跳到主要内容

分库分表数据汇聚

简述​

CloudCanal 2.X 版本近期支持了自定义代码能力，带来了丰富的场景化数据能力，本文主要介绍在面向 To C 业务分库分表情况下，如何通过 CloudCanal 进行数据实时汇聚。

本方案特点：

  • 数据处理灵活，适配多变的业务数据汇聚需求
  • 针对大部分带结构数据源互通，可举一反三
  • 稳定性较好

技术点​

约束冲突​

对于一部分分库分表中间件或业务自己写的拆分逻辑，并没有考虑写入数据主键或者唯一字段值的全局唯一问题，导致做数据汇聚时约束冲突。

另一类系统，在业务上就独立，做数据汇集时，除了约束冲突，还存在结构不一致，数据规范不统一的问题。

对以上两种情况，添加额外的字段以消除分表之间的约束冲突，进行数据清洗、结构调整，将数据进行规整。自定义代码能够很好的完成这种使命。

DDL 同步​

分库分表数据汇聚还存在一个较大的问题是 DDL 同步，对于大部分这类场景, 类似的 DDL 会在源端执行多遍，但是在对端只能执行一遍，并且数据和部分 DDL 有顺序依赖问题 --- 只有 DDL 在对端执行成功之后，新的数据才能写入或者执行。

我们目前建议不同步 DDL, 按照一定规范进行源和目标端 DDL 变更，达到不延迟且 DDL 不处于中间状态的目的。

操作示例​

前置条件:​

  • 下载安装 CloudCanal 私有部署版本,使用参见快速上手文档

  • 准备好 MySQL 数据库（本例源端 5.7 ，目标端 8.0）

  • 源端 MySQL 上创建 2 个分库( shard_1 和 shard_2), 表结构一致(本例每一个分库只有一张分表)

     CREATE TABLE `shard_1`.`my_order` (
      `id` bigint(19) NOT NULL AUTO_INCREMENT,
      `gmt_create` datetime NOT NULL,
      `gmt_modified` datetime NOT NULL,
      `product_id` bigint(20) NOT NULL,
      `user_id` bigint(20) NOT NULL,
       PRIMARY KEY (`id`)
     ) ENGINE=InnoDB AUTO_INCREMENT=35 DEFAULT CHARSET=utf8

     CREATE TABLE `shard_2`.`my_order` (
       `id` bigint(19) NOT NULL AUTO_INCREMENT,
      `gmt_create` datetime NOT NULL,
      `gmt_modified` datetime NOT NULL,
      `product_id` bigint(20) NOT NULL,
      `user_id` bigint(20) NOT NULL,
      PRIMARY KEY (`id`)
     ) ENGINE=InnoDB AUTO_INCREMENT=35 DEFAULT CHARSET=utf8

  • 目标 MySQL 上创建 1 个汇聚库(no_shard),并包含1张汇聚表

    • 额外多出 region 字段，该字段通过自定义代码固定生成
    • 源端主键 id 和生成字段 region 组合成联合主键，方便数据汇聚时保持唯一
       CREATE TABLE `my_order` (
      `id` bigint NOT NULL,
      `region` varchar(64) NOT NULL,
      `gmt_create` datetime NOT NULL,
      `gmt_modified` datetime NOT NULL,
      `product_id` bigint NOT NULL,
      `user_id` bigint NOT NULL,
       PRIMARY KEY (`id`,`region`)
      ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb3

开发宽表代码​

添加数据源​

  • 登录 CloudCanal 平台
  • 数据源管理->新增数据源
  • 将源端和目标端MySQL 分别添加 截屏2021-12-20 下午5.06.06.png

分库shard_1任务创建​

  • 任务管理->任务创建
  • 选择 源 和 目标 数据源
  • 选择 数据同步，并勾选 全量数据初始化, 其他选项默认
  • 选择需要迁移同步的表, 此处只要选择待聚合表即可，对端选择聚合表 截屏2021-12-20 下午5.04.03.png
  • 修改自定义代码，并打包 截屏2021-12-20 下午5.08.02.png
    % pwd
    /Users/zylicfc/source/product/cloudcanal/cloudcanal-data-process
    % mvn -Dtest -DfailIfNoTests=false -Dmaven.javadoc.skip=true - 
    Dmaven.compile.fork=true clean package
    截屏2021-12-20 下午4.00.36.png
  • 选择列,默认全选，选择上传代码包1截屏2021-12-20 下午4.57.59.png
  • 确认创建,并自动运行

分库shard_2任务创建​

  • 任务管理->任务创建
  • 选择 源 和 目标 数据源
  • 选择 数据同步，并勾选 全量数据初始化, 其他选项默认
  • 选择需要迁移同步的表, 此处只要选择待聚合表即可，对端选择聚合表 截屏2021-12-20 下午4.16.00.png
  • 修改自定义代码，并打包 截屏2021-12-20 下午3.59.05.png
    % pwd
    /Users/zylicfc/source/product/cloudcanal/cloudcanal-data-process
    % mvn -Dtest -DfailIfNoTests=false -Dmaven.javadoc.skip=true - 
    Dmaven.compile.fork=true clean package
    截屏2021-12-20 下午4.00.36.png
  • 选择列,默认全选，选择上传代码包2
  • 确认创建,并自动运行

分库任务状态​

  • 两个分库汇聚任务正常运行 截屏2021-12-20 下午3.57.27.png

校验数据​

  • 变更shard_1数据 截屏2021-12-20 下午3.51.54.png
  • 变更shard_2数据 截屏2021-12-20 下午3.50.47.png
  • 查看no_shard汇聚库数据 截屏2021-12-20 下午3.52.30.png

常见问题​

是否支持带数字后缀的分表​

支持，就是在自定义代码中匹配表名会稍微复杂些，需要自行修改匹配逻辑。

是否支持异构数据库​

支持，自定义代码是 CloudCanal 通用功能，可实现自由的数据变幻。但是对于具体的目标数据源，行为可能会发生一些细微变化，需要进行一定的测试和验证。

如果遇到出错或者问题怎么办？​

如果会 java 开发，建议打开任务的 printCustomCodeDebugLog 观察输出的数据是否符合预期，如果不符合预期，可以打开任务的 debugMode 参数，对数据转换逻辑进行调试。

如果不会 java 开发, 找 CloudCanal 同学协助。

总结​

本文简单介绍了如何使用 CloudCanal 进行分库分表数据汇聚。各位读者朋友，如果你觉得还不错，请点赞、评论加转发吧。