文档首页/ 数据治理中心 DataArts Studio/ 用户指南/ 数据集成（实时作业）/ 实时集成作业使用教程/ PostgreSQL同步到Doris作业配置（内测）
更新时间：2025-09-09 GMT+08:00
查看PDF
分享

PostgreSQL同步到Doris作业配置（内测）

支持的源端和目的端数据库版本

表1 支持的数据库版本

源端数据库

目的端数据库

PostgreSQL数据库（PostgreSQL 9.4、9.5、9.6、10、11、12、13、14、15、16版本）

Doris（Doris1.2、Doris2.0）

数据库账号权限要求

在使用Migration进行同步时，源端和目的端所使用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，详细可参考下表进行赋权。

表2 数据库账号权限

类型名称

权限要求

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，序列的SELECT权限，REPLICATION连接权限，同时需要有查询pg_ls_waldir()函数的权限，具体操作请参见如何增加PostgreSQL、Gaussdb数据源额外权限？。
说明：

REPLICATION连接权限的添加方法：

  • 在源数据库的“pg_hba.conf”配置文件的所有配置前增加一行配置“host replication <src_user_name> <drs_instance_ip>/32 <认证方式>”；认证方式可参考PostgreSQL官方文档pg_hba.conf文件配置，常见的认证方式有scram-sha-256等。
  • 在源库使用SUPERUSER用户执行语句“select pg_reload_conf();”生效，或重启数据库实例生效。

目标数据库连接账号

目标数据库的每张表必须具有如下权限：INSERT、SELECT、UPDATE、DELETE、CONNECT、CREATE。
  • 建议创建单独用于Migration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，请同步修改管理中心对应的连接信息，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。

支持的同步对象范围

在使用Migration进行同步时，不同类型的链路，支持的同步对象范围不同，详细情况可参考下表。

表3 同步对象范围

类型名称

使用须知

同步对象范围
  • 支持同步DML：包括INSERT、UPDATE、DELETE。
  • 不支持同步视图、外键、存储过程、触发器、函数、事件、虚拟列、唯一约束和唯一索引。
  • 不支持同步无日志表（UNLOGGED TABLE）、临时表、系统模式和系统表。
  • 不支持同步DDL。
  • 自动建表支持同步表结构、约束（空、非空），不支持同步默认值。

注意事项

除了数据源版本、连接账号权限及同步对象范围外，您还需要注意的事项请参见下表。

表4 注意事项

类型名称

使用和操作限制

数据库限制
  • 源库要同步的库名、schema名和表名不可以包含/<.>\\'`|\?和!。建议尽量使用常规字符避免任务失败。
  • 源数据库的分区表触发器不可以设置为disable。
  • 目的端数据库中的对象名需要满足约束：
    • 表名长度不超过64个字符，以字母开头，中间字符可以是字母、数字、下划线、中划线。
    • 字段名长度不超过255个字符，建议使用常规字符，不能包含中文等特殊字符。

使用限制

通用：

  • 实时同步过程中，不支持IP、端口、账号、密码修改。
  • PostgreSQL的WAL日志建议保留3天以上。

全量同步阶段：

任务启动和全量数据同步阶段，请不要在源数据库执行DDL操作，否则可能导致任务异常。

增量同步阶段：

  • 请勿修改源数据库表的主键或者唯一键（主键不存在时），否则可能导致增量数据不一致或任务失败。
  • 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不一致或任务失败。
  • Postgres数据源复制槽数达到上限时，无法执行新的作业，可以通过设置max_replication_slots的数值提高复制槽的使用上限或手动删除复制槽（Postgres数据源不支持自动删除复制槽）解决，手动删除请参见PostgreSQL数据源如何手动删除复制槽？。

常见故障排查：

在任务创建、启动、全量同步、增量同步、结束等过程中，如有遇到问题，可先参考常见问题章节进行排查。

其他限制
  • 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。
  • 任务启动后，不支持源库发生主备倒换。
  • Doris不能用字符串类型作为主键，包括联合主键其中一个字段为字符串类型也不行。

操作步骤

本小节以PostgreSQL到Doris的实时同步为示例，介绍如何配置Migration实时集成作业。配置作业前请务必阅读使用前自检概览， 确认已做好所有准备工作。

  1. 参见新建实时集成作业创建一个实时集成作业并进入作业配置界面。
  2. 选择数据连接类型：源端选PostgreSQL，目的端选Doris。

    图1 选择数据连接类型

  3. 选择集成作业类型：同步类型默认为实时，同步场景只支持整库场景。

    图2 选择集成作业类型

  4. 配置网络资源：选择已创建的PostgreSQL、Doris数据连接和已配置好网络连接的migration资源组。

    图3 选择数据连接及migration资源组

    无可选数据连接时，可单击“新建”跳转至管理中心数据连接界面，单击“创建数据连接”创建数据连接，详情请参见配置DataArts Studio数据连接参数进行配置。

    无可选migration资源组时，可单击“新建”跳转至购买migration资源组页面创建migration资源组配置，详情请参见购买创建数据集成资源组增量包进行配置。

  5. 检测网络连通性：数据连接和migration资源组配置完成后需要测试整个迁移任务的网络连通性，可通过以下方式进行数据源和migration资源组之间的连通性测试。

    • 单击展开“源端配置”触发连通性测试，会对整个迁移任务的连通性做校验。
    • 单击源端和目的端数据源和migration资源组中的“测试”按钮进行检测。

      网络连通性检测异常可先参考数据源和资源组网络不通如何排查？章节进行排查。

  6. 配置源端参数。

    选择需要迁移的PostgreSQL库表。
    图4 选择库表

    库与表均支持自定义选择，即可选择一库一表，也可选择多库多表。

  7. 配置目的端参数。

    • 源库表和目标匹配策略。
      • 库匹配策略。
        • 与来源库同名：数据将同步至与来源PostgreSQL库名相同的Doris库中。
        • 自定义：数据将同步至自行指定的Doris库中。
      • 表匹配策略。
        • 与来源表同名：数据将同步至与来源PostgreSQL表名相同的Doris表中。
        • 自定义：数据将同步至自行指定的Doris表中。
          图5 整库场景下源库表和目标匹配策略

          自定义匹配策略时，支持用内置变量#{source_db_name}和#{source_table_name}标志来源的库名和表名，其中表匹配策略必须包含#{source_table_name}。

    • Doris参数配置。
      高级配置：支持通过参数配置部分高级功能，参数详情可参考下表。
      表5 Doris高级配置一览表

      参数名

      参数类型

      默认值

      单位

      参数说明

      doris.request.connect.timeout.ms

      int

      30000

      ms

      Doris连接超时时间。

      doris.request.read.timeout.ms

      int

      30000

      ms

      Doris读取超时时间。

      doris.request.retries

      int

      3

      -

      Doris请求失败重试次数。

      sink.max-retries

      int

      3

      -

      数据库写入失败时的最大重试次数。

      sink.batch.interval

      string

      1s

      h/min/s

      异步线程写入数据的时间间隔。

      sink.enable-delete

      boolean

      true

      -

      是否启用删除功能，如果关闭，源端删除数据，目的端不会删除。

      sink.batch.size

      int

      20000

      -

      单次写（插入、更新、删除）数据的最大行数。

      sink.batch.bytes

      long

      10485760

      bytes

      单次写（插入、更新、删除）数据的最大字节数。

      logical.delete.enabled

      boolean

      false

      -

      逻辑删除开关，开启本开关后，需要目的端包含删除标记列，在源端删除数据，不会将目的端对应的数据删除，而是将删除标记列设为true，表示该数据在源端已不存在。

      logical.delete.column

      string

      logical_is_deleted

      -

      逻辑删除标记列名称，默认为logical_is_deleted，支持用户自定义。

      sink.keyby.mode

      string

      pk

      -

      doris多并发写时的分区方式，默认为pk(主键)，源端为kafka类型没有主键时，应选择table，以库表名进行分区。

      doris.sink.flush.tasks

      int

      1

      -

      单个taskmanager的flush并发数。

      sink.properties.format

      string

      json

      -

      Stream Load 使用的数据格式，可选择json/csv。

      sink.properties.Content-Encoding

      string

      -

      -

      HTTP头部消息体压缩格式，目前只支持 CSV 文件的压缩，支持gzip。

      sink.properties.compress_type

      string

      -

      -

      文件的压缩格式，目前只支持 CSV 文件的压缩。支持 gz, lzo, bz2, lz4, lzop, deflate 压缩格式。

  8. 刷新源表和目标表映射，检查映射关系是否正确，同时可根据需求修改表属性、添加附加字段，并通过“自动建表”能力在目的端Doris数据库中建出相应的表。

    图6 源表与目标表映射
    • 附加字段编辑：单击操作列“附加字段编辑”可为目的端的Doris表中增加自定义字段，同时附加字段也会额外加入到Doris表的建表中。用户可以在已有的源表字段基础上添加多个附加字段，并自定义字段名、选择字段类型、填写字段值。
      • 字段名称：目的端Doris表新增字段的名称。
      • 字段类型：目的端Doris表新增字段的类型。
      • （可选）字段类型长度：目的端Doris表新增字段类型的长度。
      • 字段值：目的端Doris表新增字段的取值来源。
        表6 附加字段取值方式

        类型

        示例

        常量

        支持数字、字母、中文、特殊字符。彩色表情字符可能导致作业提交失败，需谨慎使用。
    • 自动建表：单击“自动建表”可按照已配置映射规则在目的端数据库自动建表，成功后表建立方式会显示为使用已有表。
      • Migration仅支持自动建表，不支持自动建库和模式，需用户自行在目的端手动建出库和模式后再使用本功能建表。
      • 自动建表时对应的字段类型映射关系请参见字段映射关系章节。

  9. 配置任务属性。

    表7 任务配置参数说明

    参数

    说明

    默认值

    执行内存

    作业执行分配内存，跟随处理器核数变化而自动变化。

    8GB

    处理器核数

    范围：2-32。

    每增加1处理核数，则自动增加4G执行内存和1并发数。

    2

    并发数

    作业执行支持并发数。该参数无需配置，跟随处理器核数变化而自动变化。

    1

    自动重试

    作业失败时是否开启自动重试。

    否

    最大重试次数

    “自动重试”为是时显示该参数。

    1

    重试间隔时间

    “自动重试”为是时显示该参数。

    120秒

    是否写入脏数据

    选择是否记录脏数据，默认不记录脏数据，当脏数据过多时，会影响同步任务的整体同步速度。

    • 否：默认为否，不记录脏数据。

      表示不允许脏数据存在。如果同步过程中产生脏数据，任务将失败退出。

    • 是：允许脏数据，即任务产生脏数据时不影响任务执行。
      允许脏数据并设置其阈值时：
      • 若产生的脏数据在阈值范围内，同步任务将忽略脏数据（即不会写入目标端），并正常执行。
      • 若产生的脏数据超出阈值范围，同步任务将失败退出。
        说明：

        脏数据认定标准：脏数据是对业务没有意义，格式非法或者同步过程中出现问题的数据；单条数据写入目标数据源过程中发生了异常，则此条数据为脏数据。 因此只要是写入失败的数据均被归类于脏数据。

        例如，源端是VARCHAR类型的数据写到INT类型的目标列中，则会因为转换不合理导致脏数据不会成功写入目的端。用户可以在同步任务配置时，配置同步过程中是否写入脏数据，配置脏数据条数（单个分片的最大错误记录数）保证任务运行，即当脏数据超过指定条数时，任务失败退出。

    否

    脏数据策略

    “是否写入脏数据”为是时显示该参数，当前支持以下策略：

    • 不归档：不对脏数据进行存储，仅记录到任务日志中。
    • 归档到OBS：将脏数据存储到OBS中，并打印到任务日志中。

    不归档

    脏数据写入连接

    “脏数据策略”选择归档到OBS时显示该参数。

    脏数据要写入的连接，目前只支持写入到OBS连接。

    -

    脏数据目录

    脏数据写入的OBS目录。

    -

    脏数据阈值

    是否写入脏数据为是时显示该参数。

    用户根据实际设置脏数据阈值。

    说明：
    • 脏数据阈值仅针对每个并发生效。比如阈值为100，并发为3，则该作业可容忍的脏数据条数最多为300。
    • 输入-1表示不限制脏数据条数。

    100

    添加自定义属性

    支持通过自定义属性修改部分作业参数及开启部分高级功能，详情可参见任务性能调优章节。

    -

  10. 提交并运行任务。

    作业配置完毕后，单击作业开发页面左上角“提交”，完成作业提交。

    图7 提交作业

    提交成功后，单击作业开发页面“启动”按钮，在弹出的启动配置对话框按照实际情况配置同步位点参数，单击“确定”启动作业。

    图8 启动配置
    表8 启动配置参数

    参数

    说明

    同步模式
    • 增量同步：从指定时间位点开始同步增量数据。
    • 全量+增量：先同步全量数据，随后实时同步增量数据。

    时间

    增量同步需要设置该参数，指示增量同步起始的时间位点。

    说明：

    配置的位点时间早于Binlog日志最早时间点时，默认会以日志最新时间点开始消费。

  11. 监控作业。

    通过单击作业开发页面导航栏的“前往监控”按钮，可前往作业监控页面查看运行情况、监控日志等信息，并配置对应的告警规则，详情请参见实时集成任务运维。

    图9 前往监控

性能调优

若链路同步速度过慢，可参考参见任务性能调优章节中对应链路文档进行排查及处理。