## 场景一：实时同步异构数据库场景（MySQL到Oracle为例） ### 一、核心流程 1\. 创建数据源 & 目的地 2\. 任务设置 3\. 读取设置 4\. 写入设置 5\. 管理数据任务 ### 二、 创建数据源 * 单个数据任务只允许选择一个数据库类型作为数据源 * 关系型数据库目前支持「MySQL」、「Oralce」、「SQL Server」、「PostgreSQL」作为数据源。 详情见：[配置数据源](配置数据源.md) ### 三、创建数据目的地 * 单个数据任务允许选择多个数据库作为数据目的地。 * 关系数据库目前支持「MySQL」、「Oralce」、「SQL Server」、「AnalyticDB for PostgreSQL」、「TiDB」 详情见：[配置数据目的地](如何配置数据目的地.md) ### 四、任务设置 * 确定读取端和写入端数据库后，点击「下一步」，进入任务设置。 * 如该任务为重要数据任务，您可在任务设置页面设置重要任务星标。 * 用户需要设置：参与人、数据源设置、数据目的地设置、其他设置 * 参与人设置 * 「参与人」拥有该任务的浏览和编辑权限，并且会在通知中心收到该数据任务的所有通知，包含： * 操作记录； * 数据任务错误信息； * 错误队列信息。 * 数据源变化设置 * 设置当前任务数据源使用资源组，通过合理分配任务与资源组，可使重要任务计算资源得到保障。 * 设置读取方式，以MySQL数据库为例，会提供两种读取方式：Binlog（实时模式） & 批量读取 * Binlog * 可达到秒级别读取MySQL实时数据。 * 若发现无法勾选Binlog读取模式（或其他数据库实时模式），请查看[Binlog配置方法](mysql-binlog-config.md) （其他数据库实时模式也可点击查看） * 读取起点默认为「激活任务为起点」，指任务激活后数据源产生数据会根据Binlog解析视为同步对象。 * 若用户需要从历史Binlog位置开始读取，则可以选择「自定义」，并完成输入Binlog Postion（必填）、Binlog文件名称（必填）、GTID（选填）。 * 若用户在同步Binlog实时同步数据前要迁移该数据库存量数据，可开启「存量数据读取」。激活任务后系统将通过SELECT \* FROM table\_name方式（读取设置步骤可以添加WHERE语句）读取存量数据，完成存量数据同步后再进行Binlog读取模式。 * 读取并发数量 * 读取并发数量是指该任务从数据源中并行读取表的数量，默认为5。 * 具体读取并发数量要根据数据源可接受请求量决定。 * 详细策略：并发数量代表着并行读取表的数量，当表读取完毕时系统会释放掉该线程，其他的表可继续抢占该线程进程数据的读取。任务暂停后又重启所有的表会重新抢占线程，系统会按照断点续传的方式继续同步新增数据。 * 读取速率限制 * 当用户设置读取速率限制，系统平均读取速率将不会超过该数值。 * 可按流量或行数作为限制条件。 * 用户能够不选、单选或多选，若同时勾选，两种限制将同时应用。 * 勾选后即可激活对应的速率限制，请输入正整数； * 数据源高级设置包含： * 传输队列最大缓存值 * 任务开始读取数据后，单个任务默认缓存10GB数据（读写数据量差），用户可自定义。 * 读写数据量差达到10GB（最大缓存值时），根据先进先出的原则，旧数据将会被回收。 * 当任务数据读写速率失衡，读写数据量差大于10GB（最大缓存值）时，将会出现部分数据被回收，未能成功写入数据目的地的情况。 * 传输队列回收时间 * 任务开始读取数据后，单个任务默认缓存3天数据，用户可自定义。 * 缓存数据达到回收时间，旧数据将会被回收。 * 当任务数据读写速率失衡，超过回收时间的数据尚未被写入到目的地，将会出现部分数据被回收，未能成功写入数据目的地的情况。 * 数据任务动态限速 * 开启后该数据任务读写数据量差达到「最大缓存值」，任务将会暂停数据读取工作。当实际缓存数据量小于「最大缓存值」时会重新开始读取数据。 * 可根据用户情况自定义「检查频率」 * 读取端事务一致性 * 用户「关闭」该选项，DataPipeline 从数据源读取数据后，将会立即写入到目的地。 * 用户「开启」该选项，DataPipeline 从数据源读取数据后，系统定期记录读取的进度，数据对应的进度被成功记录了，才会被允许写入到目的地。以此来保证系统出现重启或者rebalance的情况时，根据系统明确的标记信息来保证目的地数据的一致性。 * 数据目的地设置 * 数据目的地资源组设置，设置当前任务读取端使用资源组，通过合理分配任务与资源组，可使重要任务计算资源得到保障。 * 写入并发数量 * 基本逻辑与「读取并发数量」一致。写入并发数量是指该任务从数据源中并行写入表的数量，默认为5。 * 具体写入并发数量要根据数据源可接受请求量决定。 * 写入速率限制 * 当用户设置写入速率限制，系统平均写入速率将不会超过该数值。 * 可按流量或行数作为限制条件。 * 用户能够不选、单选或多选，若同时勾选，两种限制将同时应用。 * 勾选后即可激活对应的速率限制，请输入正整数； * 表和字段名称大小写 * 支持用户设置目的地表名称和字段名称大小写 * 选择【自定义】，任务执行后，系统会根据用户自定义的表和字段名称写入到目的地。 * 选择【全部大写】，任务执行后，系统会将用户设置的所有表和字段名称转换为大写（只包含英文）后写入到目的地。 * 选择【全部小写】，任务执行后，系统会将用户设置的所有表和字段名称转换为小写（只包含英文）后写入到目的地。 * 数据目的地高级设置 详情见：[子任务设置](子任务设置.md) 详情见：[数据源变化设置](数据源变化设置.md) 详情见：[写入一致性](写入一致性.md) ### 五、读取设置 :-:  进入读取设置页面，用户首先需要选择读取对象，保存后即可看到上图页面。 #### A.同步列表 * 读取列表显示该任务实时读取的表，点击任一表名称右侧显示该表的表结构。 * 提供搜索功能，主要支持搜索表名称。 * 点击「编辑」，可重新选择读取对象。 * 提供「批量设置」功能，包括：批量移除读取对象，批量设置执行语句。 #### B.传输队列设置 * 若用户针对某一个表进行传输队列的自定义设置时，可点击表结构右上角的「传输队列设置」。 * 功能与任务设置的「传输队列设置一致」，但用户设置了表级别的「传输队列设置」，该标的传输队列策略会依照该设置。 #### C.执行语句 * Binlog模式不会使用SQL语句读取数据，但在本次案例中用户在任务设置中选择了「存量数据读取」，所以用户激活任务后会先执行SQL语句，同步存量数据后再监听Binlog同步实时数据。 * 执行语句默认为：SELECT \* FROM table\_name , 若用户需要添加读取条件，则点击「编辑读取条件」增加WHERE条件。 * last\_max()方法是DataPipeline提供的函数，目的是帮助用户解决批量只读取增量数据的，所以在本次案例中不会用到。 * WHERE条件语句要求符合数据源类型格式要求，可使用数据库本身提供的方法。 * 用户可点击「试运行」查看SQL语句是否正确，试运行最多请求10条数据（limit 10）。 ### 六、写入设置 :-:  #### A.目的地列表 * 若用户选择多个目的地作为该数据任务的写入目标，此处会显示多个目的地，用户可点击切换各个目的地的写入设置内容。 #### B.写入列表 * 写入列表显示本次任务中，哪些数据源表会写入到该目的地。 * 提供搜索功能，主要支持搜索表名称。 * 点击「编辑」，可重新选择写入对象。 * 提供「批量设置」功能，包括： * 批量移除读取对象。 * 批量设置表名称（主要用于多表同结构数据往目的地一张表写入场景）。 #### C.目的地表结构设置 * 点击任一表名称右侧显示每个目的地表的映射关系（左侧是数据源表结构）。 * 若数据目的地没有同名表，激活任务后DataPipeline会在目的地创建新表。 * 若目的地已存在同名表，目的地表名称右侧会有提示。 * 若该任务往已创建的同名表写入数据，会检查表结构是否一致。 * 若表结构一致（只检查字段名，不检查字段类型和其他属性），则正常写入数据。 * 若表结构不一致（少字段或多字段），则强制改为用户设置的表结构后再进行数据同步。 * 关于高级清洗使用方法请见：[设置清洗脚本](pzgz/qxjb.md) * 目的地表结构用户可修改字段名称、类型、精度、标度、Not Null、主键等属性 * 「同步」功能 * 开启「同步」，任务激活后该字段数据会写入到目的地。 * 关闭「同步」，目的地依然存在该字段，但不会同步该字段值，会传空。 * 支持用户删除字段或添加字段，添加字段的值需要通过高级清洗指定逻辑。详见：[设置清洗脚本](pzgz/qxjb.md) * 完成所有写入设置后，即可「保存」，即可以一键开始同步数据。 ### 数据任务详情页 #### 「数据任务统计」 * 已读取数据量： * 指 DataPipeline 从数据源已读取的数据量。 * 当 DataPipeline 系统重启，会根据断点续传机制从上一次读取记录点开始重新读取数据，重复读取的数据量不会记录到已读取数据量里。 * 无主键的定时同步时全量替换数据，故每次定时读取全量数据，数据源没有更新的数据会再次读取。 * 已处理数据量： * 指 DataPipeline 已处理的数据量，这里包括：同步到数据目的的数据量和进入到错误队列的数据量。 * 当 DataPipeline 系统重启，会根据断点续传机制从上一个读取记录点开始重新写入部分数据，但这部分数据不会记录到已写入数据量里。 * 错误队列：指已读取的数据中系统判断无法写入到数据目的地，而异步放到错误队列中的数据量。： * 读取速率：指DataPipeline从数据源读取数据的速率。 * 处理速率：指DataPipeline处理数据的速率 #### 「复制任务」 详情见：[复制任务](复制功能.md) #### 「错误队列」 详情见：[错误队列](yun-wei-guan-li/shu-ju-ren-wu-xiang-qing-ye/cuo-wu-dui-lie.md) #### 「消息列表」 详情见：[消息列表](yun-wei-guan-li/shu-ju-ren-wu-xiang-qing-ye/xiao-xi-lie-biao.md) #### 「回滚功能」 详情见：[回滚功能](回滚功能.md) #### 「重新同步」 详情见：[重新同步功能](重新同步功能.md) * * * * * #### 常见问题 ##### Q1：读取模式失效的，复制任务后任务以何种方式读取数据？ 原任务读取模式失效，复制后的任务采用任务设置的默认选择。 * * * * * ##### Q2：数据表失效的，复制任务后的任务是否还同步失效的表？ 数据表选择失效的，复制后新任务不再选择失效表。