透過變更資料擷取擷取功能串流資料表更新

BigQuery 變更資料擷取 (CDC) 擷取作業會處理串流變更，並套用至現有資料，藉此更新 BigQuery 資料表。這項同步處理作業是透過 upsert 和刪除資料列作業完成，這些作業由 BigQuery Storage Write API (gRPC) 即時串流，您應先熟悉這項 API 再繼續操作。

事前準備

授予 Identity and Access Management (IAM) 角色，讓使用者具備執行本文件中各項工作所需的權限，並確保工作流程符合每項必要條件。

所需權限

如要取得使用 Storage Write API (gRPC) 所需的權限，請要求管理員授予您 BigQuery 資料編輯者 (roles/bigquery.dataEditor) IAM 角色。如要進一步瞭解如何授予角色，請參閱「管理專案、資料夾和組織的存取權」。

這個預先定義的角色具備 bigquery.tables.updateData 權限，可使用 Storage Write API (gRPC)。

您或許還可透過自訂角色或其他預先定義的角色取得這項權限。

如要進一步瞭解 BigQuery 的 IAM 角色和權限，請參閱「IAM 簡介」。

必要條件

如要使用 BigQuery CDC 擷取功能，工作流程必須符合下列條件：

• 您必須在預設串流中使用 Storage Write API (gRPC)。
• 您必須使用 protobuf 格式做為擷取格式。不支援 Apache Arrow 格式。
• 您必須在 BigQuery 中宣告目的地資料表的主鍵。支援最多包含 16 個資料欄的複合式主鍵。
• 必須有足夠的 BigQuery 運算資源，才能執行 CDC 資料列作業。請注意，如果 CDC 資料列修改作業失敗，您可能會不小心保留原本要刪除的資料。詳情請參閱「刪除資料注意事項」。

指定現有記錄的變更

在 BigQuery CDC 擷取作業中，虛擬資料欄 _CHANGE_TYPE 會指出各資料列要處理的變更類型。如要使用 CDC，請在使用 Storage Write API (gRPC) 串流資料列修改時設定 _CHANGE_TYPE。虛擬資料欄 _CHANGE_TYPE 僅接受 UPSERT 和 DELETE 值。當 Storage Write API (gRPC) 以這種方式將資料列修改串流至資料表時，資料表會視為已啟用 CDC。

UPSERT 和 DELETE 值的範例

請參考下列 BigQuery 資料表：

ID	名稱	薪資
100	Charlie	2000
101	Tal	3000
102	Lee	5000

Storage Write API (gRPC) 會串流下列資料列修改內容：

ID	名稱	薪資	_CHANGE_TYPE
100			刪除
101	Tal	8000	UPSERT
105	Izumi	6000	UPSERT

更新後的表格如下：

ID	名稱	薪資
101	Tal	8000
102	Lee	5000
105	Izumi	6000

管理資料表過時狀態

根據預設，每次執行查詢時，BigQuery 都會傳回最新結果。查詢含有有效 CDC 的資料表時，為提供最新結果，BigQuery 必須套用每個串流資料列修改，直到查詢開始時間為止，這樣才能查詢最新版本的資料表。在查詢執行階段套用這些資料列修改，會增加查詢延遲時間和成本。不過，如果您不需要完全即時的查詢結果，可以設定資料表的 max_staleness 選項，降低查詢成本和延遲時間。設定這個選項後，BigQuery 會在 max_staleness 值定義的間隔內，至少套用一次資料列修改，讓您不必等待更新套用，即可執行查詢，但代價是資料會有些過時。

如果資訊主頁和報表不需要最新資料，這項行為就特別實用。此外，這項功能可讓您進一步控管 BigQuery 套用資料列修改作業的頻率，有助於管理費用。

查詢已設定 max_staleness 選項的資料表

查詢已設定 max_staleness 選項的資料表時，BigQuery 會根據 max_staleness 的值和上次套用工作的時間 (以資料表的 upsert_stream_apply_watermark 時間戳記表示) 傳回結果。

請參考以下範例，其中資料表的 max_staleness 選項設為 10 分鐘，而最近一次套用工作發生在 T20：

如果您在 T25 查詢資料表，則資料表的目前版本已過時 5 分鐘，小於 10 分鐘的 max_staleness 間隔。在這種情況下，BigQuery 會傳回 T20 的資料表基準版本，也就是說，傳回的資料也是 5 分鐘前的資料。

在資料表上設定 max_staleness 選項時，BigQuery 會在 max_staleness 間隔內至少套用一次待處理的資料列修改。不過，在某些情況下，BigQuery 可能無法在間隔內完成套用這些待處理資料列修改的程序。

舉例來說，如果您在 T35 查詢資料表，而套用待處理資料列修改作業的程序尚未完成，則資料表的目前版本已過時 15 分鐘，超過 10 分鐘的 max_staleness 間隔。在這種情況下，BigQuery 會在查詢執行時，為目前查詢套用 T20 到 T35 之間的所有資料列修改，這表示查詢的資料完全是最新狀態，但會產生一些額外的查詢延遲。這稱為「執行階段合併工作」。

分區剪除和執行階段合併

當您查詢已啟用 CDC 的分區資料表 (例如由 Datastream 複製的目的地資料表) 時，BigQuery 是否能套用分區剪除，取決於查詢是否會觸發執行階段合併工作：

• max_staleness 視窗內的查詢：如果上次背景套用工作後經過的時間在資料表的 max_staleness 間隔內，BigQuery 會直接從基準資料表讀取。分區剪除和叢集剪除會正常運作，BigQuery 只會掃描符合 WHERE 子句篩選條件的分區。
• 觸發執行階段合併的查詢：如果未設定 max_staleness、設為 0，或基準資料表早於 max_staleness 間隔，BigQuery 會執行基準資料表和最近串流資料列修改的執行階段合併。在執行階段合併期間，系統會略過分區修剪，因為 BigQuery 無法預先判斷哪些分區會受到未套用的串流變更影響。因此，即使您篩選分區資料欄，查詢仍會掃描整個資料表。

如果查詢可以容忍輕微的資料過時，您可以啟用分區剪除功能，並在資料表上設定 max_staleness 選項 (例如 15 分鐘)，避免完整資料表掃描，讓背景套用工作在查詢執行前合併變更：

ALTER TABLE `DATASET_NAME.TABLE_NAME`
SET OPTIONS (
  max_staleness = INTERVAL 15 MINUTE);

更改下列內容：

• DATASET_NAME：資料表所在的資料集名稱。
• TABLE_NAME：分區資料表的名稱。

如要瞭解如何選擇間隔，避免工作負載在執行階段合併，請參閱「建議的資料表 max_staleness 值」。

建議的 table max_staleness 值

資料表的 max_staleness 值通常應為下列兩個值中較高者：

• 工作流程可容許的資料過時程度上限。
• 將 upsert 變更套用至資料表所需的時間上限乘以二，再加上一些額外緩衝時間。

如要計算將 upsert 變更套用至現有資料表所需的時間，請使用下列 SQL 查詢，判斷背景套用工作的第 95 個百分位數時間長度，再加上 7 分鐘的緩衝時間，以便進行 BigQuery 寫入最佳化儲存空間 (串流緩衝區) 轉換。

SELECT
  project_id,
  destination_table.dataset_id,
  destination_table.table_id,
  APPROX_QUANTILES((TIMESTAMP_DIFF(end_time, creation_time,MILLISECOND)/1000), 100)[OFFSET(95)] AS p95_background_apply_duration_in_seconds,
  CEILING(APPROX_QUANTILES((TIMESTAMP_DIFF(end_time, creation_time,MILLISECOND)/1000), 100)[OFFSET(95)]*2/60)+7 AS recommended_max_staleness_with_buffer_in_minutes
FROM `region-REGION`.INFORMATION_SCHEMA.JOBS AS job
WHERE
  project_id = 'PROJECT_ID'
  AND DATE(creation_time) BETWEEN DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY) AND CURRENT_DATE()
  AND job_id LIKE "%cdc_background%"
GROUP BY 1,2,3;

更改下列內容：

• REGION：專案所在的區域名稱。例如：us。
• PROJECT_ID：專案 ID，內含 BigQuery CDC 擷取作業修改的 BigQuery 資料表。

背景套用工作的時間長度會受到多項因素影響，包括在過時時間間隔內發出的 CDC 作業數量和複雜度、資料表大小，以及 BigQuery 資源可用性。如要進一步瞭解資源可用性，請參閱「調整及監控 BACKGROUND 預留項目」。

使用 max_staleness 選項建立資料表

如要使用 max_staleness 選項建立資料表，請使用 CREATE TABLE 陳述式。以下範例會建立資料表 employees，並將 max_staleness 限制設為 10 分鐘：

CREATE TABLE employees (
  id INT64 PRIMARY KEY NOT ENFORCED,
  name STRING)
  CLUSTER BY
    id
  OPTIONS (
    max_staleness = INTERVAL 10 MINUTE);

修改現有資料表的 max_staleness 選項

如要在現有資料表中新增或修改 max_staleness 限制，請使用 ALTER TABLE 陳述式。以下範例會將 employees 資料表的 max_staleness 限制變更為 15 分鐘：

ALTER TABLE employees
SET OPTIONS (
  max_staleness = INTERVAL 15 MINUTE);

判斷資料表目前的 max_staleness 值

如要判斷資料表目前的 max_staleness 值，請查詢 INFORMATION_SCHEMA.TABLE_OPTIONS 檢視表。以下範例會檢查資料表 mytable 目前的 max_staleness 值：

SELECT
  option_name,
  option_value
FROM
  DATASET_NAME.INFORMATION_SCHEMA.TABLE_OPTIONS
WHERE
  option_name = 'max_staleness'
  AND table_name = 'TABLE_NAME';

更改下列內容：

• DATASET_NAME：資料表所在的資料集名稱。
• TABLE_NAME：資料表名稱。

結果顯示 max_staleness 值為 10 分鐘：

+---------------------+--------------+
| Row |  option_name  | option_value |
+---------------------+--------------+
|  1  | max_staleness | 0-0 0 0:10:0 |
+---------------------+--------------+

監控資料表 upsert 作業進度

如要監控資料表狀態，並查看上次套用資料列修改的時間，請查詢 INFORMATION_SCHEMA.TABLES 檢視表，取得 upsert_stream_apply_watermark 時間戳記。

以下範例會檢查資料表 mytable 的 upsert_stream_apply_watermark 值：

SELECT upsert_stream_apply_watermark
FROM DATASET_NAME.INFORMATION_SCHEMA.TABLES
WHERE table_name = 'TABLE_NAME';

更改下列內容：

• DATASET_NAME：資料表所在的資料集名稱。
• TABLE_NAME：資料表名稱。

結果大致如下：

[{
 "upsert_stream_apply_watermark": "2022-09-15T04:17:19.909Z"
}]

更新插入作業是由 [e-mail] 服務帳戶執行，並會顯示在專案的工作記錄中，該專案包含啟用 CDC 的資料表。

管理自訂排序

將新增或更新串流至 BigQuery 時，系統會根據記錄擷取至 BigQuery 的 BigQuery 系統時間，決定主鍵相同記錄的預設行為。也就是說，最近擷取且時間戳記最新的記錄，優先順序高於先前擷取且時間戳記較舊的記錄。在某些用途中，例如在極短時間內對相同主鍵進行非常頻繁的 upsert，或無法保證 upsert 順序時，這可能不夠。在這些情況下，可能需要使用者提供的排序鍵。

如要設定使用者提供的排序鍵，請使用虛擬資料欄 _CHANGE_SEQUENCE_NUMBER，指示 BigQuery 根據兩個相符記錄 (具有相同主鍵) 之間較大的 _CHANGE_SEQUENCE_NUMBER 套用記錄。虛擬資料欄 _CHANGE_SEQUENCE_NUMBER 為選用資料欄，且僅接受固定格式 STRING 的值。

_CHANGE_SEQUENCE_NUMBER 格式

虛擬資料欄 _CHANGE_SEQUENCE_NUMBER 僅接受 STRING 值，且必須以固定格式編寫。這種固定格式使用以十六進位表示的 STRING 值，並以正斜線 / 分隔成多個部分。每個區段最多可使用 16 個十六進位字元，每個 _CHANGE_SEQUENCE_NUMBER 最多可有四個區段。_CHANGE_SEQUENCE_NUMBER 的允許範圍支援 0/0/0/0 到 FFFFFFFFFFFFFFFF/FFFFFFFFFFFFFFFF/FFFFFFFFFFFFFFFF/FFFFFFFFFFFFFFFF 之間的值。_CHANGE_SEQUENCE_NUMBER 值同時支援大寫和小寫字元。

您可以使用單一區段來表示基本排序鍵。舉例來說，如要單純根據應用程式伺服器的記錄處理時間戳記排序索引鍵，可以使用一個區段：'2024-04-30 11:19:44 UTC'，將時間戳記轉換為 Epoch 紀元時間起的毫秒數，以十六進位表示，在本例中為 '18F2EBB6480'。將資料轉換為十六進位值的邏輯，由使用 Storage Write API (gRPC) 向 BigQuery 發出寫入要求的用戶端負責。

支援多個區段可讓您將多個處理邏輯值合併為一個鍵，以便處理更複雜的用途。舉例來說，如要根據應用程式伺服器的記錄處理時間戳記、記錄序號和記錄狀態來排序索引鍵，可以使用三個部分：'2024-04-30 11:19:44 UTC' / '123' / 'complete'，每個部分都以十六進位表示。區段的順序是決定處理邏輯排名的重要考量因素。BigQuery 會先比較第一個部分，如果前面的部分相同，才會比較下一個部分，以此類推。_CHANGE_SEQUENCE_NUMBER

BigQuery 會使用 _CHANGE_SEQUENCE_NUMBER，將兩個以上的 _CHANGE_SEQUENCE_NUMBER 欄位視為不帶正負號的數值進行比較，藉此執行排序。

請參考以下 _CHANGE_SEQUENCE_NUMBER 比較範例和優先順序結果：

• 範例 1：

  • 記錄 #1：_CHANGE_SEQUENCE_NUMBER = '77'
  • 記錄 #2：_CHANGE_SEQUENCE_NUMBER = '7B'

  結果：記錄 #2 視為最新記錄，因為「7B」>「77」(即「123」>「119」)

• 範例 2：

  • 記錄 #1：_CHANGE_SEQUENCE_NUMBER = 'FFF/B'
  • 記錄 #2：_CHANGE_SEQUENCE_NUMBER = 'FFF/ABC'

  結果：記錄 #2 視為最新記錄，因為「FFF/ABC」>「FFF/B」(即「4095/2748」>「4095/11」)

• 範例 3：

  • 記錄 #1：_CHANGE_SEQUENCE_NUMBER = 'BA/FFFFFFFF'
  • 記錄 #2：_CHANGE_SEQUENCE_NUMBER = 'ABC'

  結果：記錄 #2 視為最新記錄，因為「ABC」>「BA/FFFFFFFF」(即「2748」>「186/4294967295」)

• 範例 4：

  • 記錄 1：_CHANGE_SEQUENCE_NUMBER = 'FFF/ABC'
  • 記錄 #2：_CHANGE_SEQUENCE_NUMBER = 'ABC'

  結果：記錄 #1 視為最新記錄，因為「FFF/ABC」>「ABC」(即「4095/2748」>「2748」)

如果兩個 _CHANGE_SEQUENCE_NUMBER 值相同，則 BigQuery 系統擷取時間最新的記錄，會優先於先前擷取的記錄。

如果表格使用自訂排序，請務必提供 _CHANGE_SEQUENCE_NUMBER 值。如果寫入要求未指定 _CHANGE_SEQUENCE_NUMBER 值，導致資料列混合了有和沒有 _CHANGE_SEQUENCE_NUMBER 值的情況，則會導致排序無法預測。

設定 BigQuery 預留項目，用於 CDC 擷取作業

您可以使用 BigQuery 預留項目，分配 CDC 資料列修改作業專用的 BigQuery 運算資源。預留項目可讓您設定執行這些作業的費用上限。如果工作流程經常對大型資料表執行 CDC 作業，這種方法特別實用，因為每次執行作業時都會處理大量位元組，導致隨選費用高昂。

BigQuery CDC 擷取工作會在 max_staleness 間隔內套用待處理的資料列修改作業，因此會視為背景工作，並使用 BACKGROUND 或 BACKGROUND_CHANGE_DATA_CAPTURE 指派類型，而非 QUERY 指派類型。相較之下，如果查詢超出 max_staleness 間隔，且需要在查詢執行時套用資料列修改，則會使用 QUERY 指派類型。沒有 max_staleness 設定的資料表，或 max_staleness 設為 0 的資料表，也會使用 QUERY 指派類型。如果執行 BigQuery CDC 擷取背景工作時，未指派 BACKGROUND 或 BACKGROUND_CHANGE_DATA_CAPTURE，則會採用隨選定價。為 BigQuery CDC 擷取作業設計工作負載管理策略時，請務必考量這點。

如要設定與 CDC 搭配使用的 BigQuery 預留項目，請先在 BigQuery 資料表所在區域設定預留項目。如需預留項目大小的相關指引，請參閱「調整及監控 BACKGROUND 預留項目」。建立預留項目後，請將 BigQuery 專案指派給預留項目，並執行下列 CREATE ASSIGNMENT 陳述式，將 job_type 選項設為 BACKGROUND：

CREATE ASSIGNMENT
  `ADMIN_PROJECT_ID.region-REGION.RESERVATION_NAME.ASSIGNMENT_ID`
OPTIONS (
  assignee = 'projects/PROJECT_ID',
  job_type = 'BACKGROUND');

更改下列內容：

• ADMIN_PROJECT_ID：擁有預留項目的管理專案 ID。
• REGION：專案所在的區域名稱。例如：us。
• RESERVATION_NAME：預留項目名稱。
• ASSIGNMENT_ID：作業 ID。ID 在專案和位置中不得重複，開頭和結尾須為小寫英文字母或數字，且只能使用小寫英文字母、數字和破折號。
• PROJECT_ID：專案 ID，該專案包含由 BigQuery CDC 擷取作業修改的 BigQuery 資料表。這項專案已指派給預留項目。

調整及監控 BACKGROUND 預留項目

預留項目會決定可用於執行 BigQuery 運算作業的運算資源量。如果預留項目過小，CDC 資料列修改作業的處理時間可能會增加。如要準確預留運算資源，請查詢 INFORMATION_SCHEMA.JOBS_TIMELINE 檢視表，監控執行 CDC 作業的專案歷來運算單元用量：

SELECT
  period_start,
  SUM(period_slot_ms) / (1000 * 60) AS slots_used
FROM
  region-REGION.INFORMATION_SCHEMA.JOBS_TIMELINE_BY_PROJECT
WHERE
  DATE(job_creation_time) BETWEEN DATE_SUB(CURRENT_DATE(), INTERVAL 7 DAY)
  AND CURRENT_DATE()
  AND job_id LIKE '%cdc_background%'
GROUP BY
  period_start
ORDER BY
  period_start DESC;

將 REGION 替換為專案所在的區域名稱。例如：us。

已刪除資料的注意事項

• BigQuery CDC 擷取作業會使用 BigQuery 運算資源。如果 CDC 作業設為使用隨選計費，系統會定期使用內部 BigQuery 資源執行 CDC 作業。如果 CDC 作業設有 BACKGROUND 或 BACKGROUND_CHANGE_DATA_CAPTURE 預留項目，則會改為受限於所設預留項目的資源可用性。如果設定的預留項目中沒有足夠的可用資源，處理 CDC 作業 (包括刪除) 的時間可能會比預期長。
• 只有在 upsert_stream_apply_watermark 時間戳記超過 Storage Write API (gRPC) 串流作業的時間戳記時，系統才會套用 CDC DELETE 作業。如要進一步瞭解 upsert_stream_apply_watermark 時間戳記，請參閱「監控資料表 upsert 作業進度」。
• 為了套用不按順序抵達的 CDC DELETE 作業，BigQuery 會保留兩天的刪除保留時間。在標準Google Cloud 資料刪除程序開始前，系統會在這段期間內儲存資料表DELETE作業。在刪除保留期間內，DELETE 作業會按照標準 BigQuery 儲存空間定價計費。

限制

• BigQuery CDC 擷取作業不會強制執行鍵，因此主鍵必須不重複。
• 主鍵不得超過 16 個資料欄。
• 如果資料表已啟用 CDC，則資料表結構定義定義的頂層資料欄不得超過 2,000 個。
• 啟用 CDC 的資料表不支援下列項目：
  • DELETE、UPDATE 和 MERGE 等資料操縱語言 (DML) 異動陳述式
  • 查詢Wildcard 資料表
  • 搜尋索引
• 如果資料表的 max_staleness 值過低，導致執行階段合併工作，則啟用 CDC 的資料表不支援下列項目：
  • 資料表複製作業
  • 資料表本機副本作業
  • 資料表快照作業
  • BigQuery Storage Read API
  • requirePartitionFilter 表格選項
• 如果資料表已啟用 CDC，BigQuery 匯出作業不會匯出最近串流、尚未由背景工作套用的資料列修改內容。如要匯出完整資料表，請使用 EXPORT DATA 陳述式。
• 如果查詢觸發分區資料表的執行階段合併作業，系統會略過分區剪除作業，並掃描整個資料表，無論查詢是否僅限於分區子集。如要允許對可容忍輕微資料過時的查詢進行分區剪除，請設定資料表的 max_staleness 選項。
• 如果您使用的是標準版，則無法使用 BACKGROUND 預留項目，因此套用待處理的資料列修改項目時，會採用隨選定價模式。不過，無論您使用哪個版本，都可以查詢已啟用 CDC 的資料表。
• 執行資料表讀取作業時，無法查詢虛擬資料欄 _CHANGE_TYPE 和 _CHANGE_SEQUENCE_NUMBER。
• 在同一個連線中，不支援將 _CHANGE_TYPE 具有 UPSERT 或 DELETE 值的資料列，與 _CHANGE_TYPE 具有 INSERT 或未指定值的資料列混合，否則會導致下列驗證錯誤：The given value is not a valid CHANGE_TYPE。

BigQuery CDC 擷取作業定價

BigQuery CDC 擷取作業會使用 Storage Write API (gRPC) 擷取資料、BigQuery 儲存空間儲存資料，以及 BigQuery 運算資源執行資料列修改作業，這些都會產生費用。如需定價資訊，請參閱「BigQuery 定價」。

預估 BigQuery CDC 擷取費用

除了一般 BigQuery 費用估算最佳做法之外，如果工作流程有大量資料、max_staleness 設定較低，或資料經常變更，則估算 BigQuery CDC 擷取費用可能很重要。

BigQuery 資料擷取定價和 BigQuery 儲存空間定價是直接根據您擷取和儲存的資料量 (包括虛擬資料欄) 計算。不過，BigQuery 運算定價較難估算，因為這與執行 BigQuery CDC 擷取工作時使用的運算資源消耗量有關。

BigQuery CDC 擷取工作分為三類：

• 背景套用工作：在背景定期執行的工作，執行頻率由資料表的 max_staleness 值定義。這些工作會將最近串流的資料列修改內容，套用至已啟用 CDC 的資料表。
• 查詢工作：在 max_staleness 視窗內執行的 GoogleSQL 查詢，且僅從啟用 CDC 的資料表基準讀取。
• 執行階段合併工作：由在 max_staleness 視窗外執行的臨時 GoogleSQL 查詢觸發的工作。這些工作必須在查詢執行階段，即時合併具有有效 CDC 的資料表基準，以及最近串流的資料列修改內容。這類工作不會推進 upsert_stream_apply_watermark 時間戳記。

只有查詢工作會使用 BigQuery 分割。背景套用工作和執行階段合併工作無法使用分區，因為套用最近串流的資料列修改時，無法保證最近串流的 upsert 會套用至哪個資料表分區。換句話說，在背景套用工作和執行階段合併工作期間，系統會讀取完整的基準資料表。基於相同原因，只有查詢工作能受益於 BigQuery 叢集資料欄的篩選器。瞭解執行 CDC 作業時讀取的資料量，有助於估算總費用。

如果從資料表基準讀取的資料量很大，建議使用 BigQuery 容量定價模式，這種模式不會根據處理的資料量計費。

BigQuery CDC 擷取成本最佳做法

除了一般 BigQuery 成本最佳做法外，您也可以使用下列技術，盡可能降低 BigQuery CDC 擷取作業的成本：

• 除非必要，否則請避免將資料表的 max_staleness 選項設為極低的值。max_staleness 值可能會增加背景套用工作和執行階段合併工作的發生頻率，這些工作比查詢工作更耗費資源且速度較慢。如需詳細指南，請參閱「建議的表格 max_staleness 值」。
• 建議設定 BigQuery 預留項目，用於 CDC 資料表。否則，背景套用工作和執行階段合併工作會採用隨選定價，由於資料處理量較多，費用可能會較高。如要瞭解詳情，請參閱 BigQuery 預留項目，並按照如何調整及監控 BACKGROUND 預留項目的指引，搭配 BigQuery CDC 擷取功能使用。

後續步驟

• 瞭解如何實作 Storage Write API (gRPC) 預設串流。
• 瞭解 Storage Write API (gRPC) 的最佳做法。
• 瞭解如何使用 Datastream，透過 BigQuery CDC 擷取功能將交易資料庫複製到 BigQuery。