Replica datos de SQL Server en BigQuery

En este instructivo, se muestra cómo crear e implementar un trabajo que replica de forma continua los datos modificados de una base de datos de Microsoft SQL Server a una tabla de BigQuery.

Objetivos

En este instructivo, harás lo siguiente:

1. Habilitar la captura de datos modificados (CDC) en tu base de datos de SQL Server
2. Crear y ejecutar un trabajo de replicación de Cloud Data Fusion
3. Observar los resultados en BigQuery

Costos

En este documento, usarás los siguientes componentes facturables de Google Cloud:

• Cloud Data Fusion
• BigQuery
• Managed Service for Apache Spark
• Cloud Storage
• Compute Engine

Para generar una estimación de costos en función del uso previsto, usa la calculadora de precios.

Es posible que los usuarios Google Cloud nuevos decumplan con los requisitos para acceder a una prueba gratuita.

Cuando se ejecuta la replicación, se te cobra por el clúster de Managed Service for Apache Spark y se generan costos de procesamiento para BigQuery. Para optimizar estos costos, te recomendamos usar los precios de tarifa plana de BigQuery.

Antes de comenzar

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Roles required to select or create a project

   • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
   • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. Enable the Cloud Data Fusion, BigQuery, and Cloud Storage APIs.

   Roles required to enable APIs

   To enable APIs, you need the Service Usage Admin IAM role (roles/serviceusage.serviceUsageAdmin), which contains the serviceusage.services.enable permission. Learn how to grant roles.

   Enable the APIs

4. Crea una instancia pública de Cloud Data Fusion en la versión 6.3.0 o posterior. Si creas una instancia privada, configura el intercambio de tráfico de la red de VPC.
   • Cuando crees la instancia, habilita la replicación. Para ello, haz clic en Agregar aceleradores y selecciona la casilla de verificación Replicación.
   • Para habilitarla en una instancia existente, consulta Habilita la replicación.

Importante: Debes habilitar la replicación en tu instancia para que aparezca en el Menú de la interfaz web de Cloud Data Fusion (consulta Habilita la replicación).

Para obtener más información sobre las herramientas de redes, consulta Usa HAProxy con Cloud Data Fusion para navegar por topologías de red complejas.

Roles obligatorios

Para obtener los permisos que necesitas para este instructivo, consulta Control de acceso con IAM y Otorga permiso de usuario de cuenta de servicio.

Opcional: Configura una instancia de VM de SQL Server

1. Crea una instancia de SQL Server.

2. Descarga la base de datos de AdventureWorks2017 (OLTP) y carga los datos en tu instancia de SQL Server.

Nota: Si tu SQL Server está siempre activado, consulta Solución de problemas para obtener pasos adicionales.

Habilita la CDC en tu base de datos de SQL Server

Para la replicación, habilita la captura de datos modificados (CDC) en la base de datos y la tabla que deseas replicar.

Nota: Comunícate con el administrador de la base de datos para otorgar permiso para ejecutar los comandos.

Si definiste tipos de datos personalizados en las columnas de la tabla que se replica, el propietario de la tabla debe otorgar permisos EXECUTE para los tipos de datos personalizados al usuario de la base de datos que se especifica en el trabajo de replicación.

Crea y ejecuta un trabajo de replicación de Cloud Data Fusion

Sube el controlador de JDBC

1. Descarga el controlador de JDBC de SQL Server en tu máquina local.

2. En la interfaz web de Cloud Data Fusion, sube el controlador de JDBC. Usa estos valores para configurar el controlador de JDBC:

   • En el campo Nombre, ingresa sqlserver.
   • En el campo Nombre de clase, ingresa com.microsoft.sqlserver.jdbc.SQLServerDriver.
   • En el campo Versión, mantén el valor predeterminado.

Crea el trabajo

1. En la interfaz web de Cloud Data Fusion, haz clic en Replicación.

2. Haz clic en Crear un trabajo de replicación.

3. En la página Crear un trabajo de replicación nuevo, especifica un Nombre para el trabajo de replicación y haz clic en Siguiente.

4. Configura la fuente:

   1. Selecciona Microsoft SQL Server como la fuente.
   2. En Host, ingresa el nombre de host del SQL Server del que se leerá.
   3. En Puerto, ingresa el puerto que se usará para conectarse a SQL Server: 1433.
   4. En Nombre del complemento de JDBC, selecciona sqlservero el nombre que especificaste cuando configuraste el controlador de JDBC.
   5. En Nombre de la base de datos, ingresa AdventureWorks2017.
   6. En la sección Credenciales, ingresa tu nombre de usuario y contraseña para acceder a SQL Server.

5. Haz clic en Siguiente.

6. Configura el destino:

   1. Selecciona el destino de BigQuery.
   2. El ID del proyecto y la clave de la cuenta de servicio se detectan de forma automática. Mantén los valores predeterminados.
   3. Opcional: En la sección Avanzado , puedes configurar el nombre y la ubicación del bucket de Cloud Storage, el intervalo de carga, el prefijo de la tabla de etapa de pruebas y el comportamiento cuando se descartan las tablas o bases de datos.

7. Haz clic en Siguiente.

8. Si la conexión se realiza correctamente, se muestra una lista de tablas AdventureWorks2017. Para este instructivo, selecciona algunas tablas y eventos, como los eventos Insert, Update y Delete.

   Nota: Para continuar, debes habilitar la CDC en las tablas seleccionadas.

9. Opcional: Configura las propiedades avanzadas. Para este instructivo, puedes aceptar la configuración predeterminada.

10. Haz clic en Siguiente.

11. En la página Revisar evaluación , haz clic en Ver asignaciones en cualquiera de las tablas para obtener una evaluación de los problemas de esquema, las características faltantes o los problemas de conectividad que podrían ocurrir durante la replicación. Debes resolver los problemas para poder continuar. Para este instructivo, si alguna de las tablas tiene problemas, regresa al paso en el que seleccionaste las tablas y selecciona una tabla o un evento sin problemas.

    Para obtener más información sobre las conversiones de tipos de datos de la base de datos de origen a l destino de BigQuery, consulta Tipos de datos de replicación.

12. Haga clic en Atrás.

13. Haz clic en Siguiente.

14. Revisa los detalles del trabajo de replicación de resumen y, luego, haz clic en Implementar trabajo de replicación.

Nota: En este instructivo, se usa la base de datos OLTP AdventureWorks2017, que tiene claves primarias en todas las tablas. Para replicar una base de datos diferente, como la base de datos de Data Warehouse DB AdventureWorksDW2017, excluye las tablas que no tienen claves primarias o agrega claves primarias a esas tablas.

Inicia el trabajo

• En la página Detalles del trabajo de replicación, haz clic en Iniciar.

El trabajo de replicación pasa del estado Aprovisionamiento a Iniciando y, luego, a En ejecución. En el estado en ejecución, el trabajo de replicación carga una instantánea inicial de los datos de la tabla que seleccionaste (por ejemplo, la tabla People) en BigQuery. En este estado, el estado de la tabla People aparece como Creando instantánea. Después de que se carga la instantánea inicial en BigQuery, cualquier cambio que se realice en la tabla People se replica en BigQuery. El estado de la tabla aparece como Replicando.

Supervisa el trabajo

Puedes iniciar y detener el trabajo de replicación, revisar su configuración y registros, y supervisar tu trabajo de replicación.

Puedes supervisar las actividades del trabajo de replicación desde la página Detalles del trabajo de replicación.

1. En la página Replicación, haz clic en el Nombre del trabajo de replicación.

2. Haz clic en Monitoring.

Observar los resultados en BigQuery

El trabajo de replicación crea un conjunto de datos replicados y una tabla en BigQuery, con nombres heredados de la tabla y la base de datos de SQL Server correspondientes.

Nota: Si el nombre de tu base de datos fuente no cumple con las convenciones de nombres de conjuntos de datos de BigQuery, o si tienes conflictos de nombres cuando replicas varios conjuntos de datos en un único conjunto de datos de BigQuery, especifica los alias en las propiedades de destino de BigQuery.

1. Abre BigQuery en la Google Cloud consola.

2. En el panel izquierdo, haz clic en el nombre del proyecto para expandir una lista de conjuntos de datos.

3. Selecciona el conjunto de datos adventureworks2017 y, luego, selecciona una tabla para verla.

Si deseas obtener más información, consulta la documentación de BigQuery.

Limpia

Para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos usados en este instructivo, borra el proyecto que contiene los recursos o conserva el proyecto y borra los recursos individuales.

Una vez que termines el instructivo, borra los recursos que creaste en Google Cloud.

Borra la instancia de VM

1. En la Google Cloud consola, ve a la página Instancias de VM.

   Ir a Instancias de VM

2. Selecciona la casilla de verificación de la instancia que deseas borrar.
3. Para borrar la instancia, haz clic en Más acciones, haz clic en Borrar, y, luego, sigue las instrucciones.

Borra la instancia de Cloud Data Fusion

Sigue las instrucciones para borrar tu instancia de Cloud Data Fusion.

Borra el proyecto

Precaución: Borrar un proyecto tiene estas consecuencias:

• Se borra todo su contenido. Si usaste un proyecto existente para las tareas de este documento, cuando lo borres, también se borrará cualquier otro trabajo que hayas realizado en el proyecto.
• Se pierden los IDs personalizados de los proyectos. Cuando creaste este proyecto, es posible que hayas creado un ID personalizado del proyecto que desees utilizar en el futuro. Para conservar las URLs que usan el ID del proyecto, como una URL appspot.com, borra los recursos seleccionados dentro del proyecto, en lugar de todo el proyecto.

Si planeas explorar varios instructivos, arquitecturas o guías de inicio rápido, reutilizar proyectos puede ser útil para no exceder los límites de cuota de los proyectos.

1. En la Google Cloud consola, ve a la página Administrar recursos.

   Ir a Administrar recursos

2. En la lista de proyectos, elige el proyecto que tú quieres borrar y haz clic en Borrar.
3. En el diálogo, escribe el ID del proyecto y, luego, haz clic en Cerrar para borrar el proyecto.

¿Qué sigue?

• Obtén más información sobre la replicación en Cloud Data Fusion.
• Consulta la referencia de la API de replicación.
• Trabaja con el instructivo para replicar datos de MySQL a BigQuery.
• Trabaja con el instructivo para replicar datos de Oracle a BigQuery.