Template Spanner ke File Avro di Cloud Storage adalah pipeline batch yang mengekspor seluruh database Spanner ke Cloud Storage dalam format Avro. Mengekspor database Spanner akan membuat folder di bucket yang Anda pilih. Folder ini berisi:
- File
spanner-export.json
- File
TableName-manifest.json
untuk setiap tabel dalam database yang Anda ekspor. - Satu atau beberapa file
TableName.avro-#####-of-#####
.
Misalnya, mengekspor database dengan dua tabel, Singers
dan Albums
,
akan membuat set file berikut:
Albums-manifest.json
Albums.avro-00000-of-00002
Albums.avro-00001-of-00002
Singers-manifest.json
Singers.avro-00000-of-00003
Singers.avro-00001-of-00003
Singers.avro-00002-of-00003
spanner-export.json
Persyaratan pipeline
- Database Spanner harus ada.
- Bucket Cloud Storage output harus ada.
- Selain peran Identity and Access Management (IAM) yang diperlukan untuk menjalankan job Dataflow, Anda juga harus memiliki peran IAM yang sesuai untuk membaca data Spanner dan menulis ke bucket Cloud Storage Anda.
Parameter template
Parameter yang diperlukan
- instanceId: ID instance database Spanner yang ingin Anda ekspor.
- databaseId: ID database Spanner yang ingin Anda ekspor.
- outputDir: Jalur Cloud Storage untuk mengekspor file Avro. Tugas ekspor akan membuat direktori baru di jalur ini yang berisi file yang diekspor. Contoh,
gs://your-bucket/your-path
.
Parameter opsional
- avroTempDirectory: Jalur Cloud Storage tempat file Avro sementara ditulis.
- spannerHost: Endpoint Cloud Spanner yang akan dipanggil dalam template. Hanya digunakan untuk pengujian. Contoh,
https://batch-spanner.googleapis.com
. Secara default: https://batch-spanner.googleapis.com. - snapshotTime: Stempel waktu yang sesuai dengan versi database Spanner yang ingin Anda baca. Stempel waktu harus ditentukan menggunakan format
Zulu
RFC 3339 UTC. Stempel waktu harus berada di masa lalu, dan keusangan stempel waktu maksimum berlaku. Misalnya,1990-12-31T23:59:60Z
. Nilai defaultnya adalah kosong. - spannerProjectId: ID project Google Cloud yang berisi database Spanner yang ingin Anda baca datanya.
- shouldExportTimestampAsLogicalType: Jika
true
, stempel waktu diekspor sebagai jenislong
dengan jenis logikatimestamp-micros
. Secara default, parameter ini ditetapkan kefalse
dan stempel waktu diekspor sebagai string ISO-8601 dengan presisi nanodetik. - tableNames: Daftar tabel yang dipisahkan koma yang menentukan subset database Spanner yang akan diekspor. Jika Anda menyetel parameter ini, Anda harus menyertakan semua tabel terkait (tabel induk dan tabel yang direferensikan kunci asing) atau menyetel parameter
shouldExportRelatedTables
ketrue
.Jika tabel berada dalam skema bernama, gunakan nama yang sepenuhnya memenuhi syarat. Misalnya:sch1.foo
, dengansch1
adalah nama skema danfoo
adalah nama tabel. Nilai defaultnya adalah kosong. - shouldExportRelatedTables: Apakah akan menyertakan tabel terkait. Parameter ini digunakan bersama dengan parameter
tableNames
. Nilai defaultnya adalah: false. - spannerPriority: Prioritas permintaan untuk panggilan Spanner. Nilai yang mungkin adalah
HIGH
,MEDIUM
, danLOW
. Nilai defaultnya adalahMEDIUM
. - dataBoostEnabled: Setel ke
true
untuk menggunakan resource komputasi Spanner Data Boost guna menjalankan tugas dengan dampak yang hampir nol pada alur kerja OLTP Spanner. Jika disetel ketrue
, Anda juga memerlukan izin IAMspanner.databases.useDataBoost
. Untuk mengetahui informasi selengkapnya, lihat ringkasan Data Boost (https://cloud.google.com/spanner/docs/databoost/databoost-overview). Nilai defaultnya adalah: false.
Menjalankan template
Konsol
- Buka halaman Dataflow Create job from template. Buka Membuat tugas dari template
- Di kolom Nama tugas, masukkan nama tugas yang unik.
- Opsional: Untuk Endpoint regional, pilih nilai dari menu drop-down. Region
default-nya adalah
us-central1
.Untuk mengetahui daftar region tempat Anda dapat menjalankan tugas Dataflow, lihat Lokasi Dataflow.
- Dari menu drop-down Template Dataflow, pilih the Cloud Spanner to Avro Files on Cloud Storage template.
- Di kolom parameter yang disediakan, masukkan nilai parameter Anda.
- Klik Run job.
gcloud
Contoh ini menggunakan perintah
gcloud dataflow jobs run
.
Di shell atau terminal Anda, jalankan template:
gcloud dataflow jobs run JOB_NAME \ --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/Cloud_Spanner_to_GCS_Avro \ --region REGION_NAME \ --staging-location GCS_STAGING_LOCATION \ --parameters 'instanceId=INSTANCE_ID,databaseId=DATABASE_ID,outputDir=GCS_DIRECTORY'
Ganti kode berikut:
JOB_NAME
: nama tugas unik pilihan AndaAgar tugas ditampilkan di bagian Spanner pada konsol Google Cloud , nama tugas harus sesuai dengan format
cloud-spanner--INSTANCE_ID-DATABASE_ID
.VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan versi template terbaru, yang tersedia di folder induk tanpa tanggal di bucket— gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat di folder induk yang diberi tanggal di bucket— gs://dataflow-templates-REGION_NAME/
REGION_NAME
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
GCS_STAGING_LOCATION
: jalur untuk menulis file sementara; misalnya,gs://mybucket/temp
INSTANCE_ID
: ID instance Spanner AndaDATABASE_ID
: ID database Spanner AndaGCS_DIRECTORY
: jalur Cloud Storage tempat file Avro diimpor dari
API
Untuk menjalankan template menggunakan REST API, kirim permintaan HTTP POST. Untuk mengetahui informasi selengkapnya tentang
API dan cakupan otorisasinya, lihat
projects.templates.launch
.
POST https://dataflow.googleapis.com/v1b3/projects/PROJECT_ID/locations/LOCATION/templates:launch?gcsPath=gs://dataflow-templates-LOCATION/VERSION/Cloud_Spanner_to_GCS_Avro { "jobName": "JOB_NAME", "parameters": { "instanceId": "INSTANCE_ID", "databaseId": "DATABASE_ID", "outputDir": "gs://GCS_DIRECTORY" } }
Ganti kode berikut:
PROJECT_ID
: ID Google Cloud project tempat Anda ingin menjalankan tugas DataflowJOB_NAME
: nama tugas unik pilihan AndaAgar tugas ditampilkan di bagian Spanner pada konsol Google Cloud , nama tugas harus sesuai dengan format
cloud-spanner--INSTANCE_ID-DATABASE_ID
.VERSION
: versi template yang ingin Anda gunakanAnda dapat menggunakan nilai berikut:
latest
untuk menggunakan versi template terbaru, yang tersedia di folder induk tanpa tanggal di bucket— gs://dataflow-templates-REGION_NAME/latest/- nama versi, seperti
2023-09-12-00_RC00
, untuk menggunakan versi template tertentu, yang dapat ditemukan bertingkat di folder induk yang diberi tanggal di bucket— gs://dataflow-templates-REGION_NAME/
LOCATION
: region tempat Anda ingin men-deploy tugas Dataflow—misalnya,us-central1
GCS_STAGING_LOCATION
: jalur untuk menulis file sementara; misalnya,gs://mybucket/temp
INSTANCE_ID
: ID instance Spanner AndaDATABASE_ID
: ID database Spanner AndaGCS_DIRECTORY
: jalur Cloud Storage tempat file Avro diimpor dari
Langkah berikutnya
- Pelajari template Dataflow.
- Lihat daftar template yang disediakan Google.