انتقال از نسخه Standard به نسخه Enterprise

برای انتقال داده‌ها از پایگاه داده Firestore Standard edition به پایگاه داده Firestore Enterprise edition، توصیه می‌کنیم از یکی از گزینه‌های زیر استفاده کنید:

  • ویژگی‌های وارد کردن و صادر کردن. فایل‌های داده حاصل از عملیات وارد کردن با هر دو نسخه Enterprise و Standard سازگار است.

  • الگوی firestore-to-firestore Dataflow. سرویس Dataflow به شما امکان می‌دهد خطوط لوله داده بسازید و الگوی firestore-to-firestore یک خط لوله دسته‌ای بین پایگاه‌های داده Cloud Firestore ایجاد می‌کند.

وارد کردن و صادر کردن گزینه ساده‌تری برای اجرا با گزینه‌های پیکربندی کمتر است.

الگوی Dataflow سفارشی‌سازی بیشتری دارد. می‌توانید کد الگو را گسترش دهید تا انتقال جزئی انجام دهید یا داده‌ها را تبدیل کنید. همچنین می‌توانید تعداد و اندازه کارگران را کنترل کنید.

هر دو گزینه از انتقال در پروژه‌ها و مناطق پشتیبانی می‌کنند.

انتقال داده‌ها با صادر کردن و وارد کردن

برای انتقال داده‌ها با عملیات صادر کردن و وارد کردن، به صادر کردن و وارد کردن داده‌ها مراجعه کنید. برای انتقال داده‌ها به پایگاه داده در پروژه‌ای دیگر، انتقال داده‌ها بین پروژه‌ها را ببینید.

انتقال داده‌ها با الگوی Dataflow

برای انتقال داده‌ها با الگو firestore-to-firestore Dataflow از دستورالعمل‌های زیر استفاده کنید.

قبل از شروع

  1. قبل‌از شروع انتقال داده، مطمئن شوید که بازیابی نقطه‌زمانی (PITR) در پایگاه داده منبع فعال باشد. کار Dataflow از PITR برای خواندن داده‌ها در مُهر زمان PITR استفاده می‌کند. اگر PITR غیرفعال باشد، اگر کار بیشتر از یک ساعت طول بکشد، ناموفق می‌شود.

  2. برای استفاده از این الگو، میانای برنامه‌سازی کاربردی datastore.googleapis.com باید فعال باشد.

  3. نقش‌های لازم را که در بخش بعدی شرح داده شده است اختصاص دهید.

نقش‌های الزامی

برای انتقال داده‌ها از یک پایگاه داده به پایگاه داده دیگر، نقش‌های زیر را اختصاص دهید. همچنین ممکن است بتوانید ازطریق نقش‌های سفارشی یا نقش‌های ازپیش تعریف‌شده دیگر، اجازه‌های لازم را دریافت کنید:

  1. برای دریافت اجازه‌های لازم برای ایجاد پایگاه داده جدید و دسترسی به داده‌های Cloud Firestore، از سرپرستتان بخواهید نقش «مدیریت هویت و دسترسی» (IAM) مالک Cloud Datastore (roles/datastore.owner) را در پروژه‌تان به شما اعطا کند.
  2. برای دادن دسترسی خواندن و نوشتن به کار Dataflow در پایگاه‌های داده Cloud Firestore، نقش IAM «کاربر Cloud Datastore» (roles/datastore.user) را در پروژه‌تان به حساب خدماتی کارگر Dataflow (برای مثال، PROJECT_NUMBER-compute@) اختصاص دهید.

    برای اطلاعات بیشتر درباره امنیت Dataflow، امنیت و اجازه‌های Dataflow را ببینید.

برای اطلاعات بیشتر درباره اعطای نقش‌های IAM، مدیریت دسترسی به پروژه‌ها، پوشه‌ها، و سازمان‌ها را ببینید.

۱. ایجاد پایگاه داده جدید Firestore Enterprise edition

برای انتقال داده‌ها از پایگاه داده نسخه Standard به پایگاه داده نسخه Enterprise، ابتدا باید پایگاه داده مقصد نسخه Enterprise را ایجاد کنید. ایجاد پایگاه داده را ببینید.

۲. اجرای الگوی Dataflow firestore-to-firestore

کار Dataflow را با الگوی firestore-to-firestore پیکربندی و اجرا کنید. این الگوها از انتقال کل پایگاه داده یا فقط گروه‌های مجموعه مشخص‌شده پشتیبانی می‌کنند.

محدودیت‌ها

محدودیت‌های زیر را برای الگوی firestore-to-firestore Dataflow درنظر بگیرید:

  • پایگاه داده منبع باید پایگاه داده نسخه Standard باشد.
  • انتقال داده‌ها را در زمان خواندن خاصی می‌خواند. پیشنهاد می‌کنیم بازیابی نقطه‌زمانی (PITR) را در پایگاه داده منبع فعال کنید. اگر PITR فعال نباشد، داده‌ها پس‌از یک ساعت منقضی می‌شوند و این زمان ممکن است برای تکمیل انتقال داده کافی نباشد. «بازیابی نقطه‌زمانی» حفظ داده‌ها را به هفت روز افزایش می‌دهد.
  • نمایه‌ها منتقل نمی‌شوند.
  • کار Dataflow پیکربندی‌های پایگاه داده مانند خط‌مشی‌های زمان بقا (TTL)، پشتیبان‌گیری‌ها، PITR، و کلیدهای رمزگذاری مدیریت‌شده توسط مشتری (CMEK) را منتقل نمی‌کند.

    باید این تنظیمات را در پایگاه داده جدید پیکربندی کنید. برای بهبود سرعت انتقال داده، تا پس‌از انتقال صبر کنید و سپس TTL، پشتیبان‌گیری‌ها، و PITR را در پایگاه داده مقصد پیکربندی کنید.

مثال‌های زیر نحوه اجرای الگو را بااستفاده از Google Cloud CLI نشان می‌دهد.

انتقال همه داده‌ها

برای انتقال همه داده‌ها، از فرمان زیر استفاده کنید:

gcloud dataflow flex-template run "JOB_NAME" \
  --project "PROJECT" \
  --template-file-gcs-location gs://dataflow-templates-REGION_NAME/VERSION/flex/Cloud_Firestore_to_Firestore \
  --region REGION_NAME \
  --parameters "sourceProjectId=SOURCE_PROJECT_ID" \
  --parameters "sourceDatabaseId=SOURCE_DATABASE_ID" \
  --parameters "destinationProjectId=DESTINATION_PROJECT_ID" \
  --parameters "destinationDatabaseId=DESTINATION_DATABASE_ID" \
  --parameters "readTime=READ_TIME"

موارد زیر را جایگزین کنید:

  • ‫JOB_NAME: نامی برای کار.
  • ‫PROJECT: شناسه پروژه Google Cloud شما.
  • REGION_NAME: Google Cloud مکانی که می‌خواهید کار Dataflow در آن اجرا شود. از مکانی استفاده کنید که نزدیک پایگاه‌های داده‌تان باشد.
  • ‫VERSION: نسخه الگویی که می‌خواهید استفاده کنید. می‌توانید از مقادیر زیر استفاده کنید:

    • latest برای استفاده از جدیدترین نسخه الگو، که در پوشه اصلی بدون تاریخ در سطل دردسترس است— gs://dataflow-templates-REGION_NAME/latest/
    • نام نسخه، مانند 2023-09-12-00_RC00، برای استفاده از نسخه خاصی از الگو، که می‌توان آن را در پوشه والد تاریخ‌دار مربوطه در سطل پیدا کرد— gs://dataflow-templates-REGION_NAME/
  • SOURCE_PROJECT_ID: شناسه پروژه منبع Google Cloud که حاوی پایگاه داده Firestore Standard edition است.

  • SOURCE_DATABASE_ID: شناسه پایگاه داده Cloud Firestore منبع.

  • DESTINATION_PROJECT_ID: شناسه پروژه مقصد Google Cloud برای پایگاه داده جدید Cloud Firestore.

  • DESTINATION_DATABASE_ID: شناسه پایگاه داده Cloud Firestore مقصد.

  • ‫READ_TIME: مُهر زمان برای خواندن داده‌ها از پایگاه داده منبع. روی مُهر زمان در قالب RFC 3339، با جزئیات دقیقه‌ای مثل 2026-05-15T16:31:00.00Z تنظیم شده است.

    اولین مُهر زمان معتبر به تنظیمات بازیابی نقطه‌زمانی (PITR) شما بستگی دارد. دریافت زمان قدیمی‌ترین نسخه را ببینید.

انتقال گروه‌های مجموعه مشخص‌شده

برای انتقال فقط گروه‌های مجموعه خاص، از فرمان زیر استفاده کنید:

gcloud dataflow jobs run "JOB_NAME" \
  --project "PROJECT" \
  --gcs-location gs://dataflow-templates-REGION_NAME/VERSION/Cloud_Firestore_to_Firestore \
  --region REGION_NAME \
  --parameters "sourceProjectId=SOURCE_PROJECT_ID" \
  --parameters "sourceDatabaseId=SOURCE_DATABASE_ID" \
  --parameters "collectionGroupIds=COLLECTION_GROUP_IDS" \
  --parameters "destinationProjectId=DESTINATION_PROJECT_ID" \
  --parameters "destinationDatabaseId=DESTINATION_DATABASE_ID" \
  --parameters "readTime=READ_TIME"

موارد زیر را جایگزین کنید:

  • ‫JOB_NAME: نامی برای کار.
  • ‫PROJECT: شناسه پروژه Google Cloud شما.
  • REGION_NAME: Google Cloud مکانی که می‌خواهید کار Dataflow در آن اجرا شود. از مکانی استفاده کنید که نزدیک پایگاه‌های داده‌تان باشد.
  • ‫VERSION: نسخه الگویی که می‌خواهید استفاده کنید. می‌توانید از مقادیر زیر استفاده کنید:

    • latest برای استفاده از جدیدترین نسخه الگو، که در پوشه اصلی بدون تاریخ در سطل دردسترس است— gs://dataflow-templates-REGION_NAME/latest/
    • نام نسخه، مثل 2023-09-12-00_RC00، برای استفاده از نسخه خاصی از الگو که می‌توان آن را در پوشه اصلی تاریخ‌دار مربوطه در سطل پیدا کرد— gs://dataflow-templates-REGION_NAME/
  • SOURCE_PROJECT_ID: شناسه پروژه Google Cloud منبع که حاوی پایگاه داده نسخه Firestore Standard است.

  • SOURCE_DATABASE_ID: شناسه پایگاه داده Cloud Firestore منبع.

  • COLLECTION_GROUP_IDS: فهرست جداشده با کاما از شناسه‌های گروه مجموعه برای انتقال.

    زیرمجموعه‌ها به‌صورت بازگشتی اضافه نمی‌شوند. برای مثال، اگر گروه مجموعه users را مشخص کنید، انتقال شامل زیرمجموعه messages در /users/userid/messages نخواهد بود، مگراینکه گروه مجموعه messages را نیز مشخص کنید.

  • DESTINATION_PROJECT_ID: شناسه پروژه مقصد Google Cloud برای پایگاه داده جدید Cloud Firestore.

  • DESTINATION_DATABASE_ID: شناسه پایگاه داده Cloud Firestore مقصد.

  • READ_TIME: مُهر زمان برای خواندن داده‌ها از پایگاه داده منبع. روی مُهر زمان در قالب RFC 3339 با جزئیات دقیقه‌ای مثل 2026-05-15T16:31:00.00Z تنظیم شده است.

    اولین مُهر زمان معتبر به تنظیمات بازیابی نقطه‌زمانی (PITR) شما بستگی دارد. دریافت زمان قدیمی‌ترین نسخه را ببینید.

۳. پیکربندی پایگاه داده

کار firestore-to-firestore فقط داده‌ها را انتقال می‌دهد. نمایه‌ها و سایر تنظیمات پایگاه داده منتقل نمی‌شوند. علاوه‌بر انتقال داده‌ها، پیکربندی موارد زیر را در پایگاه داده جدید درنظر بگیرید:

پس‌از پیکربندی پایگاه داده، می‌توانید به آزمایش برنامه‌تان با پایگاه داده جدید ادامه دهید. برای انتقال کامل، برنامه‌هایتان را به‌روز کنید تا از پایگاه داده جدید استفاده کنند.

عیب‌یابی

برای پایگاه‌های داده بزرگ، اگر کار به‌طور هم‌زمان داده‌های زیادی را بخواند، ممکن است ناموفق باشد. برای رسیدگی به این مشکل:

حالا چه می‌شود