[大数据]数据库同步有哪些方式？??怎么保障目标和源数据一致性??

摘要

数据库同步有3大难题：
1是如何保障目标和源数据一致性；
2是异构数据库如何做数据类型转换，导致数据同步失败的原因常常是因为数据类型不一样；
3是在数据越实时越有价值的背景下，同步过程中能否做到实时同步。

一、几种主流的数据库同步方式

方式一：基于无侵入的日志模式(如Oracle redo、Mysql binlog）
基于日志的采集方式无需在源库端部署任务代理程序(Agent)及建任何表，对源数据库无侵入和影响压力；

方式二：基于时间戳
同步过程通过特定属性（如时间戳、自增序列）来识别新插入的数据，该方式实现最简单，但无法记录删除和更新，也不具备实时的能力；

方式三：基于触发器
基于数据库的触发器机制，当执行DML相关语句时，执行动作来捕获数据，该方式会降低系统能，因此大多数场景下，生产系统不允许添加触发器。

方式四：基于快照
基于快照的方式，可以通过比较源表和快照表来获得数据变化，但需要消耗大量存储空间和计算资源。

方式五：基于离线批处理
通过jdbc查询来批量获取数据，会进行数据表的大范围扫描和数据提取，会对数据库产生大量开销。

本文主要探讨无侵入的CDC模式，并以运用这种模式的数据库同步云工具 Tapdata Cloud 举例，你要问我为啥用它举例，原因只有一个：永久免费。

二、架构及工作原理

Tapdata Cloud包含两部分：

1. Tapdata Cloud Manager，TCM是Tapdata Cloud的管理端，负责agent实例的安装，同步任务的配置、分发、任务状态监测。
2. Tapdata agent，是Tapdata Cloud数据同步服务的执行实例，负责从TCM获取任务信息，通过流式技术从源系统获取数据、处理转换数据并发送到目标系统，并在任务执行过程中监测并上报任务状态至TCM。

有朋友可能会担心这个云平台会不会把我要同步的数据泄露出去？

从Tapdata Cloud 工作原理上可以看出：

1. 同步实例节点单向连接管控端运行服务。 Tapdata agent实例节点对外不主动暴露网络信息，只会连接 TCM管理端服务，获取任务信息、上报状态信息。
2. 用户部署的Tapdata agent实例节点和 TCM 通信链路采用 HTTPS 协议。
3. 自建模式下，所有数据流转均发生在受用户管理的服务器和网络环境。
   可见，数据同步过程中数据泄露的问题大可不必担忧。

三、全量同步和实时增量同步机制

Tapdata Cloud 这款云同步工具支持全量同步和实时增量同步，实现的过程如下图所示：

四、源和目标

据 Tapdata Cloud 最新版本，目前支持了：

五、举例：Oracle 数据实时同步到 Elasticsearch

一般需要做全文检索的时候，会将 Oracle 数据实时同步到 Elasticsearch。

第一步：配置 Oracle 连接

1. 点击 Tapdata Cloud 操作后台左侧菜单栏的【连接管理】，然后点击右侧区域【连接列表】右上角的【创建连接】按钮，打开连接类型选择页面，然后选择Oracle
   

2. 在打开的连接信息配置页面依次输入需要的配置信息
   

【连 接 名 称】：设置连接的名称，多个连接的名称不能重复
【数据库地址】：数据库 IP / Host
【端 口】：数据库端口
【数据库名称】：tapdata 数据库连接是以一个 db 为一个数据源。这里的 db 是指一个数据库实例中的 database，而不是一个 schema。
【账 号】：可以访问数据库的账号
【密 码】：数据库账号对应的密码
【时 间 时 区】：默认使用该数据库的时区；若指定时区，则使用指定后的时区设置

第二步：配置 Elasticsearch 连接

3. 同第一步操作，点击左侧菜单栏的【连接管理】，然后点击右侧区域【连接列表】右上角的【创建连接】按钮，打开连接类型选择页面，然后选择Elasticsearch
   

4. 在打开的连接信息配置页面依次输入需要的配置信息，配置完成后测试连接保存即可。
   

第三步：建立同步任务，以全量+增量同步举例
进入Tapdata Cloud 操作后台任务管理页面，点击添加任务按钮进入任务设置流程

根据刚才建好的连接，选定源端与目标端。

根据数据需求，选择需要同步的库、表，如果你对表名有修改需要，可以通过页面中的表名批量修改功能对目标端的表名进行批量设置.

在以上选项设置完毕后，点击下方的全量+增量选项并点击确定按钮即可完成本次全量同步任务的配置，在点击确定后将自动返回任务管理页面，在任务管理页面中，点击右侧的启动按钮即可使Tapdata Agent 开始执行本次任务。在全量任务执行完毕后，Tapdata Agent 会自动进入增量同步状态。在该状态中，Tapdata Agent 会持续监听源端的数据变化（包括：写入、更新、删除），并实时的将这些数据变化写入目标端。

点击任务监控可以打开任务执行详情页面，可以查看任务执行的具体信息。

同理，其他数据库的同步操作也跟上面步骤一致，比如几个常用的场景是：
? 从业务数据库到缓存数据库的实时同步
? 不停机迁移数据库
? 将主业务中心的数据实时同步至次业务中心
? 构建只读实例
? 构建异地灾备中心
? 构建异地多活

六、目标和源数据一致性

很多人都担心同步的数据可能没法和源数据一致，Tapdata Cloud 提供了数据校验功能，包括快速count校验、表全字段值校验和关联字段值校验三种校验方式。
? 快速count：仅对源表和目标表的行数进行count校验，速度极快，但是不会展示差异的具体字段内容。
? 全表字段值校验：会对源表和目标表的全部字段进行逐行校验，能查出所有字段的差异，但是速度慢。
? 关联字段值校验：只对源表和目标表的关联字段的值进行比对校验，速度快于全表字段值校验模式。
校验操作步骤
进入数据校验菜单，点击新建校验任务创建数据校验。
【选择任务】：选择一个历史同步任务
【校验类型】：可选 快速count校验、表全字段值校验和关联字段值校验
【校验任务名】：默认与选择的同步任务名字一样
【校验频次】：设置您的校验的执行频次
【单次校验】：只执行一次校验
【重复校验】：设置校验任务重复执行，支持设置校验执行的起止时间和校验间隔
【错误数据保存条数】：当出现校验不一致的数据时，不一致数据保存的最大条数。该数值会影响到差异校验，当错误数据条数超出设置的保存条数时，将无法进行差异校验。
【校验条件】：添加需要进行校验的表。点击自动添加会自动将任务下的所有表全部添加进来。

快速count校验

创建快速count校验时只需要选择到要校验的表，无需设置关联条件。

表全字段值校验

除了要选择待校验表外，还需要针对每一个表设置索引字段。

在进行表全字段值校验时，还支持进行高级校验。通过高级校验可以添加JS校验逻辑，对源和目标的数据进行校验。

完整示例：以MongoDB查询示例

JavaScript

function validate(sourceRow){
    // 第1步
    var targetRow = target.executeQuery({database: "target",collection: "USER",filter: {USER_ID: sourceRow.USER_ID}});
    // 第2步
    if(sourceRow.USER_ID === targetRow[0].USER_ID){
        // 第3步
        return {result: 'passed',message: "",data: ""}
    }else{
        return {result: 'failed',message: "记录不一致",data: targetRow}
    }
}

关联字段值校验

创建关联字段值校验时，除了要选择待校验表外，还需要针对每一个表设置索引字段。

七、异构数据类型转换

在异构数据库之间做同步，类型转换是一大难题，也是导致数据同步失败的重要原因，Tapdata Cloud 类型映射功能，在系统推演的基础上，提供了人工调整的能力，这一点比其他数据同步工具都更方便使用。

八、总结

为了达到数据实时要求，并且不对源库造成干扰，首选 CDC 模式。
现在市面上已经陆续出现了一些数据同步工具，完全没有必要自己撸代码了，免费的用起来不香吗？
希望上文的实操图文，对你的数据库同步有帮助，有数据库相关的问题可以随时跟我交流！