文档首页/ 数据复制服务 DRS/ 实时同步/ 自建到自建/ 将GaussDB主备版同步到Kafka
更新时间：2024-11-25 GMT+08:00
查看PDF
分享

将GaussDB主备版同步到Kafka

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

GaussDB主备版

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

同步范围

同步范围须知
  • 不支持实例级同步：不支持实例级别同步，每次至多同步一个库（database），同步多个库需要使用多个DRS任务。
  • 支持场景：支持增量同步。
  • 支持的字段：BIGINT，TINYINT UNSIGNED，SMALLINT UNSIGNED，INTEGER UNSIGNED，BIGINT UNSIGNED，BIT，BIT VARYING，BLOB，BOOLEAN，BYTEA，CHARACTER，CHARACTER VARYING，CLOB，DATE，DOUBLE PRECISION，INTEGER，MONEY，NUMBER，NUMERIC，NVARCHAR2，RAW，REAL，SMALLDATETIME，SMALLINT，TEXT，TIME WITH TIME ZONE，TIME WITHOUT TIME ZONE，TIMESTAMP WITH TIME ZONE，TIMESTAMP WITHOUT TIME ZONE，TINYINT。
  • 支持表级同步、schema级同步、库级同步：
    • 仅支持同步选中表的DML。
    • 不支持同步没有schema的database。
    • 不支持同步没有表的schema。
    • 不支持同步列存表、压缩表、延迟表、临时表、含生成列的表，不建议同步非日志表。
    • 不支持同步系统schema（pg_toast、cstore、snapshot、sys、dbms_job、dbms_perf、pg_catalog、information_schema、utl_file、dbms_output、dbms_random、utl_raw、dbms_sql、dbms_lob、dbe_perf、pkg_service、pkg_util、dbe_file、dbe_random、dbe_output、dbe_raw、dbe_sql、dbe_lob、dbe_task、blockchain、db4ai、dbe_pldebugger、sqladvisor、dbe_application_info、dbe_match、dbe_pldeveloper、dbe_scheduler、dbe_session、dbe_utility、dbe_sql_util、dbe_xml、dbe_xmldom、dbe_xmlparser、dbe_compression、dbe_heat_map、dbe_ilm、dbe_ilm_admin、prvt_ilm、dbe_profiler、dbe_stats、rdsBackup、rdsMetric、rdsRepl）。
    • 不支持同步系统表（public schema下的redis_progress_detail、redis_status、pgxc_redsitb、redis_progress）。
    • 库名、schema名和表名不可以包含/<.>\\'`|\?和!。列名不可以包含"'和.。

数据库用户权限要求

在使用DRS进行同步时，连接源库和目标库的数据库用户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，需要的用户权限也不同，详细可参考表3进行赋权。DRS会在“预检查”阶段对数据库用户权限进行自动检查，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 数据库用户权限

类型名称

增量同步

源数据库连接用户

用户具备sysadmin角色或以下最小权限：

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
  • 源数据库参数要求：

    选择增量同步时：

    • 源库的wal_level参数设置为logical。
    • 源库的enable_slot_log参数设置为on。
    • 源库的max_replication_slots参数值必须大于当前已使用的复制槽数量。
    • 将无主键表的REPLICA IDENTITY属性设置为FULL，或给无主键表追加主键。
    • 建议将主键表的REPLICA IDENTITY属性设置为FULL。
  • 源数据库对象要求：
    • 源库要同步的库名、schema名和表名不可以包含/<.>\\'`|\?和!。
  • 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：
    • 在启动任务后，进入增量同步阶段前，请确保在源库中长事务未启动，启动长事务会阻塞逻辑复制槽的创建，进而引发任务失败。
    • 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。
    • 如果DRS实例类型选择主备类型，当DRS任务发生主备切换时，可能会产生无主键表数据重复或不一致的情况。
    • 受GaussDB逻辑复制能力约束，同一实例上，最多支持同时开启20个逻辑复制槽进行解码。
    • 源数据库版本小于94563并且为B或者MySQL兼容模式时，如果开启了b_format参数（例如：set b_format_version='s1'、set b_format_dev_version='s1'或者set b_format_dev_version='s2'），则不支持timestamp with time zone类型的同步。源数据库版本查询可参考如下SQL： 
      select working_version_num();

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。
  • 请勿修改源库中表的REPLICA IDENTITY值，否则可能导致增量数据不一致或任务失败。
  • 请勿在Kafka上删除接收DRS数据的topic，否则可能导致任务失败。
  • 选择表级对象迁移时，同步过程中不建议对表进行重命名操作。
  • 不支持interval partition表复制。
  • 不支持修改主键列名称。
  • 在事务中执行DDL语句后，该DDL语句与之后的语句不会被同步。
  • 逻辑日志解码受限于GaussDB内核的解码能力，存在一些使用约束，具体约束请参考对应版本GaussDB逻辑解码章节的注意事项说明。
  • 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

任务正常结束

  • 结束时将自动删除任务在源库创建的流复制槽。

任务强制结束

  • 强制结束同步任务，需要手动删除源库可能残留的复制槽，可参考GaussDB主备版为源强制结束任务章节的指导进行操作。
  • 复制槽命名规则取决于数据库内核版本（可通过select working_version_num();命令查看），版本号低于92556默认使用串行解码，复制槽名命名规则为“replication_slot_唯一性标识”；版本号大于等于92556默认使用并行解码，复制槽名命名规则为“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。

操作步骤

  1. 在“实时同步管理”页面，单击“创建同步任务”。
  2. 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“GaussDB主备版”。

      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”。

      DRS任务类型

      选择DRS任务类型，可选“单AZ”和“双AZ”。

      • 双AZ：一主一备的经典高可用架构，提高了DRS任务的可靠性。双AZ任务创建后，DRS会同时创建一主一备两个子任务，当主AZ任务发生异常，DRS会自动启动备AZ任务继续进行同步，提高同步任务的可靠性。适用于业务数据量较大，需要长期同步，并对中断时间有严格要求的场景。
      • 单AZ：采用单个节点部署架构，每个任务只创建一个节点，性价比较高。适用于业务数据量较小，短期同步，并对中断时间无严格要求的场景。

      目前仅部分链路支持DRS任务类型的选择，详细说明可参考双AZ任务倒换。

      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。

      网络类型选择“VPN、专线网络”时，支持输入指定IP。需要注意，同时创建多个任务时，不能指定同一组未使用IP，否则会导致任务创建失败。

      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。

      DRS任务类型选择“双AZ”时，需要分别指定主IP和备IP。

      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。

      DRS任务类型选择“双AZ”时，可用区分为“主可用区”和“备可用区”。

      图4 可用区
    • 企业项目和标签
      图5 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。

  3. 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6 源库信息
    表9 源库信息

    参数

    描述

    容灾同步

    开启后表示源数据库是容灾集群部署形态，IP地址或域名必须填入容灾集群所有节点的信息。

    IP地址或域名

    输入GaussDB的IP，请确保所填写的多个IP地址或域名属于同一个实例，且请填写所有主备实例的IP。

    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。

    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7 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。

  4. 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8 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。
    • 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、schema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。

  5. 在“数据加工”页面，选择需要加工的数据，进行列加工。

    • 如果不需要数据加工，单击“下一步”。
    • 如果需要进行列加工，参考数据加工中的说明，设置相关规则。

  6. 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。

  7. 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9 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。

  8. 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。

父主题： 自建到自建

相关文档