Seminar Google Cloud Exitstrategie – Datenbanken und Datenplattformen

Überblick

Daten sind der härteste Teil eines Cloud-Exits. Anwendungen lassen sich neu deployen, Daten müssen vollständig, konsistent, nachvollziehbar und nutzbar am Ziel ankommen. Dieses Seminar behandelt den Exit aus Google Cloud Datenbanken und Datenplattformen mit Blick auf technische Verfahren, Datenmodelle, Validierung und Betriebsübergabe.

Lernziele

• Bewertung von Datenbeständen nach Systemtyp, Kritikalität, Volumen, Konsistenzanforderung und Migrationsfenster.
• Planung von Export, Replikation, Synchronisation, Transformation und Validierung für strukturierte und semi-strukturierte Daten.
• Einordnung von Cloud SQL, BigQuery, Firestore, Spanner, Memorystore und datengetriebenen Workloads in eine Exit-Roadmap.
• Auswahl geeigneter Zielsysteme und Zielarchitekturen für relationale Datenbanken, Data Warehouses, NoSQL und Eventdaten.
• Definition von fachlichen und technischen Abnahmekriterien für Datenmigrationen.

Zielgruppe

Geeignet für Datenbankadministratoren, Data Engineers, Data-Platform-Teams, Cloud-Architekten, BI-Teams, Applikationsverantwortliche und technische Migrationsleitungen.

Voraussetzungen

Erforderlich sind solide Grundlagen zu Datenbanken und Datenmodellen. Praktische Erfahrung mit SQL, Datensicherung, Datenexport oder Datenpipelines erleichtert die Übungen.

Inhalte

• Dateninventur: Instanzen, Datenbanken, Datasets, Tabellen, Buckets, Streams, Jobs, Service Accounts, Schlüssel und Berechtigungen.
• Cloud SQL Exit: Dumps, logische Exporte, Replikationsszenarien, Downtime-Planung, Zeichensätze, Extensions und Zielkompatibilität.
• BigQuery Exit: Dataset-Analyse, Exportformate, Partitionierung, Tabellenextraktion, Views, Jobs, SQL-Abhängigkeiten und Kostenkontrolle.
• Firestore und NoSQL: Dokumentstrukturen, Indexe, Exportstrategien, Datenmodelltransformation und Zielsystemgrenzen.
• Spanner und verteilte Datenmodelle: Konsistenz, Schlüsselstrukturen, globale Verteilung, Transaktionsmuster und Zielarchitektur.
• Datenpipelines mit Dataflow, Pub/Sub, Scheduler, Composer oder eigenen Jobs als Migrations- und Exit-Abhängigkeit.
• Validierung: Row Counts, Checksummen, Stichproben, fachliche Summen, Referenzintegrität, Zeitreihenvergleich und Wiederholbarkeit.
• Cutover-Muster: Big Bang, inkrementelle Migration, Dual Write, Read-Only-Fenster, Freeze-Phase und finaler Delta-Abgleich.
• Datenschutz, Aufbewahrung, Löschung, Verschlüsselung und Nachweise nach Abzug aus Google Cloud.

Praxisübungen

• Klassifizierung einer Datenlandschaft mit Cloud SQL, BigQuery und Firestore.
• Entwurf eines Export- und Validierungskonzepts für ein Data-Warehouse-Szenario.
• Planung eines Cutovers mit minimaler Downtime für eine relationale Datenbank.
• Erstellung einer Checkliste für Datenabnahme, Löschkonzept und Betriebsübergabe.

Nutzen im Projekt

Nach dem Seminar können Datenmigrationen realistisch geplant und gegen typische Risiken abgesichert werden: unvollständige Exporte, nicht dokumentierte Views, vergessene Jobs, falsche Zeichensätze, fehlende Schlüssel und die klassische Überraschung, dass ein Bericht doch noch nachts um drei läuft.