在创建数据同步页面,进行参数设置。
图6 创建数据同步
表8 创建数据同步参数
参数 |
说明 |
从只读节点同步数据 |
是否从目标只读节点进行全量数据同步。全量同步过程中需保证只读节点可用,否则全量同步失败后需重新开始同步。
- 是:会从目标只读节点进行全量数据同步,以避免全量同步阶段对主节点产生查询压力。如果仅有一个只读节点,默认选择该节点为目标节点。
- 否:不进行同步。
|
实例级同步 |
同步一个或多个数据库。
- 是:一个数据同步任务可以同步多个库或者全部库。
- 否:一个数据同步任务仅仅只同步一个数据库。
|
库同步范围 |
仅在“实例级同步”选择“是”时显示。
- 所有库:默认同步所有数据库,不需要指定任何数据库名。
- 部分库:需要指定2个及以上的数据库名。
|
同步任务名 |
同步任务名在3到128个字符之间,由字母、数字、下划线组成,不能包含其他特殊字符。 |
目标库 |
目标库在3到128个字符之间,由字母、数字、下划线组成,不能包含其他特殊字符。
当“库同步范围”选择“所有库”时,“目标库”选项不展示。
开启行列自动分流时,源库名称和目标库名称需保持一致。 |
库同步设置 |
单击下拉列表选择需要进行数据同步的目标库,可根据实际需求修改HTAP节点的数据库参数。当“库同步范围”选项选择“所有库”时,下拉列表将隐藏。 |
同步范围 |
根据实际情况选择同步范围,支持对所有表或部分表进行同步。 |
表名支持通配符 |
只有在“实例级同步”选择“是”,同步范围选择“部分表”时显示,库名/表名支持通配符。
实例级同步场景可以选择黑白名单中表名是否支持通配符,通配符只支持“*”和“?”字符。
“*”通配符表示匹配零个或多个任意字符,“?”通配符表示匹配一个任意字符。 |
同步范围 : 白名单 |
当同步范围选择部分表时,需要设置黑白名单的同步范围。
- 白名单和黑名单设置可根据实际需要选择其一进行设置,无法同时配置。如配置白名单,则只同步白名单中选择的表。如配置黑名单,则不同步黑名单中选择的表。
- 需要同步的表,需要包含主键或非空unique key,否则无法同步到HTAP节点。
- 后台数据合并任务及查询过程中可能额外使用磁盘空间,建议保留50%的空闲磁盘空间供系统额外使用。
- 在设置表黑白名单时可以在搜索框中一次性输入多张表,表之间可以通过逗号(“,”)、空格(“ ”)、换行(“\n”)分隔。在多表输入之后,单击
,与库中表相匹配的表会被默认勾选,出现在已选表中。
|
表同步设置 |
开启或关闭表同步设置。
- 开启:左侧选择已经同步的表进行相应的列操作,支持order by, key columns, distributed by, partition by, data_model,buckets, replication_num,enable_persistent_index,如果同时设置多个操作,操作之间通过分号连接。
详细的语法可以参考表9。
- 关闭:不需要进行“表同步设置”。
|
表9 操作语法
操作类型 |
具体语法 |
order by |
order by(column1, column2)或者order by column1,column2 |
key columns |
key columns(column1, column2)或者key columns column1,column2 |
distributed by |
distributed by (column1, column2) buckets 3
|
partition by |
分为表达式分区,List分区等。详见分区语法示例。 |
data_model |
用于指定表类型,取值范围可以是主键表(primary key),明细表(duplicate key)或者更新表(unique key)。
具体语法如下:
data_model=primary key或者data_model=duplicate key或者data_model=unique key |
replication_num |
replication_num=3
|
enable_persistent_index |
表示是否持久化索引,具体语法如下:
enable_persistent_index=true或者enable_persistent_index=false |
组合场景 |
data_model=duplicate key;key columns column1, column2; |
分区语法示例:
表达式分区,仅需在建表时设置分区表达式(时间函数表达式或列表达式)。在数据导入时,HTAP会根据数据和分区表达式的定义规则自动创建分区。
时间函数表达式分区:如果经常按照连续日期范围来查询和管理数据,则只需要在时间函数分区表达式中,指定一个日期类型(DATE或DATETIME)的分区列,以及指定分区粒度(年、月、日、小时),HTAP会根据导入的数据和分区表达式,自动创建分区并设置分区的起止时间。
语法:
PARTITION BY expression
...
[ PROPERTIES( 'partition_live_number' = 'xxx' ) ]
expression ::=
{ date_trunc ( <time_unit> , <partition_column> ) |
time_slice ( <partition_column> , INTERVAL <N> <time_unit> [ , boundary ] ) }
表10 参数说明
参数 |
是否必填 |
说明 |
expression |
是 |
目前仅支持date_trunc和time_slice函数。并且如果您使用 time_slice函数,则可以不传入参数boundary,因为在该场景中该参数默认且仅支持为floor,不支持为ceil。 |
time_unit |
是 |
分区粒度,目前仅支持为hour、day、month或year,暂时不支持为week。如果分区粒度为hour,则仅支持分区列为DATETIME类型,不支持为DATE类型。 |
partition_column |
是 |
分区列。
- 仅支持为日期类型(DATE或DATETIME),不支持为其它类型。如果使用date_trunc函数,则分区列支持为DATE或DATETIME类型。如果使用time_slice函数,则分区列仅支持为DATETIME类型。分区列的值支持为NULL。
- 如果分区列是DATE类型,则范围支持为[0000-01-01 ~ 9999-12-31]。如果分区列是DATETIME类型,则范围支持为[0000-01-01 01:01:01 ~ 9999-12-31 23:59:59]。
- 目前仅支持指定一个分区列,不支持指定多个分区列。
|
示例:假设您经常按天查询数据,则建表时可以使用分区表达式 date_trunc() ,并且设置分区列为 event_day ,分区粒度为 day,实现导入数据时自动按照数据所属日期划分分区。将同一天的数据存储在一个分区中,利用分区裁剪可以显著提高查询效率。
CREATE TABLE site_access1 (
event_day DATETIME NOT NULL,
site_id INT DEFAULT '10',
city_code VARCHAR(100),
user_name VARCHAR(32) DEFAULT '',
pv BIGINT DEFAULT '0'
)
DUPLICATE KEY(event_day, site_id, city_code, user_name)
PARTITION BY date_trunc('day', event_day)
DISTRIBUTED BY HASH(event_day, site_id);
列表达式分区:如果您经常按照枚举值来查询和管理数据,则您只需要指定表示类型的列为分区列,HTAP会根据导入的数据的分区列值,来自动划分并创建分区。
语法:
PARTITION BY expression
...
[ PROPERTIES( 'partition_live_number' = 'xxx' ) ]
expression ::=
( <partition_columns> )
partition_columns ::=
<column>, [ <column> [,...] ]
表11 参数说明
参数 |
是否必填 |
说明 |
partition_columns |
是 |
分区列。
- 支持为字符串(不支持BINARY)、日期、整数和布尔值。不支持分区列的值为NULL。
- 导入后自动创建的一个分区中只能包含各分区列的一个值,如果需要包含各分区列的多值,请使用List分区。
|
示例:假设经常按日期范围和特定城市查询机房收费明细,则建表时可以使用分区表达式指定分区列为日期 dt 和城市 city。这样属于相同日期和城市的数据分组到同一个分区中,利用分区裁剪可以显著提高查询效率。
CREATE TABLE t_recharge_detail1 (
id bigint,
user_id bigint,
recharge_money decimal(32,2),
city varchar(20) not null,
dt varchar(20) not null
)
DUPLICATE KEY(id)
PARTITION BY (dt,city)
DISTRIBUTED BY HASH(`id`);
List 分区
数据按照您显式定义的枚举值列表进行分区,适用于按枚举值来查询和管理数据。您需要显式列出每个 List 分区所包含的枚举值列表,并且值不需要连续。
List分区适用于存储具有少量枚举值列的数据、并且经常按列的枚举值来查询和管理数据的场景。例如表示地理位置、状态、类别的列。列的每个值都代表一种独立的类别。按照列的枚举值对数据进行分区,可以提高查询性能和方便数据管理。尤其适用于一个分区中需要包含各分区列的多个值的场景。例如表中存在 City 列表示个体所属的城市,并且您经常按照州和城市查询和管理数据,则建表时可以使用 City 列作为分区列进行 List 分区,指定同属一个州的多个城市的数据分在同一分区 PARTITION pCalifornia VALUES IN ("Los Angeles","San Francisco","San Diego"),可以加速查询和方便数据管理。
必须在建表时就创建分区,导入时不支持自动创建分区,如果表中不存在数据对应的分区,会报错。
语法:
PARTITION BY LIST (partition_columns)(
PARTITION <partition_name> VALUES IN (value_list)
[, ...]
)
partition_columns::=
<column> [,<column> [, ...] ]
value_list ::=
value_item [, value_item [, ...] ]
value_item ::=
{ <value> | ( <value> [, <value>, [, ...] ] ) }
表12 参数说明
参数 |
是否必填 |
说明 |
partition_columns |
是 |
分区列。
分区列的值支持为字符串(除BINARY)、日期(DATE和DATETIME)、整数和布尔值。分区列的值不支持为NULL。 |
partition_name |
是 |
分区名称。
建议您按照业务场景设置合理的分区名称,便于区别不同分区包含的数据分类。 |
value_list |
是 |
分区中分区列的枚举值列表。 |
示例一:假设经常按照州或城市查询机房收费明细,则建表时可以指定分区列为城市city ,并且指定每个分区所包含城市同属一个州,这样可以加速查询特定州或城市的数据,并且方便按照特定州或城市进行数据管理。
CREATE TABLE t_recharge_detail2 (
id bigint,
user_id bigint,
recharge_money decimal(32,2),
city varchar(20) not null,
dt varchar(20) not null
)
DUPLICATE KEY(id)
PARTITION BY LIST (city) (
PARTITION pCalifornia VALUES IN ("Los Angeles","San Francisco","San Diego"), -- 这些城市同属一个州
PARTITION pTexas VALUES IN ("Houston","Dallas","Austin")
)
DISTRIBUTED BY HASH(`id`);
示例二:假设经常按日期范围和特定州或城市查询机房收费明细,则建表时可以指定分区列为日期dt和城市city。这样属于特定日期和特定州或城市的数据分组到同一个分区中,以加速查询和方便数据管理。
CREATE TABLE t_recharge_detail4 (
id bigint,
user_id bigint,
recharge_money decimal(32,2),
city varchar(20) not null,
dt varchar(20) not null
) ENGINE=OLAP
DUPLICATE KEY(id)
PARTITION BY LIST (dt,city) (
PARTITION p202204_California VALUES IN (
("2022-04-01", "Los Angeles"),
("2022-04-01", "San Francisco"),
("2022-04-02", "Los Angeles"),
("2022-04-02", "San Francisco")
),
PARTITION p202204_Texas VALUES IN (
("2022-04-01", "Houston"),
("2022-04-01", "Dallas"),
("2022-04-02", "Houston"),
("2022-04-02", "Dallas")
)
)
DISTRIBUTED BY HASH(`id`);