Oracle同步到StarRocks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
Oracle数据库（10、11、12、19版本）	StarRocks（1.x、2.x）

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	Oracle 库需要开启归档日志，同时需表查询权限和日志解析权限，开通对应权限详情请参考Oracle数据源如何开通归档日志、查询权限和日志解析权限？。
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：LOAD 、SELECT、CREATE、ALTER、DROP。

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	支持同步的DML：包括INSERT、UPDATE、DELETE。支持同步的DDL：新增列。仅支持同步主键表。不支持视图、外键、存储过程、触发器、函数、事件、虚拟列、唯一约束、唯一索引、外键索引、Check约束的同步。自动建表支持同步表结构、普通索引、约束（主键、空、非空）、注释。

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	源端数据库中的库名、表名、字段名不能包含：.-以及非ASCII字符，建议尽量使用常规字符避免任务失败。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。 Oracle归档日志建议保留3天以上，否则可能因无法获取日志导致任务失败，特殊情况可能导致数据不一致或者丢失。禁止对Oracle源库做resetlogs操作，否则会导致数据无法同步且任务无法恢复。不支持修改源数据库Oracle用户名（SCHEMA名），包括11.2.0.2之前版本通过修改USER$字典表方式及11.2.0.2之后通过ALTER USER username RENAME TO new_username修改SCHEMA名称的场景。 Oracle为源端时，暂不支持迁移CLOB、NCLOB和BLOB类型。 Oracle为源端时，暂不支持Oracle RAC集群。 Oracle为源端时，支持连接单实例的oracle备库，不支持RAC集群备库，备库读取时只支持读取archive log，不支持读取standby log。连接备库时建议oracle 设置定时归档，减少数据同步时延。网络带宽建议大于100M/s。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。当Oracle作为源端进行全量+增量迁移时，需要确保Hudi表数据已经清空，否则全量数据可能无法写入Hudi表。增量同步阶段：支持DML：包括INSERT、UPDATE、DELETE。支持的DDL：新增列。不支持混合分区表。混合分区表中的外部分区数据变更不产生DML日志，增量数据同步时无法获取变更信息，会存在数据不一致的风险。表名和列名长度限制为30个字符。Oracle日志读取采用Oracle logminer，logminer限制了表名和列名在30个字符以内，详情请参见LogMiner分析日志相关介绍。增量启动时，选择时间位点启动，请确保oracle数据库时区和数据库所在主机时区一致，才能保证增量位点的准确性。增量同步不支持Oracle上的分布式事务（XA事务）和PARALLEL DML。增量阶段不支持Oracle字符集扩展的字符，标准字符集无法解析Oracle自定义扩展字符。增量同步不支持同步或迁移触发器，需要关闭目标Oracle的触发器。增量同步不支持同步或迁移存在外键约束的数据。增量同步不支持同步或迁移使用Oracle Data Pump向源库导入的数据。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	Oracle中表结构长度（所有列长字节数之和，char、varchar2等类型字节长度和编码有关）超过65535时，可能导致同步失败。当使用PDB数据库同步时，由于Oracle LogMiner组件的限制，增量同步时必须打开全部PDB。 Oracle 12.2及以上版本，由于Oracle LogMiner组件的限制，增量同步不支持表名或列名超过30个字符。 Oracle为源端时全量+增量或增量作业，如果需要同步PDB库中的表，Oracle连接中需要填写CDB库的用户名和密码，不能为PDB用户名和密码，因为Oracle日志统一在存储在CDB库中，同时Oracle logminer只能运行在CDB库中。 DDL删除表时需执行“drop table test_table_name purge命令”。 Oracle数据库默认删除表是一个高危操作，执行"drop table test_table_name"命令时, Oracle会将该命令转换为“rename table test_table_name as xxxxx”, 即将该表重新命名为Oracle临时表空间中的一张待处理表，原表实际并未删除，migration默认直接忽略该语法；Oracle删除表语句"drop table test_table_name purge"会彻底删除表，migration会自动识别删除表并下发给下游。全量和增量同步不支持隐藏列（UNUSED, INVISIBLE）。不支持无主键表。不支持DCL操作。不支持同步或迁移连续的RENAME TABLE操作，否则可能会导致任务失败。不支持同步或迁移全局临时表（任务正常运行）。不支持同步或迁移含有默认值函数的表，否则会导致数据不一致。不支持同步或迁移默认值中含有表达式的表。不支持同步或迁移外部表。不支持同步或迁移计算列、加密列。不支持同步或迁移虚拟私有数据库（Virtual Private Database, VPD）。不支持同步或迁移dbms_scheduler和dbms_job创建的job。不支持同步或迁移Schema名称的变更操作。不支持同步或迁移嵌套表，否则会导致任务报错。不支持同步或迁移物化视图（Materialized View）。不支持同步或迁移包含关键字或者特殊字符的属性名的DDL操作。不支持ROWID变更操作（例如split partition、table move、table shrink、move partition key），否则可能会导致数据不一致或任务失败。不支持Secure Sockets Layer（SSL）加密传输模式。不支持Oracle Label Security模式。 StarRocks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Oracle到StarRocks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。

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。
选择数据连接类型：源端选Oracle，目的端选StarRocks。

图1 选择数据连接类型
选择集成作业类型：同步类型默认为实时，同步场景包含整库场景。

图2 选择集成作业类型

同步场景相关介绍请参见同步场景。
配置网络资源：选择已创建的Oracle、StarRocks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。
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。
配置源端参数。

选择需要迁移的Oracle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。

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Oracle库名相同的StarRocks库中。
  - 自定义：数据将同步至自行指定的StarRocks库中。
- 表匹配策略。
  - 与来源表同名：数据将同步至与来源Oracle表名相同的StarRocks表中。
  - 自定义：数据将同步至自行指定的StarRocks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}。

StarRocks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 StarRocks高级配置一览表
参数名	参数类型	默认值	单位	配置说明
sink.batch.size	-	20000条	条	单批次写入StarRocks数据的最大条数。
sink.max-retries	-	3次	次	数据库写入失败时的最大重试次数。
sink.batch.interval	-	1	秒	每批次数据写入StarRocks的时间间隔。
sink.enable-delete	-	true	-	是否启用删除功能。
sink.batch.bytes	-	10	MB	写入、写入或更新、以及删除的最大字节数。

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Hudi数据库中建出相应的表。

图6 源表与目标表映射
点击放大

附加字段编辑：单击操作列“附加字段编辑”可为目的端的StarRocks表中增加自定义字段，同时附加字段也会额外加入到StarRocks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StarRocks表新增字段的名称。
字段类型：目的端StarRocks表新增字段的类型。

字段值：目的端StarRocks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	任意字符
内置变量	源端host ip地址：source.host。源端schema名称：source.schema。源端table名称：source.table。目的端schema名称：target.schema。目的端table名称：target.table。
源表字段	源表中的任一字段。配置附加字段的取值来源于源表字段时，请注意任务运行过程中不能修改对应源表字段的名称，否则可能导致作业异常。
udf方法	substring(#col, pos[, len])：截取源端col列的子串, 范围在[pos, pos+len)。 date_format(#col, time_format[, src_tz, dst_tz])：将源端col列按time_format格式化, 可选转换时区。 now([tz])：获取指定时区的当前时间。 if(cond_exp, str1, str2)：满足条件表达式cond_exp时返回str1, 否则返回str2。 concat(#col[, #str, ...])：拼接多个参数, 可为源端列或字符串。 from_unixtime(#col[, time_format])：将unix时间戳按time_format格式化。 unix_timestamp(#col[, precision, time_format])：将时间转成unix时间戳, 可显式定义时间格式及转换后精度。

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。

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。	-

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CDC日志最早时间点时，默认会以日志最新时间点开始消费。