Migrazione da Teradata a BigQuery - panoramica

Questo documento fornisce maggiori 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 di Teradata, consulta Introduzione a una migrazione da Teradata a BigQuery.

La migrazione di schema e dati è in genere uno dei passaggi necessari per spostare un data warehouse da un'altra piattaforma a BigQuery. Per una descrizione di una procedura di migrazione generale, consulta Panoramica: eseguire la migrazione dei data warehouse in BigQuery.

Puoi anche utilizzare la traduzione SQL batch per eseguire la migrazione degli script SQL in blocco oppure la traduzione SQL interattiva per tradurre query ad hoc. SQL Teradata è completamente supportato da entrambi i servizi di traduzione SQL.

Panoramica

Puoi utilizzare BigQuery Data Transfer Service in combinazione con un agente speciale di migrazione per copiare lo schema e i dati da Teradata a BigQuery. L'agente di migrazione si connette al tuo data warehouse locale, comunica con BigQuery Data Transfer Service per copiare le tabelle dal data warehouse a BigQuery.

I passaggi seguenti descrivono il flusso di lavoro per il processo di migrazione:

1. Scarica l'agente di migrazione.
2. Configura un trasferimento in BigQuery Data Transfer Service.
3. Esegui il job di trasferimento per copiare lo schema e i dati della tabella dal data warehouse a BigQuery.
4. Facoltativo. Monitora i job di trasferimento utilizzando la console Trusted Cloud .

Configurazione del job di trasferimento

Puoi configurare un job di trasferimento in modo che soddisfi al meglio le tue esigenze. Prima di configurare un trasferimento di dati da Teradata a BigQuery, esamina le opzioni di configurazione descritte nelle sezioni seguenti e decidi quali impostazioni utilizzare. A seconda delle impostazioni che scegli, potresti dover completare alcuni prerequisiti prima di avviare il job di trasferimento.

Per la maggior parte dei sistemi, soprattutto quelli con tabelle di grandi dimensioni, puoi ottenere le prestazioni migliori seguendo questi passaggi:

1. Partiziona le tabelle Teradata.
2. Utilizza Teradata Parallel Transporter (TPT) per l'estrazione.
3. Crea un file di schema personalizzato e configura le colonne di clustering e partizionamento BigQuery di destinazione.

Ciò consente all'agente di migrazione di eseguire l'estrazione partizione per partizione, che è la più efficiente.

Metodo di estrazione

BigQuery Data Transfer Service supporta due metodi di estrazione per trasferire i dati da Teradata a BigQuery:

• Utilizza l'utilità Teradata Parallel Transporter (TPT) tbuild. 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 emette 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 ha eliminati 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 i set 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 delle dimensioni della partizione più grande o della tabella più grande, a seconda che tu stia specificando o meno una colonna di partizionamento.

• Estrazione tramite un driver JDBC con connessione FastExport. Se esistono vincoli sullo spazio di archiviazione locale disponibile per i file estratti o se non puoi utilizzare TPT per qualche motivo, utilizza questo metodo di estrazione.

  In questa modalità, l'agente di migrazione estrae le tabelle in una raccolta di file AVRO sul 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 utilizzata dai file AVRO sul file system locale. Se questo limite viene superato, l'estrazione viene sospesa finché non viene liberato spazio dall'agente di migrazione 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 oppure puoi 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 il mapping dei tipi di dati ai tipi di dati BigQuery corrispondenti durante il trasferimento dei dati. Per saperne di più sul mapping predefinito dei tipi di dati, vedi Tipi di dati.

Utilizzo dell'output del motore di traduzione per lo schema

BigQuery Data Transfer Service utilizza l'output del motore di traduzione 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:

1. Genera metadati per la traduzione. Esegui lo strumento di dump per generare metadati per la traduzione, rispettando le linee guida dell'origine Teradata. Per ulteriori informazioni, vedi Generare metadati per la traduzione e la valutazione.
2. 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.

3. Avvia un job di traduzione batch per creare il mapping di BigQuery Data Transfer Service, che definisce lo schema per le tabelle BigQuery di destinazione. Per informazioni su come eseguire questa operazione, consulta Creare una traduzione batch. L'esempio seguente genera il mapping 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/v2alpha/projects/your_project_id/locations/your_location/workflows
   

   Puoi controllare lo stato del job di traduzione batch nella console Trusted Cloud by S3NS andando a BigQuery -> Traduzione SQL. Una volta completato, il file di mappatura viene archiviato in una posizione Cloud Storage specificata nel flag target_base_uri.

   Per generare un token, utilizza il comando gcloud auth print-access-token o OAuth 2.0 Playground con l'ambito https://www.googleapis.com/auth/cloud-platform.

4. Nella configurazione del trasferimento dei 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 questo mapping per definire lo schema delle tabelle BigQuery di destinazione.

File schema personalizzato

Ti consigliamo di specificare uno schema personalizzato nelle seguenti situazioni:

• Se devi acquisire informazioni importanti su una tabella, ad esempio il partizionamento, che altrimenti andrebbero perse durante la migrazione.

  Ad esempio, i trasferimenti incrementali devono avere un file di schema specificato in modo che i dati dei trasferimenti successivi possano essere partizionati correttamente quando vengono caricati in BigQuery. Senza un file 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 hanno i seguenti campi:

• originalType: indica il tipo di dati della colonna in Teradata
• type: 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: puoi annotare più colonne in una tabella di destinazione con questo tipo di utilizzo. Questo usageType indica che la colonna non ha un uso 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 è determinato in base all'ordine in cui appaiono nello schema personalizzato. Le colonne selezionate devono soddisfare i vincoli per il clustering in BigQuery. Se per la stessa tabella viene specificato un campo PARTITIONING, 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'oggetto tables contenitore. Puoi utilizzare questo tipo di utilizzo solo con una colonna con tipo di dati TIMESTAMP o DATE.
  • COMMIT_TIMESTAMP: puoi annotare una sola colonna in ogni tabella di destinazione con questo tipo di utilizzo. Utilizza questo usageType per identificare una colonna con il timestamp dell'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 le colonne che hanno un tipo di dati TIMESTAMP o DATE.
  • PRIMARY_KEY: puoi annotare le colonne di ogni tabella di destinazione con questo tipo di utilizzo. Utilizza questo tipo di utilizzo per identificare una sola colonna come chiave primaria oppure, 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 funzionano insieme a COMMIT_TIMESTAMP per estrarre le righe create o aggiornate dall'ultima esecuzione del trasferimento.

Puoi creare manualmente un file di schema personalizzato, come mostrato nell'esempio seguente, oppure puoi chiedere all'agente di migrazione di generarne uno per te quando lo inizializzi.

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_CUSTKEY in O_CUSTOMERKEY
• Identifica O_ORDERDATE come 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 del 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 quando configuri un trasferimento.

• Trasferimento on demand: utilizza questa modalità per eseguire la migrazione completa dello 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 con un solo 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 potenzialmente avere righe duplicate con valori vecchi e nuovi.
  • Annota le colonne con il tipo di utilizzo COMMIT_TIMESTAMP e PRIMARY_KEY: In questo trasferimento, le nuove righe vengono aggiunte e le righe modificate vengono aggiornate alla riga corrispondente in BigQuery. La colonna definita in PRIMARY_KEY viene utilizzata per mantenere l'univocità dei dati in BigQuery.
  • La colonna PRIMARY_KEY definita nello schema non deve essere la PRIMARY_KEY nella tabella Teradata. Può essere qualsiasi colonna, ma deve contenere dati univoci.

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 di trasferimento successiva, un agente riceve il timestamp di un'esecuzione di trasferimento precedente (T1) e il timestamp dell'inizio dell'esecuzione di trasferimento corrente (T2).

Per i trasferimenti successivi all'esecuzione iniziale, l'agente di migrazione estrae i dati utilizzando la seguente logica per tabella:

• Se un oggetto tabella in un file 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_TIMESTAMP e una colonna con il tipo di utilizzo PRIMARY_KEY, vengono estratte tutte le righe con un timestamp compreso tra T1 e T2. Le nuove righe vengono aggiunte e le righe modificate vengono aggiornate nella tabella esistente in BigQuery.

Di seguito sono riportati file di schema di esempio 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 seguente tabella descrive come l'agente di migrazione gestisce le operazioni di Data Definition Language (DDL) e Data Manipulation Language (DML) nei trasferimenti incrementali.

Considerazioni sulla posizione

Il bucket Cloud Storage deve trovarsi in una regione o in più regioni compatibili con la regione o le più regioni del set di dati di destinazione in BigQuery.

• Se il tuo set di dati BigQuery si trova in una regione multipla, il bucket Cloud Storage contenente i dati che stai trasferendo deve trovarsi nella stessa regione multipla o in una località contenuta nella regione multipla. Ad esempio, se il tuo set di dati BigQuery si trova nella regione multiregionale EU, il bucket Cloud Storage può trovarsi nella regione europe-west1 del Belgio, 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 regione multipla ASIA.

Per informazioni dettagliate sui trasferimenti e sulle regioni, consulta Trasferimenti e località dei set di dati.

Prezzi

Il trasferimento dei dati con BigQuery è gratuito. Tuttavia, utilizzando questo servizio è possibile incorrere in costi esterni a Google, ad esempio per il trasferimento di dati in uscita dalla piattaforma.

• L'estrazione, il caricamento su un bucket di Cloud Storage e il caricamento di dati su BigQuery sono gratuiti.
• I dati non vengono automaticamente eliminati dal bucket Cloud Storage dopo essere stati caricati su BigQuery. È consigliabile eliminare i dati dal bucket di Cloud Storage per evitare costi di archiviazione aggiuntivi. Vedi Prezzi di Cloud Storage.
• Si applicano le quote e i limiti standard di BigQuery ai job di caricamento.
• Si applicano le quote e i limiti DML standard di BigQuery sugli upsert di importazione incrementale.
• Quando i dati vengono trasferiti su BigQuery, vengono applicati i prezzi standard di BigQuery per l'archiviazione e il calcolo.
• Per maggiori dettagli, consulta la nostra pagina relativa ai prezzi dei trasferimenti.

Limitazioni

• I trasferimenti una tantum e on demand sono completamente supportati. Le operazioni DDL/DML nei trasferimenti incrementali sono supportate parzialmente.
• Durante il trasferimento dei dati, questi 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 viene applicato rigorosamente dall'agente di migrazione. Imposta l'impostazione max-local-storage nel 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 superiore alla partizione di tabella più grande nell'istanza Teradata.
• BigQuery Data Transfer Service converte automaticamente lo schema (se non fornisci un file di schema personalizzato) e trasferisce i dati Teradata a 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. È consigliabile eliminare i dati dal bucket Cloud Storage dopo averli caricati in BigQuery per evitare costi di archiviazione aggiuntivi. Vedi Prezzi.
• La velocità di 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.