Replicación

La replicación de Cloud Data Fusion te permite replicar tus datos de forma continua y en tiempo real desde almacenes de datos operativos, como SQL Server y MySQL, en BigQuery.

Para usar la replicación, elige una de las siguientes formas:

  • Crea una instancia nueva de Cloud Data Fusion y agrega la app de Replication.
  • Agrega la app de Replicación a una instancia existente.

Estos son algunos de los beneficios:

  • Identificar las incompatibilidades del esquema, los problemas de conectividad y las características faltantes antes de iniciar la replicación y, luego, proporcionar acciones correctivas.

  • Usa los datos operativos más recientes en tiempo real para el análisis dentro de BigQuery. La replicación basada en registros se usa directamente en BigQuery desde Microsoft SQL Server (mediante SQL Server CDC) y MySQL (con el registro binario de MySQL).

  • Captura de datos modificados (CDC) que proporciona una representación de los datos que cambiaron en una transmisión, lo que permite que los cálculos y el procesamiento se enfoquen de forma específica en los registros modificados más recientemente Esto minimiza los cargos de datos salientes en sistemas de producción sensibles.

  • Escalabilidad empresarial que admite bases de datos transaccionales de gran volumen. Las cargas iniciales de datos en BigQuery son compatibles con la replicación de instantáneas sin tiempo de inactividad, para que el almacén de datos esté listo para consumir cambios de forma continua. Una vez que se completa la instantánea inicial, la replicación continua de los cambios con alta capacidad de procesamiento comienza en tiempo real.

  • Los paneles te ayudan a obtener estadísticas en tiempo real sobre el rendimiento de la replicación. Es útil para identificar cuellos de botella y supervisar los ANS de entrega de datos.

  • Incluye compatibilidad con residencia de datos, claves de encriptación administradas por el cliente (CMEK) y Controles del servicio de VPC. La integración de Cloud Data Fusion en Google Cloud garantiza que se cumplan los niveles más altos de privacidad y seguridad empresarial, a la vez que hace que los datos más recientes estén disponibles en tu almacén de datos para las estadísticas.

Cuando se ejecuta la replicación, se te cobra por el clúster de Dataproc y se generan costos de procesamiento por BigQuery. Para optimizar estos costos, te recomendamos que uses los precios de tarifa plana de BigQuery.

Para obtener más información, consulta la página de precios de Cloud Data Fusion.

Entidades de replicación

Entity Descripción
Replicación La replicación es una función de Cloud Data Fusion que permite replicar datos de forma continua con latencia baja desde almacenes de datos operativos hasta almacenes de datos analíticos. Crea un trabajo de replicación mediante la configuración de un origen y un destino con transformaciones opcionales.
Origen Lee eventos de cambio de bases de datos, tablas o columnas, y los pone a disposición para su procesamiento posterior en un trabajo de replicación. Un trabajo de replicación contiene una fuente, que se basa en una solución de captura de cambios para proporcionar los cambios. Puede haber varias fuentes para una base de datos, cada una con una solución de captura de cambios diferente. Una fuente es un módulo conectable compilado con la arquitectura de complementos de CDAP. Si una fuente no está disponible para satisfacer tus necesidades, puedes compilar la tuya mediante la implementación de la interfaz de origen y, luego, subirla a CDAP o Cloud Data Fusion.
Target Escribe los cambios recibidos de una fuente en una base de datos de destino. Un trabajo de replicación contiene un destino. Un objetivo es un módulo conectable compilado con la arquitectura de complementos de CDAP. Si un destino no está disponible para satisfacer tus necesidades, puedes crear el tuyo propio implementando la interfaz de destino y, luego, súbela a CDAP o Cloud Data Fusion.
Propiedades fuente Configura la fuente, incluidos los detalles de la conexión, los nombres de la base de datos y la tabla de origen, las credenciales y otras propiedades.
Propiedades de destino Configura el destino, incluidos los detalles de conexión, los nombres de la base de datos y la tabla de destino, las credenciales y otras propiedades.
Propiedades del trabajo de replicación Configura el trabajo de replicación, incluidos los umbrales de fallas, las áreas de etapa de pruebas, las notificaciones y la configuración de validación.
Borrador Un trabajo de replicación guardado y completado de forma parcial. Cuando se completa la definición del trabajo de replicación, se puede iniciar.
Eventos Cambiar los eventos en la fuente que se replicarán en el destino Los eventos incluyen inserciones, actualizaciones, eliminaciones y cambios en el DDL (lenguaje de definición de datos).
Insertar Adición de nuevos registros en la fuente.
Actualizar Actualiza a registros existentes en la fuente.
Borrar Eliminación de registros existentes en la fuente.
Cambio en DDL Un evento que contiene un cambio de esquema, como un cambio en el tipo de datos o el nombre.
Registros Los registros operativos de un trabajo de replicación
Detalles del trabajo de replicación Una página de detalles con información del trabajo de replicación, como su estado actual, las métricas operativas, la vista histórica a lo largo del tiempo, los resultados de validación y su configuración.
Panel Una página que enumera el estado de todas las actividades de captura de datos modificados, incluida la capacidad de procesamiento, la latencia, las tasas de fallas y los resultados de validación.

Acciones

Acciones Descripción
Implementar Crear un trabajo de replicación nuevo mediante el seguimiento de un flujo de interfaz web para especificar una fuente, un destino y su configuración
Guardar Guardar un trabajo de replicación creado de forma parcial para reanudar la creación más tarde
Borrar Borra un trabajo de replicación existente. Solo se pueden borrar las canalizaciones detenidas.
Inicio Iniciando un trabajo de replicación Si hay cambios para procesar, el trabajo de replicación entra en el estado “activo”. De lo contrario, entra en el estado “en espera”.
Detener Detén un trabajo de replicación. El trabajo de replicación detiene el procesamiento de los cambios de la fuente.
Ver registros Visualización de registros de un trabajo de replicación para depuración o análisis
Búsqueda Busca un trabajo de replicación por su nombre, descripción o, también, otros metadatos del trabajo de replicación.
Evalúa Cómo evaluar el impacto de la replicación antes de iniciarla Cuando se evalúa un trabajo de replicación, se genera un informe de evaluación que marca las incompatibilidades del esquema y las funciones faltantes.

Supervisión

Estados del duplicador Descripción
Se implementó El trabajo de replicación está implementado, pero no se inició. En este estado, un trabajo de replicación no replica eventos.
Iniciando El trabajo de replicación se está inicializando y no está listo para replicar cambios.
En ejecución Se inició el trabajo de replicación y se replican los cambios.
Deteniéndose Se detendrá el trabajo de replicación.
Detenido Se detiene el trabajo de replicación.
Con errores El trabajo de replicación falló debido a errores irrecuperables.

Estados de la tabla

Concepto Descripción
Captura de instantáneas El trabajo de replicación toma una instantánea del estado actual de la tabla antes de replicar los cambios.
Replicación en curso El trabajo de replicación replica los cambios de la tabla de origen en la tabla de destino.
Con errores El trabajo de replicación no puede replicar los cambios de la tabla de origen debido a un error.

Métricas

Concepto Descripción
Inserciones La cantidad de inserciones aplicadas al destino en el período seleccionado.
Actualizaciones La cantidad de actualizaciones aplicadas al destino en el período seleccionado.
Eliminaciones La cantidad de eliminaciones que se aplican al objetivo en el período seleccionado.
DDL La cantidad de cambios de DDL aplicados al objetivo en el período seleccionado.
Capacidad de procesamiento La cantidad de eventos y de bytes replicados en el destino en el período seleccionado.
Latencia La latencia en la que se replican los datos en el destino en el período seleccionado.

Componentes

Componente Descripción
Servicio Supervisa la organización de extremo a extremo de los trabajos de replicación y proporciona capacidades para diseñar, implementar, administrar y supervisar trabajos de replicación. Se ejecuta dentro del proyecto de usuario de Cloud Data Fusion (el proyecto de usuario está oculto para el usuario). Su estado se muestra en la página **Administrador del sistema** de la interfaz web de Cloud Data Fusion.
Administración de estado El servicio administra el estado de cada trabajo de replicación en un bucket de Cloud Storage en el proyecto del cliente. El bucket se puede configurar cuando se crea el trabajo de replicación. Almacena los desplazamientos actuales y el estado de replicación de cada trabajo de replicación.
Ejecución Los clústeres de Dataproc proporcionan el entorno de ejecución de los trabajos de replicación, que se ejecutan en tu proyecto. Los trabajos de replicación se ejecutan con trabajadores de CDAP. El tamaño y las características del entorno de ejecución se configuran con perfiles de Compute Engine.
Base de datos de origen La base de datos operativa de producción que se replica en la base de datos de destino. Esta base de datos puede estar ubicada de forma local o en Google Cloud. La replicación de Cloud Data Fusion admite bases de datos de origen de MySQL, Microsoft SQL Server y Oracle.
Solución de seguimiento de cambios En lugar de ejecutarse en un agente que se ejecuta en la base de datos de origen, Cloud Data Fusion se basa en una solución de seguimiento de cambios para leer los cambios en la base de datos de origen. La solución puede ser un componente de la base de datos de origen o una solución de terceros con licencia separada. En este último caso, la solución de seguimiento de cambios se ejecuta de forma local, ubicada junto con la base de datos de origen o en Google Cloud. Cada fuente debe estar asociada con una solución de seguimiento de cambios.
  1. SQL Server
    • Solución compatible: CDC de SQL Server (tablas de seguimiento de cambios)
    • Software adicional: No
    • Licencia/costo: N/A
    • Comentarios: SQL Server 2016 y versiones posteriores disponibles
  2. MySQL
  3. Oracle
Base de datos objetivo La ubicación de destino para la replicación y el análisis. Cloud Data Fusion es compatible con la base de datos de destino de BigQuery.
Proporción de eficiencia energética (EER) Los mecanismos de autenticación varían según la base de datos de origen o el software de seguimiento de cambios. Cuando se usan las funciones integradas de las bases de datos de origen, como SQL Server y MySQL, se usan los accesos a las bases de datos para la autenticación. Cuando se usa un software de seguimiento de cambios, se usa el mecanismo de autenticación del software.

Conectividad

En la siguiente tabla, se describen las conexiones de red necesarias para la replicación y los mecanismos de seguridad que usan.

Desde Hasta Opcional Protocolo Red Seguridad de autenticación Objetivo
Servicio (proyecto de usuario) BD de origen Sí Depende de la fuente de replicación. JDBC para la conexión directa de bases de datos Intercambio de tráfico + reglas de firewall + VPN/interconexión + router Acceso a la base de datos Se requieren en el diseño, no en la ejecución, tiempo Funciones: lista de tablas, evaluación (pasos opcionales; la replicación puede continuar sin ellas)
Servicio (proyecto de usuario) Cloud Storage No API de Cloud VPC‑SC IAM Administración de estado: desplazamientos, estados de replicación
Dataproc (tu proyecto) BD de origen No Depende de la fuente. JDBC para conexión directa de BD Intercambio de tráfico + reglas de firewall + VPN/interconexión + router Acceso a la base de datos Necesaria en el momento de la ejecución para leer los cambios de la base de datos de origen a fin de replicarlos en el destino
Dataproc (tu proyecto) Cloud Storage No API de Cloud VPC‑SC IAM Administración de estado: desplazamientos, estados de replicación
Dataproc (tu proyecto) BigQuery No API de Cloud VPC‑SC IAM Se necesita en el momento de la ejecución para aplicar cambios de la base de datos de origen al destino

¿Qué sigue?