Migrazione da Teradata a BigQuery: panoramica
Questo documento fornisce ulteriori informazioni per aiutarti a comprendere le decisioni che devi prendere quando utilizzi BigQuery Data Transfer Service per eseguire la migrazione di schema e dati da Teradata a BigQuery. Per un'introduzione al processo di migrazione da Teradata, consulta Introduzione a una migrazione da Teradata a BigQuery.
La migrazione di schema e dati è in genere uno dei diversi passaggi necessari per spostare un data warehouse da una piattaforma diversa a BigQuery. Per una descrizione di un processo di migrazione generale, consulta Panoramica: eseguire la migrazione dei data warehouse in BigQuery.
Puoi anche utilizzare la traduzione SQL batch per eseguire la migrazione collettiva degli script SQL o la traduzione SQL interattiva per tradurre query ad hoc. Teradata SQL è completamente supportato da entrambi i servizi di traduzione SQL.
Panoramica
Puoi utilizzare BigQuery Data Transfer Service in combinazione con un agente di migrazione speciale per copiare lo schema e i dati da Teradata a BigQuery. L'agente di migrazione si connette al tuo data warehouse locale e comunica con BigQuery Data Transfer Service per copiare le tabelle dal tuo data warehouse a BigQuery.
I passaggi seguenti descrivono il flusso di lavoro per il processo di migrazione:
- Scarica l'agente di migrazione.
- Configura un trasferimento in BigQuery Data Transfer Service.
- Esegui il job di trasferimento per copiare lo schema e i dati della tabella dal tuo data warehouse a BigQuery.
- Facoltativo. Monitora i job di trasferimento utilizzando la console Google Cloud .
Configurazione del job di trasferimento
Puoi configurare un job di trasferimento in modo che si adatti al meglio alle tue esigenze. Prima di configurare un trasferimento di dati da Teradata a BigQuery, valuta le opzioni di configurazione descritte nelle sezioni seguenti e decidi quali impostazioni utilizzare. A seconda delle impostazioni scelte, potresti dover completare alcuni prerequisiti prima di avviare il job di trasferimento.
Per la maggior parte dei sistemi, in particolare quelli con tabelle di grandi dimensioni, puoi ottenere le migliori prestazioni seguendo questi passaggi:
- Partiziona le tabelle Teradata.
- Utilizza Teradata Parallel Transporter (TPT) per l'estrazione.
- Crea un file di schema personalizzato e configura le colonne di clustering e partizionamento di BigQuery di destinazione.
In questo modo, l'agente di migrazione può eseguire l'estrazione partizione per partizione, che è la più efficiente.
Metodo di estrazione
BigQuery Data Transfer Service supporta due metodi di estrazione per il trasferimento dei dati da Teradata a BigQuery:
Utilizza l'utilità tbuild di Teradata Parallel Transporter (TPT). Questo è l'approccio consigliato. L'utilizzo di TPT in genere comporta un'estrazione dei dati più rapida.
In questa modalità, l'agente di migrazione tenta di calcolare i batch di estrazione utilizzando le righe distribuite per partizioni. Per ogni batch, l'agente genera ed esegue uno script di estrazione TPT, producendo un insieme di file delimitati da pipe. Quindi carica questi file in un bucket Cloud Storage, dove vengono utilizzati dal job di trasferimento. Una volta caricati i file su Cloud Storage, l'agente di migrazione li elimina dal file system locale.
Quando utilizzi l'estrazione TPT senza una colonna di partizionamento, viene estratta l'intera tabella. Quando utilizzi l'estrazione TPT con una colonna di partizionamento, l'agente estrae insiemi di partizioni.
In questa modalità, l'agente di migrazione non limita la quantità di spazio occupato dai file estratti sul file system locale. Assicurati che il file system locale abbia più spazio rispetto alle dimensioni della partizione o della tabella più grande, a seconda che tu stia specificando o meno una colonna di partizionamento.
Utilizza il modulo di accesso per Cloud Storage. Questo approccio elimina la necessità di uno spazio di archiviazione intermedio sul file system locale, offrendo prestazioni migliori e un utilizzo ridotto delle risorse della VM che esegue l'agente. Questo approccio esporta direttamente i dati in Cloud Storage utilizzando il modulo di accesso Teradata per Cloud Storage. Per utilizzare questa funzionalità, gli strumenti Teradata in esecuzione sulla VM devono essere più recenti della versione 17.20. È possibile eseguire l'upgrade degli strumenti Teradata in modo indipendente senza apportare modifiche alla versione dell'istanza Teradata.
Estrazione utilizzando un driver JDBC con connessione FastExport. Se esistono vincoli sullo spazio di archiviazione locale disponibile per i file estratti o se per qualche motivo non puoi utilizzare TPT, utilizza questo metodo di estrazione.
In questa modalità, l'agente di migrazione estrae le tabelle in una raccolta di file AVRO nel file system locale. Quindi carica questi file in un bucket Cloud Storage, dove vengono utilizzati dal job di trasferimento. Una volta caricati i file su Cloud Storage, l'agente di migrazione li elimina dal file system locale.
In questa modalità, puoi limitare la quantità di spazio utilizzato dai file AVRO sul file system locale. Se questo limite viene superato, l'estrazione viene messa in pausa finché l'agente di migrazione non libera spazio caricando ed eliminando i file AVRO esistenti.
Identificazione dello schema
Puoi definire lo schema in diversi modi. BigQuery Data Transfer Service fornisce il rilevamento automatico dello schema e la mappatura dei tipi di dati durante un trasferimento di dati da Teradata a BigQuery. Puoi anche utilizzare il motore di traduzione per ottenere la mappatura dei tipi di dati o scegliere di specificare un file di schema personalizzato.
Rilevamento dello schema predefinito
Se non specifichi alcuna configurazione dello schema, BigQuery Data Transfer Service rileva automaticamente lo schema delle tabelle di origine Teradata ed esegue la mappatura dei tipi di dati ai tipi di dati BigQuery corrispondenti durante il trasferimento dei dati. Per saperne di più sulla mappatura dei tipi di dati predefinita, consulta Tipi di dati.
Utilizzo dell'output del motore di traduzione per lo schema
BigQuery Data Transfer Service utilizza l'output del motore di traduzione di BigQuery per la mappatura dello schema durante la migrazione delle tabelle Teradata a BigQuery. Per utilizzare questa opzione, assicurati che siano soddisfatti i seguenti prerequisiti:
- Genera i metadati per la traduzione. Esegui lo strumento dumper per generare i metadati per la traduzione, rispettando le linee guida per l'origine Teradata. Per saperne di più, consulta Genera metadati per la traduzione e la valutazione.
- Carica il file di metadati generato (ad esempio
metadata.zip) in un bucket Cloud Storage. Questo bucket funge da posizione di input per il motore di traduzione. Avvia un job di traduzione batch per creare la mappatura di BigQuery Data Transfer Service, che definisce lo schema per le tabelle BigQuery di destinazione. Per informazioni su come eseguire questa operazione, consulta Crea una traduzione batch. L'esempio seguente genera la mappatura di BigQuery Data Transfer Service specificando
target_types = "dts_mapping":curl -d "{ \"name\": \"teradata_2_bq_translation\", \"displayName\": \"Teradata to BigQuery Translation\", \"tasks\": { string: { \"type\": \"Teradata2BigQuery_Translation\", \"translation_details\": { \"target_base_uri\": \"gs://your_translation_output_bucket/output\", \"source_target_mapping\": { \"source_spec\": { \"base_uri\": \"gs://your_metadata_bucket/input\" } }, \"target_types\": \"metadata\", } } }, }" \ -H "Content-Type:application/json" \ -H "Authorization: Bearer YOUR_ACCESS_TOKEN" -X POST https://bigquerymigration.googleapis.com/v2/projects/your_project_id/locations/your_location/workflowsPuoi controllare lo stato del job di traduzione batch nella console Google Cloud andando a BigQuery -> Traduzione SQL. Al termine, il file di mappatura viene archiviato in una posizione di Cloud Storage specificata nel flag
target_base_uri.Per generare un token, utilizza il comando
gcloud auth print-access-tokeno OAuth 2.0 Playground con l'ambitohttps://www.googleapis.com/auth/cloud-platform.Nella configurazione del trasferimento di dati Teradata, specifica il percorso della cartella Cloud Storage in cui è archiviato il file di mappatura del passaggio precedente. BigQuery Data Transfer Service utilizza questa mappatura per definire lo schema delle tabelle BigQuery di destinazione.
File di schema personalizzato
Ti consigliamo di specificare uno schema personalizzato nelle seguenti situazioni:
Se devi acquisire informazioni importanti su una tabella, come il partizionamento, che altrimenti andrebbero perse durante la migrazione.
Ad esempio, per i trasferimenti incrementali deve essere specificato un file di schema in modo che i dati dei trasferimenti successivi possano essere partizionati correttamente quando vengono caricati in BigQuery. Senza un file di schema, ogni volta che viene eseguito un trasferimento, BigQuery Data Transfer Service applica automaticamente uno schema di tabella utilizzando i dati di origine trasferiti e tutte le informazioni su partizionamento, clustering, chiavi primarie e monitoraggio delle modifiche vengono perse.
Se devi modificare i nomi delle colonne o i tipi di dati durante il trasferimento dei dati.
Un file di schema personalizzato è un file JSON che descrive gli oggetti del database. Lo schema contiene un insieme di database, ognuno dei quali contiene un insieme di tabelle, ognuna delle quali contiene un insieme di colonne. Ogni oggetto ha un campo originalName che indica il nome dell'oggetto in Teradata e un campo name che indica il nome di destinazione dell'oggetto in BigQuery.
Le colonne contengono i seguenti campi:
originalType: indica il tipo di dati della colonna in Teradatatype: indica il tipo di dati di destinazione per la colonna in BigQuery.usageType: informazioni sul modo in cui la colonna viene utilizzata dal sistema. Sono supportati i seguenti tipi di utilizzo:DEFAULT: con questo tipo di utilizzo puoi annotare più colonne in una tabella di destinazione. QuestousageTypeindica che la colonna non ha un utilizzo speciale nel sistema di origine. Questo è il valore predefinito.CLUSTERING: puoi annotare fino a quattro colonne in ogni tabella di destinazione con questo tipo di utilizzo. L'ordine delle colonne per il clustering viene determinato in base all'ordine in cui vengono visualizzate nello schema personalizzato. Le colonne selezionate devono soddisfare i vincoli per il clustering in BigQuery. Se per la stessa tabella viene specificato un campoPARTITIONING, BigQuery utilizza queste colonne per creare una tabella in cluster.PARTITIONING: puoi annotare una sola colonna in ogni tabella di destinazione con questo tipo di utilizzo. Questa colonna viene utilizzata nella definizione della tabella partizionata per l'oggettotablescontenitore. Puoi utilizzare questo tipo di utilizzo solo con una colonna che ha un tipo di datiTIMESTAMPoDATE.COMMIT_TIMESTAMP: puoi annotare una sola colonna in ogni tabella di destinazione con questo tipo di utilizzo. Utilizza questousageTypeper identificare una colonna di timestamp di aggiornamento per gli aggiornamenti incrementali. Questa colonna viene utilizzata per estrarre le righe create o aggiornate dall'ultima esecuzione del trasferimento. Puoi utilizzare questo tipo di utilizzo solo con colonne che hanno un tipo di datiTIMESTAMPoDATE.PRIMARY_KEY: puoi annotare le colonne in ogni tabella di destinazione con questo tipo di utilizzo. Utilizza questo tipo di utilizzo per identificare una sola colonna come chiave primaria o, nel caso di una chiave composita, utilizza lo stesso tipo di utilizzo su più colonne per identificare le entità univoche di una tabella. Queste colonne interagiscono conCOMMIT_TIMESTAMPper estrarre le righe create o aggiornate dall'ultima esecuzione del trasferimento.
Puoi creare un file di schema personalizzato manualmente, come mostrato nell'esempio seguente, oppure puoi fare in modo che l'agente di migrazione ne generi uno per te durante l'inizializzazione.
In questo esempio, un utente esegue la migrazione di una tabella Teradata denominata orders nel database tpch con la seguente definizione di tabella:
CREATE SET TABLE TPCH.orders ,FALLBACK ,
NO BEFORE JOURNAL,
NO AFTER JOURNAL,
CHECKSUM = DEFAULT,
DEFAULT MERGEBLOCKRATIO,
MAP = TD_MAP1
(
O_ORDERKEY INTEGER NOT NULL,
O_CUSTKEY INTEGER NOT NULL,
O_ORDERSTATUS CHAR(1) CHARACTER SET LATIN CASESPECIFIC NOT NULL,
O_TOTALPRICE DECIMAL(15,2) NOT NULL,
O_ORDERDATE DATE FORMAT 'yyyy-mm-dd' NOT NULL,
O_ORDERPRIORITY CHAR(15) CHARACTER SET LATIN CASESPECIFIC NOT NULL,
O_CLERK CHAR(15) CHARACTER SET LATIN CASESPECIFIC NOT NULL,
O_SHIPPRIORITY INTEGER NOT NULL,
O_COMMENT VARCHAR(79) CHARACTER SET LATIN CASESPECIFIC NOT NULL)
UNIQUE PRIMARY INDEX ( O_ORDERKEY );
Durante la migrazione a BigQuery, l'utente vuole configurare lo schema con le seguenti modifiche:
- Rinomina la colonna
O_CUSTKEYinO_CUSTOMERKEY - Identifica
O_ORDERDATEcome colonna di partizionamento
Il seguente esempio è uno schema personalizzato per configurare queste impostazioni:
{
"databases": [
{
"name": "tpch",
"originalName": "e2e_db",
"tables": [
{
"name": "orders",
"originalName": "orders",
"columns": [
{
"name": "O_ORDERKEY",
"originalName": "O_ORDERKEY",
"type": "INT64",
"originalType": "integer",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 4
},
{
"name": "O_CUSTOMERKEY",
"originalName": "O_CUSTKEY",
"type": "INT64",
"originalType": "integer",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 4
},
{
"name": "O_ORDERSTATUS",
"originalName": "O_ORDERSTATUS",
"type": "STRING",
"originalType": "character",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 1
},
{
"name": "O_TOTALPRICE",
"originalName": "O_TOTALPRICE",
"type": "NUMERIC",
"originalType": "decimal",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 8
},
{
"name": "O_ORDERDATE",
"originalName": "O_ORDERDATE",
"type": "DATE",
"originalType": "date",
"usageType": [
"PARTITIONING"
],
"isRequired": true,
"originalColumnLength": 4
},
{
"name": "O_ORDERPRIORITY",
"originalName": "O_ORDERPRIORITY",
"type": "STRING",
"originalType": "character",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 15
},
{
"name": "O_CLERK",
"originalName": "O_CLERK",
"type": "STRING",
"originalType": "character",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 15
},
{
"name": "O_SHIPPRIORITY",
"originalName": "O_SHIPPRIORITY",
"type": "INT64",
"originalType": "integer",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 4
},
{
"name": "O_COMMENT",
"originalName": "O_COMMENT",
"type": "STRING",
"originalType": "varchar",
"usageType": [
"DEFAULT"
],
"isRequired": true,
"originalColumnLength": 79
}
]
}
]
}
]
}
Trasferimenti on demand o incrementali
Quando esegui la migrazione dei dati da un'istanza di database Teradata a BigQuery, BigQuery Data Transfer Service supporta sia i trasferimenti completi (trasferimento on demand) sia i trasferimenti ricorrenti (trasferimenti incrementali). Puoi designare il trasferimento come on demand o incrementale nelle opzioni di pianificazione durante la configurazione di un trasferimento.
Trasferimento on demand: utilizza questa modalità per eseguire la migrazione completa degli snapshot di schema e dati da Teradata a BigQuery.
Trasferimento pianificato: utilizza questa modalità per eseguire lo snapshot completo ed eseguire regolarmente la migrazione dei dati nuovi e modificati (dati incrementali) da Teradata a BigQuery. I trasferimenti incrementali richiedono la personalizzazione dello schema per annotare le colonne con uno dei seguenti casi d'uso:
- Annota le colonne solo con il tipo di utilizzo
COMMIT_TIMESTAMP: in questo trasferimento, le righe nuove o modificate in Teradata vengono aggiunte ai dati in BigQuery. Le righe aggiornate nelle tabelle BigQuery potrebbero avere righe duplicate con valori vecchi e nuovi. - Annota le colonne con il tipo di utilizzo
COMMIT_TIMESTAMPePRIMARY_KEY: In questo trasferimento, vengono aggiunte nuove righe e le righe modificate vengono aggiornate alla riga corrispondente in BigQuery. La colonna definita inPRIMARY_KEYviene utilizzata per mantenere l'univocità dei dati in BigQuery. - La colonna
PRIMARY_KEYdefinita nello schema non deve essere laPRIMARY_KEYnella tabella Teradata. Può essere qualsiasi colonna, ma deve contenere dati univoci.
- Annota le colonne solo con il tipo di utilizzo
Trasferimenti incrementali
Nei trasferimenti incrementali, il primo trasferimento crea sempre uno snapshot della tabella in BigQuery. Tutti i trasferimenti incrementali successivi rispetteranno le annotazioni definite nel file dello schema personalizzato spiegato di seguito.
Per ogni esecuzione del trasferimento, viene salvato un timestamp. Per ogni esecuzione del trasferimento successiva, un agente riceve il timestamp di un'esecuzione del trasferimento precedente (T1) e un timestamp di quando è iniziata l'esecuzione del trasferimento corrente (T2).
Per i trasferimenti successivi all'esecuzione iniziale, l'agente di migrazione estrarrà i dati utilizzando la seguente logica per tabella:
- Se un oggetto tabella in un file di schema non ha una colonna con un tipo di utilizzo
COMMIT_TIMESTAMP, la tabella viene ignorata. - Se una tabella ha una colonna con il tipo di utilizzo
COMMIT_TIMESTAMP, tutte le righe con un timestamp compreso tra T1 e T2 vengono estratte e aggiunte alla tabella esistente in BigQuery. - Se una tabella ha una colonna con il tipo di utilizzo
COMMIT_TIMESTAMPe una colonna con il tipo di utilizzoPRIMARY_KEY, vengono estratte tutte le righe con un timestamp compreso tra T1 e T2. Eventuali nuove righe vengono aggiunte e le righe modificate vengono aggiornate nella tabella esistente in BigQuery.
Di seguito sono riportati esempi di file di schema per i trasferimenti incrementali.
Schema con solo COMMIT_TIMESTAMP
{
"databases": [
{
"name": "abc_db",
"originalName": "abc_db",
"tables": [
{
"name": "abc_table",
"originalName": "abc_table",
"columns": [
{
"name": "Id",
"originalName": "Id",
"type": "INT64",
"originalType": "integer",
"originalColumnLength": 4,
"usageType": [
"DEFAULT"
],
"isRequired": true
},
{
"name": "timestamp",
"originalName": "timestamp",
"type": "TIMESTAMP",
"originalType": "timestamp",
"originalColumnLength": 26,
"usageType": [
"COMMIT_TIMESTAMP"
],
"isRequired": false
}
]
}
]
}
]
}
Schema con COMMIT_TIMESTAMP e una colonna (Id) come PRIMARY_KEY
{
"databases": [
{
"name": "abc_db",
"originalName": "abc_db",
"tables": [
{
"name": "abc_table",
"originalName": "abc_table",
"columns": [
{
"name": "Id",
"originalName": "Id",
"type": "INT64",
"originalType": "integer",
"originalColumnLength": 4,
"usageType": [
"PRIMARY_KEY"
],
"isRequired": true
},
{
"name": "timestamp",
"originalName": "timestamp",
"type": "TIMESTAMP",
"originalType": "timestamp",
"originalColumnLength": 26,
"usageType": [
"COMMIT_TIMESTAMP"
],
"isRequired": false
}
]
}
]
}
]
}
Schema con COMMIT_TIMESTAMP e chiave composita (ID + nome) come PRIMARY_KEY
{
"databases": [
{
"name": "abc_db",
"originalName": "abc_db",
"tables": [
{
"name": "abc_table",
"originalName": "abc_table",
"columns": [
{
"name": "Id",
"originalName": "Id",
"type": "INT64",
"originalType": "integer",
"originalColumnLength": 4,
"usageType": [
"PRIMARY_KEY"
],
"isRequired": true
},
{
"name": "Name",
"originalName": "Name",
"type": "STRING",
"originalType": "character",
"originalColumnLength": 30,
"usageType": [
"PRIMARY_KEY"
],
"isRequired": false
},
{
"name": "timestamp",
"originalName": "timestamp",
"type": "TIMESTAMP",
"originalType": "timestamp",
"originalColumnLength": 26,
"usageType": [
"COMMIT_TIMESTAMP"
],
"isRequired": false
}
]
}
]
}
]
}
La tabella seguente descrive in che modo l'agente di migrazione gestisce le operazioni di Data Definition Language (DDL) e Data Manipulation Language (DML) nei trasferimenti incrementali.
| Operazione Teradata | Tipo | Supporto per Teradata-to-BigQuery |
|---|---|---|
CREATE |
DDL | In BigQuery viene creato un nuovo snapshot completo della tabella. |
DROP |
DDL | Non supportata |
ALTER (RENAME) |
DDL | In BigQuery viene creato un nuovo snapshot completo per la tabella rinominata. Lo snapshot precedente non viene eliminato da BigQuery}. L'utente non riceve una notifica della tabella rinominata. |
INSERT |
DML | Nuove righe vengono aggiunte alla tabella BigQuery. |
UPDATE |
DML | Le righe vengono aggiunte alla tabella BigQuery come nuove, in modo simile a un'operazione INSERT se viene utilizzato solo COMMIT_TIMESTAMP.
Le righe vengono aggiornate, in modo simile a un'operazione UPDATE se vengono utilizzati sia COMMIT_TIMESTAMP sia PRIMARY_KEY. |
MERGE |
DML | Non supportati. Consulta invece INSERT, UPDATE e DELETE. |
DELETE |
DML | Non supportata |
Considerazioni sulla località
Il bucket Cloud Storage deve trovarsi in una regione o multiregione compatibile con la regione o multiregione del set di dati di destinazione in BigQuery.
- Se il set di dati BigQuery si trova in una multiregione, il bucket Cloud Storage contenente i dati che stai trasferendo deve trovarsi nella stessa multiregione o in una località contenuta all'interno della multiregione. Ad esempio, se il set di dati BigQuery si trova nella multi-regione
EU, il bucket Cloud Storage può trovarsi nella regione Belgioeurope-west1, che si trova all'interno dell'UE. - Se il set di dati si trova in una singola regione, il bucket Cloud Storage deve trovarsi nella stessa regione. Ad esempio, se il set di dati si trova nella regione di Tokyo
asia-northeast1, il bucket Cloud Storage non può trovarsi nella multi-regioneASIA.
Per informazioni dettagliate sui trasferimenti e sulle regioni, consulta Località e trasferimenti dei set di dati.
Prezzi
Il trasferimento di dati con BigQuery è senza costi. Tuttavia, l'utilizzo di questo servizio può comportare costi esterni a Google, ad esempio addebiti per il trasferimento di dati in uscita dalla piattaforma.
- L'estrazione, il caricamento in un bucket Cloud Storage e il caricamento dei dati in BigQuery sono senza costi.
- I dati non vengono eliminati automaticamente dal bucket Cloud Storage dopo il caricamento in BigQuery. Valuta la possibilità di eliminare i dati dal bucket Cloud Storage per evitare costi di archiviazione aggiuntivi. Vedi Prezzi di Cloud Storage.
- Si applicano le quote e i limiti standard di BigQuery sui job di caricamento.
- Si applicano le quote e i limiti standard di BigQuery DML sugli upsert di importazione incrementale.
- Dopo il trasferimento dei dati a BigQuery, si applicano i prezzi standard di archiviazione e computing di BigQuery.
- Per maggiori dettagli, consulta la pagina dei prezzi dei trasferimenti.
Limitazioni
- I trasferimenti on demand una tantum sono completamente supportati. Le operazioni DDL/DML nei trasferimenti incrementali sono parzialmente supportate.
- Durante il trasferimento di dati, i dati vengono estratti in una directory del file system locale. Assicurati che lo spazio libero sia sufficiente.
- Quando utilizzi la modalità di estrazione FastExport, puoi impostare lo spazio di archiviazione massimo da utilizzare e il limite applicato rigorosamente dall'agente di migrazione. Configura l'impostazione
max-local-storagenel file di configurazione dell'agente di migrazione quando configuri un trasferimento da Teradata a BigQuery. - Quando utilizzi il metodo di estrazione TPT, assicurati che il file system abbia spazio libero sufficiente, ovvero maggiore della partizione di tabella più grande nell'istanza Teradata.
- Quando utilizzi la modalità di estrazione FastExport, puoi impostare lo spazio di archiviazione massimo da utilizzare e il limite applicato rigorosamente dall'agente di migrazione. Configura l'impostazione
- BigQuery Data Transfer Service converte automaticamente lo schema (se non fornisci un file di schema personalizzato) e trasferisce i dati Teradata in BigQuery. I dati vengono mappati dai tipi Teradata ai tipi BigQuery.
- I file non vengono eliminati automaticamente dal bucket Cloud Storage dopo essere stati caricati in BigQuery. Valuta la possibilità di eliminare i dati dal bucket Cloud Storage dopo averli caricati in BigQuery per evitare costi di archiviazione aggiuntivi. Consulta la sezione Prezzi.
- La velocità dell'estrazione è limitata dalla connessione JDBC.
- I dati estratti da Teradata non sono criptati. Adotta le misure appropriate per limitare l'accesso ai file estratti nel file system locale e assicurati che il bucket Cloud Storage sia protetto correttamente.
- Altre risorse del database, come stored procedure, query salvate, viste e funzioni definite dall'utente, non vengono trasferite e non rientrano nell'ambito di questo servizio.
- I trasferimenti incrementali non supportano le eliminazioni definitive. I trasferimenti incrementali non sincronizzano le righe eliminate in Teradata con BigQuery.
Passaggi successivi
- Ricevi istruzioni passo passo per eseguire la migrazione da Teradata a BigQuery.
- Prova una migrazione di test da Teradata a BigQuery.