Esportare i dati in Bigtable (ETL inversa)

Questo documento descrive come configurare l'ETL inversa (RETL) da BigQuery a Bigtable. Puoi farlo utilizzando l'istruzione EXPORT DATA per esportare i dati da una tabella BigQuery a una tabella Bigtable.

Puoi utilizzare un flusso di lavoro RETL in Bigtable per combinare le funzionalità di analisi di BigQuery con la bassa latenza e l'elevato throughput di Bigtable. Questo flusso di lavoro ti consente di pubblicare dati per gli utenti dell'applicazione senza esaurire le quote e i limiti di BigQuery.

Caratteristiche delle tabelle Bigtable

Le tabelle Bigtable sono diverse dalle tabelle BigQuery per diversi motivi:

• Entrambe le tabelle Bigtable e BigQuery sono costituite da righe, ma una riga Bigtable è costituita da una chiave di riga e da famiglie di colonne che hanno un numero arbitrario di colonne appartenenti alla stessa famiglia di colonne.
• Le famiglie di colonne per una determinata tabella vengono create al momento della creazione della tabella, ma possono anche essere aggiunte o rimosse in un secondo momento. Quando viene creata una famiglia di colonne, non è necessario specificare le colonne che ne fanno parte.
• Le colonne Bigtable non devono essere definite in anticipo e possono essere utilizzate per archiviare i dati nel loro nome (noto anche come qualificatore) entro i limiti di dimensione dei dati nelle tabelle.
• Le colonne Bigtable possono avere qualsiasi valore binario entro i limiti di dimensione dei dati all'interno delle tabelle.
• Le colonne Bigtable hanno sempre una dimensione temporale (nota anche come versione). In una riga possono essere memorizzati un numero qualsiasi di valori per la stessa colonna purché il timestamp non sia identico.
• Un timestamp Bigtable è misurato in microsecondi dal tempo Unix, ad esempio 0 rappresenta 1970-01-01T00:00:00 UTC. I timestamp devono essere un numero non negativo di microsecondi con granularità di millisecondi (sono accettati solo i multipli di 1000 μs). Il timestamp Bigtable predefinito è 0.
• I dati in Bigtable vengono letti per chiave di riga, più chiavi di riga, intervallo di chiavi di riga o utilizzando un filtro. È richiesta almeno una chiave di riga o un intervallo di chiavi di riga in tutti i tipi di richieste di lettura, ad eccezione di una scansione completa della tabella.

Per informazioni sulla preparazione dei risultati di BigQuery per l'esportazione in Bigtable, consulta Preparare i risultati della query per l'esportazione.

Prima di iniziare

Devi creare un'istanza Bigtable e una tabella Bigtable per ricevere i dati esportati.

Concedi ruoli IAM (Identity and Access Management) che forniscono agli utenti le autorizzazioni necessarie per eseguire ogni attività descritta in questo documento.

Ruoli obbligatori

Per ottenere le autorizzazioni necessarie per esportare i dati BigQuery in Bigtable, chiedi all'amministratore di concederti i seguenti ruoli IAM nel progetto:

• Esporta i dati da una tabella BigQuery: Visualizzatore dati BigQuery (roles/bigquery.dataViewer)
• Esegui un job di esportazione: Utente BigQuery (roles/bigquery.user)
• Scrivi dati in una tabella Bigtable: Bigtable User (roles/bigtable.user)

Per saperne di più sulla concessione dei ruoli, consulta Gestisci l'accesso a progetti, cartelle e organizzazioni.

Potresti anche riuscire a ottenere le autorizzazioni richieste tramite i ruoli personalizzati o altri ruoli predefiniti.

Limitazioni

• La codifica è limitata solo a BINARY e TEXT.
• Il profilo dell'app Bigtable di destinazione deve essere configurato con il routing a cluster singolo e un livello di priorità delle richieste basso.
• Il profilo app Bigtable deve essere configurato per instradare i dati a un cluster Bigtable colocalizzato con il set di dati BigQuery. Per ulteriori informazioni, consulta Considerazioni sulla località.
• Le esportazioni in Bigtable sono supportate solo per le versioni BigQuery Enterprise o Enterprise Plus. BigQuery Standard e il computing on demand non sono supportati.
• Le esportazioni in Bigtable sono supportate solo per le prenotazioni con un'assegnazione.QUERY

Considerazioni sulla posizione

• Se il tuo set di dati BigQuery si trova in più regioni, il tuo profilo app Bigtable deve essere configurato per indirizzare i dati a un cluster Bigtable all'interno di questa regione. Ad esempio, se il tuo set di dati BigQuery si trova nella multiregione US, il cluster Bigtable può trovarsi nella regione us-west1 (Oregon), che si trova negli Stati Uniti.
• Se il tuo set di dati BigQuery si trova in una singola regione, il tuo profilo app Bigtable deve essere configurato per indirizzare i dati a un cluster Bigtable nella stessa regione. Ad esempio, se il tuo set di dati BigQuery si trova nella regione asia-northeast1 (Tokyo), anche il tuo cluster Bigtable deve trovarsi nella regione asia-northeast1 (Tokyo).

Per ulteriori informazioni, consulta Località Bigtable.

Tipi BigQuery supportati

I seguenti tipi di dati sono supportati quando vengono scritti in Bigtable:

    JSON '{"FIELD1": "VALUE1", "FIELD2": "VALUE2"}' as MY_COLUMN_FAMILY
    

    STRUCT<FIELD1  STRING, FIELD2 INTEGER> as MY_COLUMN_FAMILY
    

Questi tipi di dati supportati sono simili alla lettura da tabelle Bigtable esterne per BigQuery.

Valori NULL in Bigtable

I valori NULL in Bigtable presentano i seguenti vincoli:

• Bigtable non ha un analogo per i valori NULL. L'esportazione di un valore NULL per una determinata famiglia di colonne e colonna in Bigtable elimina i valori attuali da una riga Bigtable.

• Se un valore Bigtable con una determinata chiave di riga, famiglia di colonne, qualificatore di colonna e timestamp non esiste prima dell'esportazione, i valori NULL esportati non hanno alcun effetto sulla riga Bigtable.

• Quando esporti un valore NULL di tipo STRUCT o JSON, tutti i valori delle colonne appartenenti alla famiglia di colonne corrispondente della riga interessata vengono eliminati. Devi eseguire il cast del valore NULL al tipo STRUCT o JSON affinché il motore SQL possa assegnargli un tipo corretto. La seguente query elimina tutti i dati dalla famiglia di colonne column_family1 con un insieme di chiavi di riga specificate:

  EXPORT DATA OPTIONS (...) AS
  SELECT
    rowkey,
  CAST(NULL as STRUCT<INT64>) AS column_family1 FROM T

• Le righe con chiavi di riga NULL vengono ignorate durante l'esportazione. Il numero di righe saltate viene restituito nelle statistiche di esportazione al chiamante.

Configurare le esportazioni con bigtable_options

Puoi utilizzare la configurazione bigtable_options durante un'esportazione per colmare le differenze tra i modelli di archiviazione BigQuery e Bigtable. La configurazione è espressa sotto forma di stringa JSON, come mostrato nell'esempio seguente:

EXPORT DATA OPTIONS(
   uri="https://bigtable.googleapis.com/projects/PROJECT_ID/instances/INSTANCE_ID/appProfiles/APP_PROFILE_ID/tables/TABLE",
   bigtable_options = """{
     "columnFamilies": [{
       "familyId": "COLUMN_FAMILY_NAME",
       "encoding": "ENCODING_VALUE",
       "columns": [
         {
           "qualifierString": "BIGTABLE_COLUMN_QUALIFIER",
           ["qualifierEncoded": "BASE_64_ENCODED_VALUE",]
           "fieldName": "BIGQUERY_RESULT_FIELD_NAME"
         }
       ]
    }]
   }"""
)

La seguente tabella descrive i possibili campi utilizzati in una configurazione bigtable_options:

Preparare i risultati della query per l'esportazione

Per esportare i risultati della query in Bigtable, questi devono soddisfare i seguenti requisiti:

• Il set di risultati deve contenere una colonna rowkey di tipo STRING o BYTES.
• Le chiavi di riga, i qualificatori di colonna, i valori e i timestamp non devono superare i limiti di dimensione dei dati all'interno delle tabelle di Bigtable.
• Nel set di risultati deve essere presente almeno una colonna diversa da rowkey.
• Ogni colonna del set di risultati deve essere di uno dei tipi BigQuery supportati. Prima dell'esportazione in Bigtable, tutti i tipi di colonne non supportati devono essere convertiti in uno dei tipi supportati.

Bigtable non richiede che i qualificatori di colonna siano nomi di colonne BigQuery validi e supporta l'utilizzo di qualsiasi byte. Per informazioni sull'override dei qualificatori delle colonne di destinazione per un'esportazione, vedi Configurare le esportazioni con bigtable_options.

Se utilizzi i valori esportati con le API Bigtable, ad esempio ReadModifyWriteRow, tutti i valori numerici devono utilizzare la codifica binaria corretta.

Per impostazione predefinita, le colonne dei risultati indipendenti di tipi diversi da STRUCT o JSON vengono interpretate come valori per le famiglie di colonne di destinazione uguali al nome della colonna dei risultati e il qualificatore di colonna uguale a una stringa vuota.

Per mostrare come vengono scritti questi tipi di dati, considera l'esempio SQL seguente, in cui column e column2 sono colonne di risultati autonome:

SELECT
  x as column1, y as column2
FROM table

In questa query di esempio, SELECT x as column1 scrive valori in Bigtable nella famiglia di colonne column1 e nel qualificatore di colonna '' (stringa vuota) quando gestisce tipi diversi da JSON o STRUCT.

Puoi modificare la modalità di scrittura di questi tipi in un'esportazione utilizzando la configurazione bigtable_options, come mostrato nell'esempio seguente:

EXPORT DATA OPTIONS (
  …
  bigtable_options="""{
   "columnFamilies" : [
      {
        "familyId": "ordered_at",
        "columns": [
           {"qualifierString": "order_time", "fieldName": ""}
        ]
      }
   ]
}"""
) AS
SELECT
  order_id as rowkey,
  STRUCT(product, amount) AS sales_info,
  EXTRACT (MILLISECOND FROM order_timestamp AT TIME ZONE "UTC") AS ordered_at
FROM T

In questo esempio, la tabella BigQuery T contiene la seguente riga:

Se utilizzi la configurazione bigtable_options precedente con la tabella T, in Bigtable vengono scritti i seguenti dati:

1680000054000 rappresenta 2023-03-28T10:40:54Z in millisecondi dal tempo Unix epoch nel fuso orario UTC.

Imposta il timestamp per tutte le celle di una riga utilizzando _CHANGE_TIMESTAMP

Puoi aggiungere una colonna _CHANGE_TIMESTAMP di tipo TIMESTAMP al risultato per l'esportazione. Ogni cella scritta in Bigtable utilizza il valore del timestamp di _CHANGE_TIMESTAMP della riga di risultati esportata.

Bigtable non supporta i timestamp precedenti all'epoca Unix (1970-01-01T00:00:00Z). Se il valore di _CHANGE_TIMESTAMP è NULL, viene utilizzato il timestamp predefinito dell'epoca Unix di 0.

La seguente query scrive le celle per le colonne product e amount con il timestamp specificato nella colonna order_timestamp della tabella T.

EXPORT DATA OPTIONS (...) AS
SELECT
  rowkey,
  STRUCT(product, amount) AS sales_info,
  order_timestamp as _CHANGE_TIMESTAMP
FROM T

Esportare in modo continuo

Se vuoi elaborare continuamente una query di esportazione, puoi configurarla come query continua.

Esportare più risultati con lo stesso valore di rowkey

Quando esporti un risultato contenente più righe con lo stesso valore rowkey, i valori scritti in Bigtable finiscono nella stessa riga Bigtable.

Puoi utilizzare questo metodo per generare più versioni dei valori delle colonne nella stessa riga. In questo esempio, la tabella orders in BigQuery contiene i seguenti dati:

L'utente esegue quindi la seguente istruzione EXPORT DATA:

EXPORT DATA OPTIONS (
uri="https://bigtable.googleapis.com/projects/PROJECT-ID/instances/INSTANCE-ID/appProfiles/APP_PROFILE_ID/tables/TABLE",
format="CLOUD_BIGTABLE"
) AS
SELECT customer as rowkey, STRUCT(amount_spent) as orders_column_family, order_timestamp as _CHANGE_TIMESTAMP
FROM orders

L'utilizzo di questa istruzione con la tabella BigQuery orders genera i seguenti dati scritti in Bigtable:

L'esportazione in Bigtable unisce i nuovi valori alla tabella anziché sostituire intere righe. Se i valori sono già presenti in Bigtable per una chiave di riga, i nuovi valori possono sovrascrivere parzialmente o completamente i valori precedenti a seconda della famiglia di colonne, dei nomi delle colonne e dei timestamp delle celle in fase di scrittura.

Esportare più colonne come valori Protocol Buffer (Protobuf)

I buffer di protocollo forniscono un meccanismo flessibile ed efficiente per la serializzazione dei dati strutturati. L'esportazione come Protobuf può essere utile se si considera il modo in cui vengono gestiti i diversi tipi tra BigQuery e Bigtable. Puoi utilizzare le funzioni definite dall'utente (UDF) di BigQuery per esportare i dati come valori binari Protobuf in Bigtable. Per ulteriori informazioni, vedi Esportare i dati come colonne Protobuf.

Ottimizzazione dell'esportazione

Puoi modificare la velocità effettiva con cui i record vengono esportati da BigQuery a Bigtable modificando il numero di nodi nel cluster di destinazione Bigtable. La velocità effettiva (righe scritte al secondo) aumenta in modo lineare con il numero di nodi nel cluster di destinazione. Ad esempio, se raddoppi il numero di nodi nel cluster di destinazione, la velocità effettiva di esportazione raddoppierà circa.

Prezzi

Quando esporti i dati in una query standard, la fatturazione avviene in base ai prezzi dell'estrazione dei dati. Quando esporti i dati in una query continua, la fatturazione viene eseguita utilizzando i prezzi di calcolo della capacità di BigQuery. Per eseguire query continue, devi disporre di una prenotazione che utilizzi Enterprise o Enterprise Plus, e di un assegnazione di prenotazione che utilizzi il tipo di job CONTINUOUS.

Dopo l'esportazione dei dati, ti vengono addebitati i costi per l'archiviazione dei dati in Bigtable. Per ulteriori informazioni, consulta la sezione Prezzi di Bigtable.