A propos des pipelines de données sur une base de données d'IA autonome

Les pipelines de données de base de données Autonomous AI sont des pipelines de chargement ou d'exportation.

Les pipelines de chargement fournissent un chargement incrémentiel continu de données à partir de sources externes (à mesure que les données arrivent dans la banque d'objets, elles sont chargées dans une table de base de données). Les pipelines d'export fournissent une exportation incrémentielle continue des données vers la banque d'objets (les nouvelles données apparaissant dans une table de base de données sont exportées vers la banque d'objets). Les pipelines utilisent le planificateur de base de données pour charger ou exporter en continu des données incrémentielles.

Les pipelines de données Autonomous AI Database fournissent les éléments suivants :

• Opérations unifiées : les pipelines vous permettent de charger ou d'exporter des données rapidement et facilement et de les répéter à intervalles réguliers pour de nouvelles données. Le package DBMS_CLOUD_PIPELINE fournit un ensemble unifié de procédures PL/SQL pour la configuration de pipeline et pour la création et le démarrage d'un travail programmé pour les opérations de chargement ou d'export.

• Traitement des données programmé : les pipelines surveillent leur source de données et chargent ou exportent régulièrement les données à mesure que de nouvelles données arrivent.

• Hautes performances : les pipelines font évoluer les opérations de transfert de données avec les ressources disponibles sur votre base de données d'IA autonome. Par défaut, les pipelines utilisent le parallélisme pour toutes les opérations de chargement ou d'export, et évoluent en fonction des ressources d'UC disponibles sur votre base de données d'IA autonome, ou en fonction d'un attribut de priorité configurable.

• Atomicité et récupération : les pipelines garantissent l'atomicité de sorte que les fichiers de la banque d'objets soient chargés exactement une fois pour un pipeline de chargement.

• Surveillance et dépannage : les pipelines fournissent des tables de journaux et de statut détaillées qui vous permettent de surveiller et de déboguer les opérations de pipeline.

• Compatible multicloud : les pipelines sur la base de données d'IA autonome prennent en charge le basculement facile entre les fournisseurs cloud sans modification des applications. Pipelines support all the credential and object store URI formats that Autonomous AI Database supports (Oracle Cloud Infrastructure Object Storage, Amazon S3, Azure Blob Storage, Google Cloud Storage, and Amazon S3-Compatible object stores).

Cycle de vie du pipeline de données

Le package DBMS_CLOUD_PIPELINE fournit des procédures permettant de créer, de configurer, de tester et de démarrer un pipeline. Le cycle de vie et les procédures du pipeline sont les mêmes pour les pipelines de chargement et d'exportation.

Description de l'image pipeline_lifecycle.png

Pour chaque type de pipeline, procédez comme suit pour créer et utiliser un pipeline :

1. Créez et configurez le pipeline. Pour plus d'informations, reportez-vous à Création et configuration de pipelines.

2. Testez un nouveau pipeline. Pour plus d'informations, reportez-vous à Pipelines de test.

3. Démarrez un pipeline. Reportez-vous à Démarrage d'un pipeline pour plus d'informations.

En outre, vous pouvez surveiller, arrêter ou supprimer des pipelines :

• Lorsqu'un pipeline est en cours d'exécution, que ce soit pendant le test ou lors d'une utilisation régulière après son démarrage, vous pouvez le surveiller. Pour plus d'informations, reportez-vous à Surveillance et dépannage des pipelines.

• Vous pouvez arrêter un pipeline et le redémarrer ultérieurement, ou supprimer un pipeline lorsque vous avez terminé d'utiliser le pipeline. Pour plus d'informations, reportez-vous à Arrêt d'un pipeline et à Suppression d'un pipeline.

Charger des pipelines

Utilisez un pipeline de chargement pour le chargement incrémentiel continu de données à partir de fichiers externes dans une banque d'objets dans une table de base de données. Un pipeline de chargement identifie régulièrement de nouveaux fichiers dans la banque d'objets et charge les nouvelles données dans la table de base de données.

Un pipeline de charge fonctionne comme suit (certaines de ces fonctionnalités sont configurables à l'aide des attributs de pipeline) :

• Les fichiers de banque d'objets sont chargés en parallèle dans une table de base de données.

  • Un pipeline de chargement utilise le nom du fichier de banque d'objets pour identifier et charger de manière unique les fichiers les plus récents.

  • Une fois qu'un fichier de la banque d'objets a été chargé dans la table de base de données, si le contenu du fichier change dans la banque d'objets, il ne sera plus chargé.

  • Si le fichier de banque d'objets est supprimé, cela n'a aucune incidence sur les données de la table de base de données.

• Si des échecs sont détectés, un pipeline de chargement retente automatiquement l'opération. Des tentatives sont effectuées à chaque exécution ultérieure du travail programmé du pipeline.

• Dans les cas où les données d'un fichier ne sont pas conformes à la table de base de données, elles sont marquées comme FAILED et peuvent être vérifiées pour déboguer et résoudre le problème.

  • Si un fichier ne parvient pas à se charger, le pipeline ne s'arrête pas et continue à charger les autres fichiers.

• Les pipelines de chargement prennent en charge plusieurs formats de fichier d'entrée, notamment JSON, CSV, XML, Avro, ORC et Parquet.

description de l'illustration load-pipeline.svg,

La migration à partir de bases de données non Oracle est un cas d'emploi possible pour un pipeline de chargement. Lorsque vous devez migrer vos données d'une base de données non Oracle vers Oracle Autonomous AI Database on Dedicated Exadata Infrastructure, vous pouvez extraire les données et les charger dans Autonomous AI Database (le format Oracle Data Pump ne peut pas être utilisé pour les migrations à partir de bases de données non Oracle). En utilisant un format de fichier générique tel que CSV pour exporter des données à partir d'une base de données non Oracle, vous pouvez enregistrer vos données dans des fichiers et les télécharger vers la banque d'objets. Créez ensuite un pipeline pour charger les données dans la base de données Autonomous AI. L'utilisation d'un pipeline de chargement pour charger un ensemble important de fichiers CSV offre des avantages importants, tels que la tolérance aux pannes, ainsi que les opérations de reprise et de nouvelle tentative. Pour une migration avec un ensemble de données volumineux, vous pouvez créer plusieurs pipelines, un par table pour les fichiers de base de données non Oracle, afin de charger des données dans la base de données Autonomous AI.

Exporter des pipelines

Utilisez un pipeline d'export pour l'export incrémentiel continu de données de la base de données vers la banque d'objets. Un pipeline d'export identifie périodiquement les données candidates et les télécharge vers la banque d'objets.

Il existe trois options de pipeline d'export (les options d'export sont configurables à l'aide des attributs de pipeline) :

• Exportez les résultats incrémentiels d'une requête vers la banque d'objets en utilisant une colonne de date ou d'horodatage comme clé pour le suivi des données plus récentes.

• Exportez les données incrémentielles d'une table vers la banque d'objets en utilisant une colonne de date ou d'horodatage comme clé pour le suivi des données plus récentes.

• Exporter les données d'une table vers une banque d'objets à l'aide d'une requête pour sélectionner des données sans référence à une colonne de date ou d'horodatage (de sorte que le pipeline exporte toutes les données que la requête sélectionne pour chaque exécution du planificateur).

Les pipelines d'export disposent des fonctionnalités suivantes (certaines d'entre elles peuvent être configurées à l'aide des attributs de pipeline) :

• Les résultats sont exportés en parallèle vers la banque d'objets.

• En cas d'échec, un travail de pipeline suivant répète l'opération d'export.

• Les pipelines d'exportation prennent en charge plusieurs formats de fichier d'exportation, notamment CSV, JSON, Parquet ou XML.

Pipelines mis à jour par Oracle

La base de données Autonomous AI sur une infrastructure Exadata dédiée fournit des pipelines intégrés pour exporter des journaux spécifiques vers une banque d'objets au format JSON. Ces pipelines sont préconfigurés et sont démarrés et détenus par l'utilisateur ADMIN.

Les pipelines Oracle Maintained sont les suivants :

• ORA$AUDIT_EXPORT : ce pipeline exporte les journaux d'audit de base de données vers la banque d'objets au format JSON et s'exécute toutes les 15 minutes après le démarrage du pipeline (en fonction de la valeur d'attribut interval).

• ORA$APEX_ACTIVITY_EXPORT : ce pipeline exporte le journal d'activité de l'espace de travail Oracle APEX vers la banque d'objets au format JSON. Ce pipeline est préconfiguré avec la requête SQL permettant d'extraire les enregistrements d'activité APEX et s'exécute toutes les 15 minutes après le démarrage du pipeline (en fonction de la valeur d'attribut interval).

Pour configurer et démarrer un pipeline géré par Oracle, procédez comme suit :

1. Déterminez le pipeline géré par Oracle à utiliser : ORA$AUDIT_EXPORT ou ORA$APEX_ACTIVITY_EXPORT.

2. Définissez les attributs credential_name et location.

   Remarque : credential_name est une valeur obligatoire sur la base de données Autonomous AI sur une infrastructure Exadata dédiée.

   Exemple :

    BEGIN
      DBMS_CLOUD_PIPELINE.SET_ATTRIBUTE(
        pipeline_name => 'ORA$AUDIT_EXPORT',
        attribute_name => 'credential_name',
        attribute_value => 'DEF_CRED_OBJ_STORE'
      );
      DBMS_CLOUD_PIPELINE.SET_ATTRIBUTE(
        pipeline_name => 'ORA$AUDIT_EXPORT',
        attribute_name => 'location',
        attribute_value => 'https://objectstorage.us-phoenix-1.oraclecloud.com/n/namespace-string/b/bucketname/o/'
      );
    END;
    /
   

   Les données de journal de la base de données sont exportées vers l'emplacement de banque d'objets indiqué.

   Pour plus d'informations, voir SET_ATTRIBUTE.

3. Définissez éventuellement les attributs interval, format ou priority.

   Pour plus d'informations, voir SET_ATTRIBUTE.

4. Démarrez le pipeline.

   Pour plus d'informations, reportez-vous à START_PIPELINE.

Contenu connexe

Package DBMS_CLOUD_PIPELINE