeout e l'errore delle operazioni di lettura/scrittura.
Una causa della latenza elevata è che il job Dataflow è in esecuzione con troppi worker, il che sovraccarica l'istanza Spanner.
Per specificare un limite al numero di worker Dataflow:Console
Se utilizzi la console Dataflow, il parametro Numero massimo di worker si trova nella sezione Parametri facoltativi della pagina Crea job da template.
gcloud
Esegui il comando gcloud dataflow jobs run e specifica l'argomento max-workers. Ad esempio:
gcloud dataflow jobs run my-import-job \
--gcs-location='gs://dataflow-templates/latest/GCS_Text_to_Cloud_Spanner' \
--region=us-central1 \
--parameters='instanceId=test-instance,databaseId=example-db,inputDir=gs://my-gcs-bucket' \
--max-workers=10 \
--network=network-123
Risolvi l'errore di rete
Quando esporti i database Spanner, potrebbe verificarsi il seguente errore:
Workflow failed. Causes: Error: Message: Invalid value for field 'resource.properties.networkInterfaces[0].subnetwork': ''. Network interface must specify a subnet if the network resource is in custom subnet mode. HTTP Code: 400
Questo errore si verifica perché Spanner presuppone che tu voglia utilizzare una rete VPC in modalità automatica denominata default nello stesso progetto del job Dataflow. Se non hai una rete VPC predefinita nel progetto o se la tua rete VPC è in modalità personalizzata, devi creare un job Dataflow e specificare una rete o una subnet alternativa.
Ottimizza i job di importazione o esportazione lenti
Se hai seguito i suggerimenti relativi alle impostazioni iniziali, in genere non dovresti apportare altre modifiche. Se il job viene eseguito lentamente, puoi provare alcune altre ottimizzazioni:
Ottimizza la località 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 avere risorse Dataflow sufficienti: se le quote di Compute Engine pertinenti limitano le risorse del job Dataflow, la pagina Dataflow del job nella console Google Cloud mostra un'icona di avviso
e messaggi di log:
In questo caso, l'aumento delle quote per CPU, indirizzi IP in uso e disco permanente standard potrebbe ridurre il tempo di esecuzione del job, ma potresti incorrere in ulteriori addebiti per Compute Engine.
Controlla l'utilizzo della CPU di Spanner: se l'utilizzo della CPU per l'istanza è superiore al 65%, puoi aumentare la capacità di calcolo in quell'istanza. La capacità aggiunge altre risorse Spanner e il job dovrebbe velocizzarsi, ma vengono addebitati più costi di Spanner.
Fattori che influiscono sulle prestazioni dei job di importazione o esportazione
Diversi fattori influiscono sul tempo necessario per completare un job di importazione o esportazione.
Dimensioni del database Spanner: l'elaborazione di più dati richiede più tempo e risorse.
Schema di database Spanner, tra cui:
- Il numero di tabelle
- La dimensione delle righe
- Il numero di indici secondari
- Il numero di chiavi esterne
- Il numero di modifiche in tempo reale
Posizione dei dati: i dati vengono trasferiti tra Spanner e Cloud Storage utilizzando Dataflow. Idealmente, tutti e tre i componenti si trovano nella stessa regione. Se i componenti non si trovano nella stessa regione, lo spostamento dei dati tra regioni rallenta il job.
Numero di worker Dataflow: per ottenere prestazioni ottimali, è necessario un numero ottimale di worker Dataflow. Utilizzando la scalabilità automatica, Dataflow sceglie il numero di worker per il job in base alla quantità di lavoro da svolgere. Il numero di worker, tuttavia, sarà limitato dalle quote per le CPU, gli indirizzi IP in uso e il disco permanente standard. L'interfaccia utente di Dataflow mostra un'icona di avviso se rileva limiti di quota. In questa situazione, l'avanzamento è più lento, ma il job dovrebbe comunque essere completato. La scalabilità automatica può sovraccaricare Spanner, causando errori quando è presente una grande quantità di dati da importare.
Carico esistente su Spanner: un job di importazione aggiunge un carico della CPU significativo su un'istanza Spanner. In genere, un job di esportazione aggiunge un carico leggero a un'istanza Spanner. Se l'istanza ha già un carico esistente 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.
Ottimizza i worker per ottenere buone prestazioni di importazione
Quando avvii un job di importazione di Spanner, i worker Dataflow devono essere impostati su un valore ottimale per garantire prestazioni elevate. Un numero eccessivo di worker sovraccarica Spanner, mentre un numero insufficiente di worker comporta prestazioni di importazione deludenti.
Il numero massimo di worker dipende in gran parte dalle dimensioni dei dati, ma idealmente l'utilizzo totale della CPU di Spanner dovrebbe essere compreso tra il 70% e il 90%. In questo modo, si ottiene un buon equilibrio tra l'efficienza di Spanner e il completamento dei job senza errori.
Per raggiungere questo target di utilizzo nella maggior parte degli schemi e degli scenari, ti consigliamo un numero massimo di vCPU worker compreso tra 4 e 6 volte il numero di nodi Spanner.
Ad esempio, per un'istanza Spanner di 10 nodi, utilizzando worker n1-standard-2, imposteresti il numero massimo di worker su 25, ottenendo 50 vCPU.