Load Data into Portfolio, Category, and Product Tables

Periksa progres saya

/ 30

Load Data into Campaigns Table

Periksa progres saya

/ 20

Add column to Category Table

Periksa progres saya

/ 20

Add secondary index to Category table

Periksa progres saya

/ 30

Lab ini mungkin menggabungkan alat AI untuk mendukung pembelajaran Anda.
Konten ini belum dioptimalkan untuk perangkat seluler.
Untuk pengalaman terbaik, kunjungi kami dengan komputer desktop menggunakan link yang dikirim melalui email.

GSP1050

Lab mandiri Google Cloud

Ringkasan

Spanner adalah layanan database relasional dari Google yang terkelola sepenuhnya dan dapat diskalakan secara horizontal. Pelanggan dalam industri jasa keuangan, game, retail, dan banyak bidang lain memercayai layanan ini untuk menjalankan workload yang paling berat, yang sangat membutuhkan konsistensi dan ketersediaan.

Dalam lab ini, Anda akan meninjau fitur terkait skema Spanner dan menerapkannya ke database Operasi Perbankan. Anda juga akan meninjau metode dan aturan yang digunakan Spanner untuk membuat rencana kueri.

Yang akan Anda lakukan

Dalam lab ini, Anda akan mempelajari cara memodifikasi atribut terkait skema dari instance Spanner.

  • Memuat data ke dalam tabel
  • Menggunakan kode library klien Python yang ditentukan sebelumnya untuk memuat data
  • Mengkueri data dengan library klien
  • Membuat pembaruan pada skema database
  • Menambahkan Indeks Sekunder
  • Memeriksa Rencana kueri

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

  • Akses ke browser internet standar (disarankan browser Chrome).
Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.
  • Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.
Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Konsol Google Cloud

  1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kanan terdapat panel Lab setup and access yang berisi hal-hal berikut:

    • Tombol Open Google Cloud console
    • Kredensial sementara (nama pengguna dan sandi) yang harus Anda gunakan untuk lab ini
    • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

    Perhatikan bahwa timer lab terletak di dekat bagian atas halaman, yang menampilkan waktu yang tersisa.

  2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

    Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

    Tips: Atur tab di jendela terpisah secara berdampingan.

    Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.
  3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

    {{{user_0.username | "Username"}}}

    Anda juga dapat menemukan Username di panel Lab setup and access.

  4. Klik Next.

  5. Salin Password di bawah dan tempel ke dialog Welcome.

    {{{user_0.password | "Password"}}}

    Anda juga dapat menemukan Password di panel Lab setup and access.

  6. Klik Next.

    Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Penggunaan akun Google Cloud sendiri untuk lab ini mungkin dikenai biaya tambahan.
  7. Klik untuk melanjutkan ke halaman berikutnya:

    • Setujui persyaratan dan ketentuan.
    • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
    • Jangan daftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search. Ikon Navigation menu dan kolom Search

Mengaktifkan Cloud Shell

Cloud Shell adalah mesin virtual yang dilengkapi dengan berbagai alat pengembangan. Mesin virtual ini menawarkan direktori beranda persisten berkapasitas 5 GB dan berjalan di Google Cloud. Cloud Shell menyediakan akses command-line untuk resource Google Cloud Anda.

  1. Klik Activate Cloud Shell Ikon Activate Cloud Shell di bagian atas Konsol Google Cloud.

  2. Klik jendela berikut:

    • Lanjutkan melalui jendela informasi Cloud Shell.
    • Beri otorisasi ke Cloud Shell untuk menggunakan kredensial Anda guna melakukan panggilan Google Cloud API.

Setelah terhubung, Anda sudah diautentikasi, dan project ditetapkan ke Project_ID, . Output berisi baris yang mendeklarasikan Project_ID untuk sesi ini:

Project Cloud Platform Anda dalam sesi ini disetel ke {{{project_0.project_id | "PROJECT_ID"}}}

gcloud adalah alat command line untuk Google Cloud. Alat ini sudah terinstal di Cloud Shell dan mendukung pelengkapan command line.

  1. (Opsional) Anda dapat menampilkan daftar nama akun yang aktif dengan perintah ini:
gcloud auth list
  1. Klik Authorize.

Output:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} Untuk menetapkan akun aktif, jalankan: $ gcloud config set account `ACCOUNT`
  1. (Opsional) Anda dapat menampilkan daftar ID project dengan perintah ini:
gcloud config list project

Output:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Catatan: Untuk mendapatkan dokumentasi gcloud yang lengkap di Google Cloud, baca panduan ringkasan gcloud CLI.

Instance Spanner

Agar Anda dapat menyelesaikan lab ini lebih cepat, instance, database, dan tabel Spanner telah dibuat secara otomatis untuk Anda.

Berikut beberapa detail untuk referensi Anda:

Item Nama Detail
Instance Spanner banking-ops-instance Ini adalah instance level project
Database Spanner banking-ops-db Ini adalah database yang spesifik per instance
Tabel Portofolio Berisi penawaran bank tingkat atas
Tabel Kategori Berisi pengelompokan penawaran bank tingkat kedua
Tabel Produk Berisi penawaran bank item baris tertentu
Tabel Kampanye Berisi detail tentang inisiatif marketing

Tugas 1. Memuat data ke dalam tabel

banking-ops-db dibuat dengan tabel kosong. Ikuti langkah-langkah di bawah ini untuk memuat data ke tiga tabel (Portfolio, Category, dan Product).

  1. Dari Konsol Cloud, buka menu navigasi (console_nav_small.png), lalu klik Databases > Spanner.

  2. Nama instance-nya adalah banking-ops-instance, klik nama tersebut untuk menjelajahi database.

  3. Database terkait diberi nama banking-ops-db. Klik nama set data, scroll ke bawah ke Tables, dan Anda akan melihat ada empat tabel yang sudah ada.

  4. Di panel kiri Konsol, klik Spanner Studio. Kemudian, klik + New SQL Editor Tab untuk membuka editor SQL baru.

  5. Editor SQL baru akan terbuka. Tempelkan pernyataan penyisipan di bawah sebagai satu blok untuk memuat tabel Portfolio. Spanner akan mengeksekusi setiap perintah secara berurutan. Klik Run untuk menjalankan pernyataan:

INSERT INTO Portfolio (PortfolioId, Name, ShortName, PortfolioInfo) VALUES (1, 'Banking', 'Bnkg', 'All Banking Business'), (2, 'Asset Growth', 'AsstGrwth', 'All Asset Focused Products'), (3, 'Insurance', 'Ins', 'All Insurance Focused Products');
  1. Panel Results menampilkan status setiap pernyataan. Tanda centang hijau menunjukkan bahwa pernyataan berhasil diselesaikan. Tabel Portfolio sekarang memiliki tiga baris.

  2. Klik Clear di bagian atas halaman.

  3. Tempelkan pernyataan INSERT di bawah untuk memuat tabel Category. Klik Run:

INSERT INTO Category (CategoryId, PortfolioId, CategoryName) VALUES (1, 1, 'Cash'), (2, 2, 'Investments - Short Return'), (3, 2, 'Annuities'), (4, 3, 'Life Insurance');
  1. Panel Results menampilkan status operasi INSERT. Tanda centang hijau menunjukkan bahwa pernyataan berhasil diselesaikan. Tabel Category sekarang memiliki empat baris.

  2. Klik Clear di bagian atas halaman.

  3. Tempelkan pernyataan INSERT di bawah untuk memuat tabel Product, lalu klik Run:

INSERT INTO Product (ProductId, CategoryId, PortfolioId, ProductName, ProductAssetCode, ProductClass) VALUES (1, 1, 1, 'Checking Account', 'ChkAcct', 'Banking LOB'), (2, 2, 2, 'Mutual Fund Consumer Goods', 'MFundCG', 'Investment LOB'), (3, 3, 2, 'Annuity Early Retirement', 'AnnuFixed', 'Investment LOB'), (4, 4, 3, 'Term Life Insurance', 'TermLife', 'Insurance LOB'), (5, 1, 1, 'Savings Account', 'SavAcct', 'Banking LOB'), (6, 1, 1, 'Personal Loan', 'PersLn', 'Banking LOB'), (7, 1, 1, 'Auto Loan', 'AutLn', 'Banking LOB'), (8, 4, 3, 'Permanent Life Insurance', 'PermLife', 'Insurance LOB'), (9, 2, 2, 'US Savings Bonds', 'USSavBond', 'Investment LOB');
  1. Panel Results menampilkan status operasi INSERT. Tanda centang hijau menunjukkan bahwa pernyataan berhasil diselesaikan. Tabel Product sekarang memiliki sembilan baris.

  2. Klik Periksa progres saya untuk memverifikasi tujuan.

Memuat Data ke dalam Tabel Portofolio, Kategori, dan Produk

Tugas 2. Menggunakan kode library klien Python bawaan untuk memuat data

Anda akan menggunakan library klien yang ditulis dalam Python untuk beberapa langkah berikutnya.

  1. Buka Cloud Shell dan tempel perintah di bawah untuk membuat dan beralih ke direktori baru untuk menyimpan file yang diperlukan.
mkdir python-helper cd python-helper
  1. Selanjutnya, download dua file. Satu digunakan untuk menyiapkan lingkungan. Yang satu lagi adalah kode lab.
wget https://storage.googleapis.com/cloud-training/OCBL373/requirements.txt wget https://storage.googleapis.com/cloud-training/OCBL373/snippets.py
  1. Buat lingkungan Python yang terisolasi dan instal dependensi untuk klien Spanner.
pip install -r requirements.txt pip install setuptools
  1. File snippets.py berisi beberapa fungsi DDL, DML, dan DCL Spanner yang akan Anda gunakan sebagai kode helper selama lab ini. Jalankan snippets.py dengan argumen insert_data untuk mengisi tabel Campaigns.
python snippets.py banking-ops-instance --database-id banking-ops-db insert_data
  1. Klik Periksa progres saya untuk memverifikasi tujuan.
Memuat Data ke dalam Tabel Kampanye

Tugas 3. Mengkueri data dengan library klien

Fungsi query_data() di snippets.py dapat digunakan untuk mengkueri database Anda. Pada langkah ini, Anda akan menggunakannya untuk mengonfirmasi bahwa data telah dimuat ke dalam tabel Campaigns. Anda tidak perlu mengubah kode; fungsi ini ditampilkan di sini sebagai referensi.

def query_data(instance_id, database_id): """Queries sample data from the database using SQL.""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.snapshot() as snapshot: results = snapshot.execute_sql( """ SELECT CampaignId, PortfolioId, CampaignStartDate, CampaignEndDate, CampaignName, CampaignBudget FROM Campaigns """ ) for row in results: print( "CampaignId: {}, PortfolioId: {}, CampaignStartDate: {}, " "CampaignEndDate: {}, CampaignName: {}, CampaignBudget: {}".format(*row) )
  1. Jalankan snippets.py menggunakan argumen query_data untuk mengkueri tabel Campaigns.
python snippets.py banking-ops-instance --database-id banking-ops-db query_data

Halaman akan terlihat seperti berikut

CampaignId: 1, PortfolioId: 1, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: New Account Reward, CampaignBudget: 15000 CampaignId: 2, PortfolioId: 2, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: Intro to Investments, CampaignBudget: 5000 CampaignId: 3, PortfolioId: 2, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: Youth Checking Accounts, CampaignBudget: 25000 CampaignId: 4, PortfolioId: 3, CampaignStartDate: 2026-07-23, CampaignEndDate: 2026-07-23, CampaignName: Protect Your Family, CampaignBudget: 10000

Tugas 4. Memperbarui skema database

Sebagai bagian dari tanggung jawab DBA, Anda diwajibkan untuk menambahkan kolom baru bernama MarketingBudget ke tabel Category. Menambahkan kolom baru ke tabel yang ada memerlukan pembaruan pada skema database Anda. Spanner mendukung pembaruan skema ke database saat database terus melayani traffic. Pembaruan skema tidak memerlukan penghentian database dan tidak mengunci seluruh tabel atau kolom; Anda dapat terus membaca dan menulis data ke database selama pembaruan skema.

Menambahkan kolom menggunakan Python

Metode update_ddl() dari class Database digunakan untuk memodifikasi skema.

Gunakan fungsi add_column() di snippets.py, yang menggunakan metode ini. Anda tidak perlu mengubah kode; fungsi ini ditampilkan di sini sebagai referensi.

def add_column(instance_id, database_id): """Adds a new column to the Category table.""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) operation = database.update_ddl( [ "ALTER TABLE Category ADD COLUMN MarketingBudget INT64" ] ) print("Waiting for operation to complete...") operation.result(OPERATION_TIMEOUT_SECONDS) print("Added the MarketingBudget column.")
  1. Jalankan snippets.py menggunakan argumen add_column.
python snippets.py banking-ops-instance --database-id banking-ops-db add_column
  1. Klik Periksa progres saya untuk memverifikasi tujuan.
Menambahkan kolom ke tabel Category

Opsi lain untuk menambahkan kolom ke tabel yang ada meliputi:

Mengeluarkan perintah DDL melalui gcloud CLI.

Catatan: Opsi ini ditampilkan sebagai contoh alternatif. Jangan keluarkan perintah ini.

Contoh kode di bawah ini menyelesaikan tugas yang sama seperti yang baru saja Anda jalankan melalui Python.

Spanner databases ddl update banking-ops-db --instance=banking-ops-instance --ddl='ALTER TABLE Category ADD COLUMN MarketingBudget INT64;'

Mengeluarkan perintah DDL di Konsol Cloud.

Catatan: Opsi ini ditampilkan sebagai contoh alternatif. Jangan lakukan tindakan ini.
  1. Klik nama tabel di daftar Database.
  2. Klik Write DDL di pojok kanan atas halaman.
  3. Tempelkan DDL yang sesuai di kotak DDL Templates.
  4. Klik Kirim.

AddColumnUI.png

Menulis data ke kolom baru

Kode berikut menulis data ke kolom baru. Kode ini menetapkan MarketingBudget ke 100000 untuk baris dengan CategoryId 1 dan PortfolioId 1, serta ke 500000 untuk baris dengan CategoryId 3 dan PortfolioId 2. Anda tidak akan mengubah kode apa pun. Bagian ini ditampilkan di sini sebagai referensi Anda.

def update_data(instance_id, database_id): """Updates sample data in the database. This updates the `MarketingBudget` column, which must be created before running this sample. You can add the column by running the `add_column` sample or by running this DDL statement against your database. """ spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.batch() as batch: batch.update( table="Category", columns=("CategoryId", "PortfolioId", "MarketingBudget"), values=[ (1, 1, 100000), (3, 2, 500000), ], ) print("Updated data.")
  1. Jalankan snippets.py menggunakan argumen update_data.
python snippets.py banking-ops-instance --database-id banking-ops-db update_data
  1. Buat kueri tabel lagi untuk melihat pembaruan. Jalankan snippets.py menggunakan argumen query_data_with_new_column.
python snippets.py banking-ops-instance --database-id banking-ops-db query_data_with_new_column

Hasilnya adalah:

CategoryId: 1, PortfolioId: 1, MarketingBudget: 100000 CategoryId: 2, PortfolioId: 2, MarketingBudget: None CategoryId: 3, PortfolioId: 2, MarketingBudget: 500000 CategoryId: 4, PortfolioId: 3, MarketingBudget: None

Tugas 5. Menambahkan Indeks Sekunder

Misalkan Anda ingin mengambil semua baris Categories yang memiliki nilai CategoryNames dalam rentang tertentu. Anda dapat membaca semua nilai dari kolom CategoryName menggunakan pernyataan SQL atau panggilan baca, lalu menghapus baris yang tidak memenuhi kriteria. Namun, melakukan pemindaian tabel penuh ini mahal, terutama untuk tabel dengan banyak baris. Sebagai gantinya, Anda dapat mempercepat pengambilan baris saat melakukan penelusuran berdasarkan kolom kunci non-primer dengan membuat indeks sekunder pada tabel.

Menambahkan indeks sekunder ke tabel yang ada memerlukan pembaruan skema. Seperti pembaruan skema lainnya, Spanner mendukung penambahan indeks saat database terus melayani traffic. Spanner mengisi indeks dengan data (juga dikenal sebagai "pengisian ulang") di balik layar. Pengisian ulang mungkin memerlukan waktu beberapa menit, tetapi Anda tidak perlu menghentikan database atau menghindari penulisan ke tabel atau kolom tertentu selama proses ini.

Menambahkan indeks sekunder menggunakan library klien Python

Gunakan metode add_index() untuk membuat indeks sekunder. Anda tidak akan mengubah kode apa pun. Bagian ini ditampilkan di sini sebagai referensi Anda.

def add_index(instance_id, database_id): """Adds a secondary index to the Category table.""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) operation = database.update_ddl( [ "CREATE INDEX CategoryByCategoryName " "ON Category(CategoryName)" ] ) print("Waiting for operation to complete...") operation.result(OPERATION_TIMEOUT_SECONDS) print("Added the CategoryByCategoryName index.")
  1. Jalankan snippets.py menggunakan argumen add_index.
python snippets.py banking-ops-instance --database-id banking-ops-db add_index
  1. Klik Periksa progres saya untuk memverifikasi tujuan.
Menambahkan indeks sekunder ke tabel Category

Membaca menggunakan indeks

Untuk membaca menggunakan indeks, panggil variasi metode read() dengan indeks yang disertakan. Anda tidak akan mengubah kode apa pun. Bagian ini ditampilkan di sini sebagai referensi Anda.

def read_data_with_index(instance_id, database_id): """Reads sample data from the database using an index.""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.snapshot() as snapshot: keyset = spanner.KeySet(all_=True) results = snapshot.read( table="Category", columns=("CategoryId", "CategoryName"), keyset=keyset, index="CategoryByCategoryName", ) for row in results: print("CategoryId: {}, CategoryName: {}".format(*row))
  1. Jalankan snippets.py menggunakan argumen read_data_with_index.
python snippets.py banking-ops-instance --database-id banking-ops-db read_data_with_index

Hasilnya akan terlihat seperti ini:

CategoryId: 3, CategoryName: Annuities CategoryId: 1, CategoryName: Cash CategoryId: 2, CategoryName: Investments - Short Return CategoryId: 4, CategoryName: Life Insurance

Menambahkan indeks dengan klausa STORING

Anda mungkin telah memperhatikan bahwa contoh pembacaan di atas tidak menyertakan pembacaan kolom MarketingBudget. Hal ini disebabkan oleh antarmuka baca Spanner yang tidak mendukung kemampuan untuk menggabungkan indeks dengan tabel data guna mencari nilai yang tidak disimpan dalam indeks.

Untuk melewati batasan ini, buat definisi alternatif indeks CategoryByCategoryName yang menyimpan salinan MarketingBudget di indeks.

Gunakan metode update_ddl() dari class Database untuk menambahkan indeks dengan klausa STORING. Anda tidak akan mengubah kode apa pun. Bagian ini ditampilkan di sini sebagai referensi Anda.

def add_storing_index(instance_id, database_id): """Adds a storing index to the example database.""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) operation = database.update_ddl( [ "CREATE INDEX CategoryByCategoryName2 ON Category(CategoryName)" "STORING (MarketingBudget)" ] ) print("Waiting for operation to complete...") operation.result(OPERATION_TIMEOUT_SECONDS) print("Added the CategoryByCategoryName2 index.")
  1. Jalankan snippets.py menggunakan argumen add_storing_index.
python snippets.py banking-ops-instance --database-id banking-ops-db add_storing_index

Sekarang Anda dapat menjalankan pembacaan yang mengambil kolom CategoryId, CategoryName, dan MarketingBudget saat menggunakan indeks CategoryByCategoryName2. Anda tidak akan mengubah kode apa pun. Bagian ini ditampilkan di sini sebagai referensi Anda.

def read_data_with_storing_index(instance_id, database_id): """Reads sample data using an index with a storing clause.""" spanner_client = spanner.Client() instance = spanner_client.instance(instance_id) database = instance.database(database_id) with database.snapshot() as snapshot: keyset = spanner.KeySet(all_=True) results = snapshot.read( table="Category", columns=("CategoryId", "CategoryName", "MarketingBudget"), keyset=keyset, index="CategoryByCategoryName2", ) for row in results: print( "CategoryId: {}, CategoryName: {}, MarketingBudget: {}".format( *row ) )
  1. Jalankan snippets.py menggunakan argumen read_data_with_storing_index.
python snippets.py banking-ops-instance --database-id banking-ops-db read_data_with_storing_index

Hasilnya adalah

CategoryNameId: 3, CategoryName: Annuities, MarketingBudget: 500000 CategoryNameId: 1, CategoryName: Cash, MarketingBudget: 100000 CategoryNameId: 2, CategoryName: Investments - Short Return, MarketingBudget: None CategoryNameId: 4, CategoryName: Life Insurance, MarketingBudget: None

Tugas 6. Memeriksa Rencana kueri

Di bagian ini, Anda akan mempelajari Rencana Kueri Spanner.

  1. Kembali ke Konsol Google Cloud. Spanner Studio seharusnya masih terbuka. Hapus SQL yang ada di editor, tempel kueri berikut, lalu klik Run.
SELECT Name, ShortName, CategoryName FROM Portfolio INNER JOIN Category ON Portfolio.PortfolioId = Category.PortfolioId;
  1. Hasilnya akan terlihat seperti ini:

PlanQuery.png

Proses Kueri

Kueri SQL di Spanner pertama-tama dikompilasi menjadi rencana eksekusi, lalu dikirim ke server root awal untuk dieksekusi. Server root dipilih untuk meminimalkan jumlah hop untuk mencapai data yang dikueri. Server root kemudian:

  • Memulai eksekusi sub-rencana jarak jauh (jika diperlukan)
  • Menunggu hasil dari eksekusi jarak jauh
  • Menangani langkah eksekusi lokal yang tersisa seperti mengagregasi hasil
  • Menampilkan hasil untuk kueri

Server jarak jauh yang menerima sub-rencana bertindak sebagai server "root" untuk sub-rencana mereka, mengikuti model yang sama dengan server root teratas. Hasilnya adalah hierarki eksekusi jarak jauh. Secara konseptual, alur eksekusi kueri berjalan dari atas ke bawah, dan hasil kueri ditampilkan dari bawah ke atas. Diagram berikut menunjukkan pola ini:

SPNPlan.png

Kueri Gabungan

Sekarang, mari kita lihat rencana kueri untuk kueri gabungan.

  1. Di Spanner Studio, hapus SQL yang ada dari editor, tempel kueri berikut, lalu klik Run.
SELECT pr.ProductId, COUNT(*) AS ProductCount FROM Product AS pr WHERE pr.ProductId < 100 GROUP BY pr.ProductId;
  1. Setelah kueri selesai, klik tab Explanation di bawah isi kueri untuk memeriksa rencana kueri.

Spanner mengirimkan rencana eksekusi ke server root yang mengoordinasikan eksekusi kueri dan melakukan distribusi jarak jauh sub-rencana.

Rencana eksekusi ini dimulai dengan serialisasi yang mengurutkan semua nilai yang ditampilkan. Kemudian, rencana tersebut menyelesaikan operator gabungan hash awal untuk menghitung hasil awal. Kemudian, union terdistribusi dijalankan, yang mendistribusikan sub-rencana ke server jarak jauh yang pemisahannya memenuhi ProductId < 100. Union terdistribusi mengirimkan hasil ke operator agregat hash akhir. Operator gabungan melakukan agregasi COUNT berdasarkan ProductId dan menampilkan hasil ke operator hasil serialisasi. Terakhir, pemindaian dilakukan untuk mengurutkan hasil yang akan ditampilkan.

Hasilnya akan terlihat seperti ini:

SPNAggPlan.png

Tips:Untuk mendapatkan detail selengkapnya untuk setiap langkah dalam rencana kueri, klik salah satu operator dan sisi kanan layar akan berubah sesuai dengan operator yang dipilih.

SPNPlanDetail.png

Kueri gabungan yang ditempatkan bersama

Tabel yang disisipkan disimpan secara fisik dengan baris tabel terkait yang ditempatkan bersama. Penggabungan antara tabel yang disisipkan dikenal sebagai penggabungan yang ditempatkan bersama. Penggabungan yang ditempatkan bersama dapat menawarkan keunggulan performa dibandingkan penggabungan yang memerlukan indeks atau penggabungan kembali.

  1. Di Spanner Studio, hapus SQL yang ada dari editor, tempel kueri berikut, lalu klik Run.
SELECT c.CategoryName, pr.ProductName FROM Category AS c, Product AS pr WHERE c.PortfolioId = pr.PortfolioId AND c.CategoryId = pr.CategoryId;
  1. Setelah kueri selesai, klik tab Explanation di bawah isi kueri untuk memeriksa rencana kueri.

Rencana eksekusi ini dimulai dengan union terdistribusi, yang mendistribusikan sub-rencana ke server jarak jauh yang memiliki pemisahan tabel Category. Karena Product adalah tabel yang disisipkan dari Category, setiap server jarak jauh dapat menjalankan seluruh sub-rencana di setiap server jarak jauh tanpa memerlukan penggabungan ke server lain.

Sub-rencana berisi cross apply. Setiap cross apply melakukan pemindaian tabel pada tabel Category untuk mengambil PortfolioId, CategoryId, dan CategoryName. Cross apply kemudian memetakan output dari pemindaian tabel ke output dari pemindaian indeks pada indeks CategoryByCategoryName, yang dapat terkena filter PortfolioId dalam indeks yang cocok dengan PortfolioId dari output pemindaian tabel. Setiap cross apply mengirimkan hasilnya ke operator serialize result yang melakukan serialisasi pada data CategoryName dan ProductName serta mengembalikan hasil ke union terdistribusi lokal. Union terdistribusi mengagregasi hasil dari union terdistribusi lokal dan menampilkannya sebagai hasil kueri.

SPNColocated.png

Selamat!

Anda kini memiliki pemahaman yang solid tentang fitur terkait skema Spanner serta metode yang digunakan Spanner untuk membuat rencana kueri.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 23 Juli 2026

Lab Terakhir Diuji pada 23 Juli 2026

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.

Sebelum memulai

  1. Lab membuat project dan resource Google Cloud untuk jangka waktu tertentu
  2. Lab memiliki batas waktu dan tidak memiliki fitur jeda. Jika lab diakhiri, Anda harus memulainya lagi dari awal.
  3. Di kiri atas layar, klik Start lab untuk memulai

Gunakan penjelajahan rahasia

  1. Salin Nama Pengguna dan Sandi yang diberikan untuk lab tersebut
  2. Klik Open console dalam mode pribadi

Login ke Konsol

  1. Login menggunakan kredensial lab Anda. Menggunakan kredensial lain mungkin menyebabkan error atau dikenai biaya.
  2. Setujui persyaratan, dan lewati halaman resource pemulihan
  3. Jangan klik End lab kecuali jika Anda sudah menyelesaikan lab atau ingin mengulanginya, karena tindakan ini akan menghapus pekerjaan Anda dan menghapus project

Konten ini tidak tersedia untuk saat ini

Kami dapat memberi tahu Anda melalui email saat konten tersedia

Bagus!

Kami dapat menghubungi Anda melalui email saat konten tersedia

Satu lab dalam satu waktu

Konfirmasi untuk mengakhiri semua lab yang ada dan memulai lab ini

Gunakan penjelajahan rahasia untuk menjalankan lab

Menggunakan jendela Samaran atau browser pribadi adalah cara terbaik untuk menjalankan lab ini. Langkah ini akan mencegah konflik antara akun pribadi Anda dan akun Siswa, yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.