将PostgreSQL同步到Kafka_数据复制服务 DRS

支持的源和目标数据库

表1 支持的数据库
源数据库	目标数据库
本地自建数据库（PostgreSQL 9.4、9.5、9.6、10、11、12、13、14版本） ECS自建数据库（PostgreSQL 9.4、9.5、9.6、10、11、12、13、14版本）	Kafka 0.11及以上版本

支持的同步对象范围

在使用DRS进行同步时，不同类型的同步任务，支持的同步对象范围不同，详细情况可参考表2。DRS会根据用户选择，在“预检查”阶段对同步对象进行自动检查。

表2 支持的同步对象
类型名称	使用须知
同步对象范围	不支持实例级同步：每次至多同步一个库（database），同步多个库需要使用多个DRS任务。支持的字段类型：数字类型、货币类型、字符类型、二进制数据类型、日期/时间类型、布尔类型、枚举类型、几何类型、网络地址类型、位串类型、文本搜索类型、UUID类型、XML类型、JSON类型、数组、复合类型、范围类型。说明：同步对象的名称有如下限制：库名不可以包含+"%'\<>，模式名和表名不可以包含".'<>，列名不可以包含"和'。增量同步的范围：支持部分DML（Data Manipulation Language）：包括INSERT、UPDATE、DELETE。不支持：DDL（Data Definition Language），无日志表（UNLOGGED TABLE）的DML，临时表的DML。说明：增量发送心跳：PostgreSQL 9.6及以上版本，当源库需要同步的数据库长时间（超过10小时）无数据写入时，DRS拉取日志进程会调用pg_logical_emit_message在源库WAL日志中插入心跳信息（只会增加WAL日志，业务无感知），用于保证逻辑复制槽位点正常推进。

数据库账号权限要求

在使用DRS进行同步时，连接源库和目标库的数据库账号需要满足以下权限要求，才能启动实时同步任务。不同类型的同步任务，需要的账号权限也不同，详细可参考表3进行赋权。DRS会在“预检查”阶段对数据库账号权限进行自动检查，并给出处理建议。

建议创建单独用于DRS任务连接的数据库账号，避免因为数据库账号密码修改，导致的任务连接失败。
连接源和目标数据库的账号密码修改后，请参考修改连接信息章节修改DRS任务的连接信息，避免任务连接失败后自动重试，导致数据库账号被锁定影响使用。

表3 数据库账号权限
类型名称	增量同步
源数据库连接账号	数据库的CONNECT权限，模式的USAGE权限，表的SELECT权限，REPLICATION连接权限。

使用建议

数据库同步与环境多样性和人为操作均有密切关系，为了确保同步的平顺，建议您在进行正式的数据库同步之前进行一次演练，可以帮助您提前发现问题并解决问题。
建议您在启动任务时选择“稍后启动”功能，将启动时间设置在业务低峰期，避免同步对业务造成性能影响。
更多DRS对数据库的影响，可参考DRS对源数据库和目标数据库有什么影响。

使用须知

DRS增量同步任务一般包含三个阶段：任务启动阶段、增量阶段、结束任务阶段。为了确保同步各个阶段的平顺，在创建同步任务前，请务必阅读以下使用须知。

表4 使用须知
类型名称	使用和操作约定
任务启动前须知	源数据库要求：源数据库参数wal_level必须配置为logical；源数据库需提前安装test_decoding插件；源数据库中无主键表的replica identity属性必须为full；源数据库的max_replication_slots参数值必须大于当前已使用的复制槽数量；源数据库的max_wal_senders参数值必须等于或大于max_replication_slots参数值。源数据库中表的主键列toast属性为main、external、extended时，其replica identity属性必须为full。目标数据库要求：目标库为社区Kafka。 Kafka的auto.create.topics.enable参数建议为false。其他使用须知：若专属计算集群不支持4vCPU/8G或以上规格实例，则无法创建同步任务。库级同步时，增量同步中的任务，不支持“编辑”操作。表级同步时，增量同步中的任务，支持“编辑”操作，但是不支持更换数据库。在启动任务前，请确保源库中未启动长事务，源库启动长事务会阻塞逻辑复制槽的创建，进而引发任务失败。在任务启动后，仅支持以下版本的源库发生主备倒换：源库为RDS for PostgreSQL 12.6及以上的小版本、RDS for PostgreSQL 13及以上版本的所有小版本。由于长事务导致的创建逻辑复制槽失败或逻辑复制槽不存在的问题，需要通过重置任务来重新启动。
增量同步过程须知	请勿修改源库和目标库的端口号，请勿修改、删除源库和目标库连接用户的密码、权限，否则可能导致任务失败。请勿删除源数据库表的主键，否则可能导致增量数据缺失或任务失败。请勿修改源数据库中表的replica identity属性，否则可能导致增量数据缺失或任务失败。请勿在Kafka上删除接收DRS数据的topic，否则可能导致任务失败。库级同步时，源库新增无主键表时，请务必同时将该无主键表的replica identity属性设置为full，然后再写入数据，否则可能导致增量数据缺失或任务失败。库级同步时，源库新增主键表时，如果主键列toast属性为main、external、extended时，请务必同时将该表的replica identity属性设置为full，然后再写入数据，否则可能导致数据不一致或任务失败。增量同步过程中暂停、任务异常续传，目标Kafka中可能会出现重复数据，请使用Kafka数据中的id字段进行去重。
结束任务须知	正常结束任务：全量+增量实时同步任务正常结束时，将自动删除任务在源库创建的流复制槽。强制结束任务：强制结束全量+增量实时同步任务，需要手动删除源库可能残留的复制槽，可参考PostgreSQL为源强制结束任务章节的指导进行操作。逻辑复制槽命名规则为“drs_唯一性标识”，其中唯一性标识需要将任务node id中的“-”替换为“_”获取。node id可在DRS任务同步日志页面查看task node id is ***日志找到。

前提条件

已登录数据复制服务控制台。
账户余额大于等于0美元。
满足实时同步支持的数据库类型和版本，详情请参见支持的数据库。
当用户创建DRS任务使用的是子账号时，请先确认已添加过委托。创建委托方法，可参考委托管理。

已阅读以上使用建议和使用须知。

操作步骤

在“实时同步管理”页面，单击“创建同步任务”。

在“同步实例”页面，填选区域、项目、任务名称、描述、同步实例信息，单击“开始创建”。

任务信息

图1 同步任务信息

表5 任务和描述
参数	描述
区域	当前所在区域，可进行切换。
项目	当前区域对应的项目，可进行切换。
任务名称	任务名称在4到50位之间，必须以字母开头，可以包含字母、数字、中划线或下划线，不能包含其他的特殊字符。
描述	描述不能超过256位，且不能包含! = < > & ' " \ 特殊字符。

同步实例信息

图2 同步实例信息

表6 同步实例信息
参数	描述
数据流动方向	选择“自建-自建”。
源数据库引擎	选择“PostgreSQL”。
目标数据库引擎	选择“Kafka”。
网络类型	此处以公网网络为示例。目前支持可选公网网络和VPN、专线网络。
VPC	选择可用的虚拟私有云。
同步实例所在子网	请选择同步实例所在的子网。也可以单击“查看子网”，跳转至“网络控制台”查看实例所在子网帮助选择。默认值为当前所选数据库实例所在子网，请选择有可用IP地址的子网。为确保同步实例创建成功，仅显示已经开启DHCP的子网。
内网安全组	请选择内网安全组。内网安全组限制实例的安全访问规则，加强安全访问。
同步模式	增量增量同步通过解析日志等技术，将源端产生的增量数据同步至目标端。无需中断业务，实现同步过程中源业务和数据库继续对外提供访问。
指定公网IP	网络类型选择“公网网络”时可见，选择为DRS实例绑定的弹性公网IP。任务创建时，DRS将会自动绑定该弹性公网IP，等待任务结束后将自动解绑该弹性公网IP。指定公网IP数量需要与实例数量匹配。公网网络迁移产生的数据传输费用收取标准请参见：弹性公网IP价格计算器。

任务类型

图3 任务类型

表7 任务类型信息
参数	描述
规格类型	选择DRS实例的规格类型，不同规格类型对应不同性能的性能上限，详细可参考实时同步链路规格说明。说明：目前，DRS同步仅支持任务类型为单AZ的同步任务升级实例规格，不支持降低规格，具体操作及约束限制可参考同步规格变更。
可用区	DRS任务创建的可用区，选择跟源或目标库相同的可用区性能更优。

企业项目和标签

图4 企业项目和标签

表8 企业项目和标签
参数	描述
企业项目	企业项目是一种云资源管理方式，企业项目管理服务提供统一的云资源按项目管理，以及项目内的资源管理、成员管理。请在下拉框中选择所在的企业项目，其中，default为默认项目。更多关于企业项目的信息，请参见《企业管理用户指南》。如果需要自定义企业项目，请在控制台右上角单击“企业”，进入“企业项目管理”页面创建，具体请参见《企业管理用户指南》中“创建企业项目”的内容。
标签	可选配置，对同步任务的标识。使用标签可方便管理您的任务。每个任务最多支持20个标签配额。如果您的组织已经设定DRS的相关标签策略，则需按照标签策略规则为任务添加标签。标签如果不符合标签策略的规则，则可能会导致任务创建失败，请联系组织管理员了解标签策略详情。任务创建成功后，您可以单击任务名称，在“标签”页签下查看对应标签。关于标签的详细操作，请参见标签管理。

对于创建失败的任务，DRS默认保留3天，超过3天将会自动结束任务。

在“源库及目标库”页面，待同步实例创建成功后，填选源库信息和目标库信息，单击“源库和目标库”处的“测试连接”，分别测试并确定与源库和目标库连通后，单击“下一步”。

测试连接时需要确保DRS任务与源库、目标库的连通性。

网络连通性：确保源库和目标库允许DRS访问，通常至少需要放通DRS的IP。公网网络的DRS任务放通DRS的公网IP，VPC网络、VPN、专线网络的DRS任务放通DRS的内网IP，可参考网络准备章节进行网络打通。
账号连通性：确保源库和目标库允许DRS通过用户名和密码访问。

图5 源库信息

表9 源库信息
参数	描述
IP地址或域名	源数据库的IP地址或域名。
端口	源数据库服务端口，可输入范围为1~65535间的整数。
指定数据库名称	选择是否指定数据库，开启后需手动输入数据库名称。
数据库用户名	源数据库的用户名。
数据库密码	源数据库的用户名所对应的密码。
SSL安全连接	通过该功能，用户可以选择是否开启对同步链路的加密。

源数据库的数据库用户名和密码，会被系统加密暂存，直至删除该迁移任务后自动清除。

图6 目标库信息

**表10** 目标库信息
参数	描述
IP地址或域名	目标数据库的IP地址或域名，格式为IP地址/域名:端口。其中目标数据库服务端口，可输入范围为1~65535间的整数。该输入框最多支持填写10组目标数据库的IP地址或者域名信息，多个值需要使用英文逗号隔开。例如：192.168.0.1:8080,192.168.0.2:8080。
连接方式	支持四种认证方式的选择，PLAINTEXT、SSL、SASL_PLAINTEXT和SASL_SSL，详细说明可参考Kafka认证方式。

在“设置同步”页面，选择同步策略、数据格式和同步对象，单击“下一步”。

图7 同步模式

**表11** 同步对象
参数	描述
DML同步	选择需要同步的DML操作，默认都勾选。不勾选Delete则不会同步源库增量数据中的Delete语句，可能会导致数据不一致，因此存在数据冲突或任务失败的风险。
指定源库复制槽名称	可选择是否指定源库复制槽，打开后需手动输入复制槽的名称（只能包含小写字母、数字、下划线，长度最大为63，且不能以数字开头）。
同步Topic策略	同步Topic策略，可选择集中投递到一个Topic或者按照格式自动生成Topic名字。
Topic	选择目标端需要同步到的Topic，同步Topic策略选择集中投递到一个Topic时可见。
Topic名字格式	同步Topic策略选择自动生成Topic名字时可见。由于Kafka的机制限制，Topic名字只能包含ASCII字符、"."、"_"及"-"，若超过该范围会导致创建Topic失败，任务异常。若Topic名字格式中包含数据库对象名，请确保对象名的字符在Kafka topic命名机制内。
Partition个数	同步Topic策略选择自动生成Topic名字时可见。用来设置topic的分区个数。每个topic都可以创建多个partition，越多的partition可以提供更高的吞吐量，越多的partition会消耗更多的资源，建议根据broker节点的实际情况来设置partition的数量。
副本个数	同步Topic策略选择自动生成Topic名字时可见。用来设置topic的副本数。每个topic可以有多个副本，副本位于集群中不同的broker上，副本的数量不能超过broker的数量，否则创建topic时会失败。
同步到kafka partition策略	同步到kafka partition策略。按库名.schema.表名的hash值投递到不同Partition：适用于单表的查询场景，表内保序，表与表之间不保序，可以提高单表读写性能，推荐使用此选项。按主键的hash值投递到不同Partition：适用于一个表一个Topic的场景，避免该表都写到同一个分区，消费者可以并行从各分区获取数据。对于无主键表，如果选择“按主键的hash值投递都不同的partition”策略时，同步任务则会使用默认“按库名.schema.表名的hash值投递到不同的partition”的策略进行同步。按库名.schema的hash值投递到不同Partition：适用于一个database一个topic的场景，避免多个schema下的数据写到一个分区，消费者可以并行从各分区获取数据。全部投递到Partition 0：适用于有事务要求的场景，事务保序，可以保证完全按照事务顺序消费，写入性能比较差，如果没有强事务要求，不推荐使用此选项。
投送到kafka的数据格式	选择投送到kafka的数据格式。 Avro：可以显示Avro二进制编码，高效获取数据，需要反序列化后解释。 JSON：为Json消息格式，方便解释格式，但需要占用更多的空间。详细格式可参考Kafka消息格式。
同步对象	左侧框是源数据库对象，右侧框是已经选择的对象，同步对象支持表级同步和库级同步，您可以根据业务场景选择对应的数据进行同步。说明：选择对象的时候支持对展开的库进行搜索，以便您快速选择需要的数据库对象。如果有切换源数据库的操作或源库同步对象变化的情况，请在选择同步对象前单击右上角的，以确保待选择的对象为最新源数据库对象。当对象名称包含空格时，名称前后的空格不显示，中间如有多个空格只显示一个空格。选择的同步对象名称中不能包含空格。

在“预检查”页面，进行同步任务预校验，校验是否可进行实时同步。
- 查看检查结果，如有不通过的检查项，需要修复不通过项后，单击“重新校验”按钮重新进行任务预校验。
  预检查不通过项处理建议请参见《数据复制服务用户指南》中的“预检查不通过项修复方法”。
- 预检查完成后，且所有检查项结果均通过时，单击“下一步”。
  
  所有检查项结果均通过时，若存在请确认项，需要阅读并确认详情后才可以继续执行下一步操作。

在“任务确认”页面，设置同步任务的启动时间、任务异常通知设置、SMN主题、时延阈值、任务异常自动结束时间，并确认同步任务信息无误后，勾选协议，单击“启动任务”，提交同步任务。

图8 任务启动设置

**表12** 任务启动设置
参数	描述
启动时间	同步任务的启动时间可以根据业务需求，设置为“立即启动”或“稍后启动”。说明：预计同步任务启动后，会对源数据库和目标数据库的性能产生影响，建议选择业务低峰期，合理设置同步任务的启动时间。
任务异常通知设置	该项为可选参数，开启之后，选择对应的SMN主题。当同步任务状态、时延指标或数据异常时，系统将发送通知。
SMN主题	“任务异常通知设置”项开启后可见，需提前在SMN上申请主题并添加订阅。 SMN主题申请和订阅可参考《消息通知服务用户指南》。
时延阈值	在增量同步阶段，源数据库和目标数据库之间的同步有时会存在一个时间差，称为时延，单位为秒。时延阈值设置是指时延超过一定的值后（时延阈值范围为0到3600s），DRS可以发送告警通知。告警通知将在时延稳定超过设定的阈值6min后发送，避免出现由于时延波动反复发送告警通知的情况。说明：当时延阈值设置为0时，不会发送通知给收件人。首次进入增量同步阶段，会有较多数据等待同步，存在较大的时延，属于正常情况，不在此功能的监控范围之内。设置时延阈值之前，需要设置任务异常通知。
数据异常通知	该项为可选参数，开启之后，当同步任务数据异常时，系统将发送通知。
任务异常自动结束时间（天）	设置任务异常自动结束天数，输入值必须在14到100之间，默认值14。说明：仅按需计费任务支持设置任务异常自动结束时间，包年/包月任务不支持。异常状态下的任务仍然会计费，而长时间异常的任务无法续传和恢复。设置任务异常自动结束天数后，异常且超时的任务将会自动结束，以免产生不必要的费用。

同步任务提交后，您可在“实时同步管理”页面，查看并管理自己的任务。
- 您可查看任务提交后的状态，状态请参见任务状态说明。
- 在任务列表的右上角，单击刷新列表，可查看到最新的任务状态。
- 对于未启动、状态为配置中的任务，DRS默认保留3天，超过3天DRS会自动删除后台资源，当前任务状态不变。当用户再次配置时，DRS会重新申请资源，此时DRS任务IP会发生改变。
- 对于公网网络类型的任务，由于DRS需要在任务结束后删除后台资源，所以该任务绑定的弹性公网IP需要等待一段时间，才能恢复为解绑状态。

将PostgreSQL同步到Kafka