5分钟搞定 MySQL 到 MySQL "异构"数据在线迁移同步

简述

MySQL 到 MySQL 在线同步不是一个新鲜话题了，但是面对数据源异构、高度产品化创建、并且稳定运行于在线严苛场景，需要做的工作会比一个单纯工具或者脚本多得多。本篇文章仅从功能角度介绍 CloudCanal 如何快速创建并运行此种数据链路。

技术点

“异构” 和面临的问题

通常所说的数据库异构在于三个维度，相互可以组合，包括 两端数据库类型不同、表结构约束不一致 和 数据差异。后两者工作更多在于传统 ETL 领域的 Transform 范畴，在如今大数据 ODS 构建过程中被弱化(所谓 ELT),但是在在线业务领域仍然存在较多严苛需求(Streaming)。而前者对系统的架构和核心数据结构设计有诸多要求，这些要求来自于 增量数据获取方式多样、SQL 方言差异、约束差异、元数据差异、部署形态(如分布式)等问题的处理。

增量数据获取方式 如 ORACLE 的 redo 日志、物化视图，MySQL binlog 、Postgres WAL、MongoDB oplog等千差万别，如何快速增加源端数据库支持需要系统级设计和抽象，也是一个比较漫长的过程。

SQL 方言差异 如 RDB 分页差异(数据扫描)、写入冲突处理、大小写、表结构定义差异等。约束差异 如索引 owner 归属偏差、partition key/sharding key 和 PK/UK 的关系差异(如 GreenPlum 对唯一键的要求) 等。上述两个差异，对于纯粹数据迁移、同步影响较小，但是对于 DDL 同步、结构迁移存在巨大挑战(如 MySQL 到 Greenplum 需要对索引重命名、裁剪和 partition key 无关的 UK 等)，在库、表、列映射、裁剪等情况下，更加复杂。

元数据差异 包括数据类型转换、db/schema/table/topic/tablespace/index(ES) 层次差异、partition key / sharding key 等结构支持、分布式数据库分片差异(如 MongoDB shard/replication set 结构和分布式数据库中间件 shard 的迁移同步架构统一)，以及 big evil 以分布式数据中间件为源端的 DDL 同步。

但是今天，我们并不展开介绍 数据库类型不同 的数据迁移同步功能，而是介绍 MySQL 到 MySQL 在线数据迁移同步所面临的异构问题，更多是业务需求所产生的 表结构不一致 和 数据差异 ，其中包括库、表、列映射、裁剪 和 数据过滤。希望此篇文章能够让你在 5 分钟内搞定这个事情(环境 ready 的情况下)。

举个”栗子”

准备 CloudCanal

SAAS 版参考 自建机器客户端安装 文章

社区版参考文章 docker安装 文章

数据库准备

我们有3个 MySQL 数据库，源实例上的库叫 drds_1 和 drds_2 ，目标实例上有 drds_merge 库， 其中源库里面有若干张表，并且存在一些测试数据，有些表正常迁移(worker_stats表), 有些表需要汇聚(shard_x表)，有些表需要结构迁移(kbs_question)，有些表有映射(shard_x表)，有些表不同步(kbs_article表)，有些表字段需要映射和裁剪(data_job)。接下来我们花 5 分钟时间来搞定这个事情，并且做一次数据校验。

造些数据

• 启动源端造增量数据程序，IUD 比例 30:50:20

创建任务

• 选择源数据库和目标数据库，做好库映射。操作完毕点击下一步。

• 选择数据同步，并默认勾选数据初始化、DDL 同步，此处勾选做一次性数据校验，在主任务增量追上阶段，自动进行数据校验。当然我们也可以随时随地创建单独的数据校验任务。操作完毕点击下一步。

• 选择表，并做好表映射，以及去除不想迁移同步的表。操作完毕点击下一步。

• 选择列，并做好列映射、裁剪掉某些不需要表的列。

• 批量设置唯一键为主键。

• 设置数据过滤，如图中 id < 3000。操作完毕点击下一步。

• 确认创建任务。确认完毕点击创建任务。
  

任务运行

• 如果选择的库、表、列在对端不存在，则进行结构迁移

• 结构迁移完成后自动进行数据初始化，映射、裁剪、数据过滤按照设定运行。目前 CloudCanal 数据初始化都是逻辑初始化，速度可能没有某些物理初始化快，但是灵活度高。

• 数据初始化完毕，开始进行增量同步。增量同步会自动从数据初始化位点拉取 MySQL binlog 进行回放，同样会执行映射、裁剪、以及数据过滤等操作。
  

数据校验

• 按相同逻辑创建一个增量任务。(暂未推出创建相似任务)

• 校验任务跑完，获取差异数据，并抽样对比，数据一致。校验的差异主要是数据多次更新、同步延迟等造成，一般非大规模不一致或丢失，则数据正常。

• 数据差异数据目前需要到任务日志目录获取，暂时未提供日志下载能力。
  

总结

异构数据源的在线迁移和同步，此篇文章主要简单介绍了下功能，对于在线严苛场景而言，后续的监控告警、容灾、特殊数据处理、抗峰值、问题排查等都是重要工作。

在文末，贴一下我们社区版下载帖，欢迎下载并尝试我们的产品，快来构建属于你自己的在线数据任务吧。
CloudCanal-免费好用的企业级数据同步工具，欢迎品鉴。
了解产品可以查看官方网站： http://www.clougence.com
CloudCanal社区：https://www.askcug.com/