快速搞定将分库分表数据汇聚到一张表--CloudCanal实战

简述

CloudCanal 2.X 版本近期支持了自定义代码能力带来了丰富的场景化数据能力本文主要介绍在面向 To C 业务分库分表情况下如何通过 CloudCanal 进行数据实时汇聚。

本方案特点

• 数据处理灵活适配多变的业务数据汇聚需求
• 针对大部分带结构数据源互通可举一反三
• 稳定性较好

技术点

约束冲突

对于一部分分库分表中间件或业务自己写的拆分逻辑并没有考虑写入数据主键或者唯一字段值的全局唯一问题导致做数据汇聚时约束冲突。

另一类系统在业务上就独立做数据汇集时除了约束冲突还存在结构不一致数据规范不统一的问题。

对以上两种情况添加额外的字段以消除分表之间的约束冲突进行数据清洗、结构调整将数据进行规整。自定义代码能够很好的完成这种使命。

DDL 同步

分库分表数据汇聚还存在一个较大的问题是 DDL 同步对于大部分这类场景, 类似的 DDL 会在源端执行多遍但是在对端只能执行一遍并且数据和部分 DDL 有顺序依赖问题 — 只有 DDL 在对端执行成功之后新的数据才能写入或者执行。

我们目前建议不同步 DDL, 按照一定规范进行源和目标端 DDL 变更达到不延迟且 DDL 不处于中间状态的目的。

操作示例

前置条件:

• CloudCanal 社区版部署,参见 社区版安装文档

• 准备好 MySQL 数据库本例源端 5.7 目标端 8.0

• 源端 MySQL 上创建 2 个分库( shard_1 和 shard_2), 表结构一致(本例每一个分库只有一张分表)

   CREATE TABLE `shard_1`.`my_order` (
    `id` bigint(19) NOT NULL AUTO_INCREMENT,
    `gmt_create` datetime NOT NULL,
    `gmt_modified` datetime NOT NULL,
    `product_id` bigint(20) NOT NULL,
    `user_id` bigint(20) NOT NULL,
     PRIMARY KEY (`id`)
   ) ENGINE=InnoDB AUTO_INCREMENT=35 DEFAULT CHARSET=utf8
  
   CREATE TABLE `shard_2`.`my_order` (
     `id` bigint(19) NOT NULL AUTO_INCREMENT,
    `gmt_create` datetime NOT NULL,
    `gmt_modified` datetime NOT NULL,
    `product_id` bigint(20) NOT NULL,
    `user_id` bigint(20) NOT NULL,
    PRIMARY KEY (`id`)
   ) ENGINE=InnoDB AUTO_INCREMENT=35 DEFAULT CHARSET=utf8
  

• 目标 MySQL 上创建 1 个汇聚库(no_shard),并包含1张汇聚表

  • %(#ea1f1f)[额外多出 region 字段该字段通过自定义代码固定生成]
  • %(#ea1f1f)[源端主键 id 和生成字段 region 组合成联合主键方便数据汇聚时保持唯一]

   CREATE TABLE `my_order` (
  `id` bigint NOT NULL,
  `region` varchar(64) NOT NULL,
  `gmt_create` datetime NOT NULL,
  `gmt_modified` datetime NOT NULL,
  `product_id` bigint NOT NULL,
  `user_id` bigint NOT NULL,
    PRIMARY KEY (`id`,`region`)
   ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb3
  

开发宽表代码

• 代码工程 cloudcanal-data-process 并找到代码类 MySqlPartitionToMySql1_user_1.java 和 MySqlPartitionToMySql2_user_1.java
• 为了清晰本案例对于不同的源库使用不同的自定义代码实际上两者逻辑一致只是匹配库表是有所不同。

添加数据源

• 登录 CloudCanal 平台
• 数据源管理->新增数据源
• 将源端和目标端MySQL 分别添加
  

分库shard_1任务创建

• 任务管理->任务创建

• 选择 源 和 目标 数据源

• 选择 数据同步并勾选 全量数据初始化, 其他选项默认

• 选择需要迁移同步的表, 此处只要选择待聚合表即可对端选择聚合表
  

• 修改自定义代码并打包
  

  % pwd
  /Users/zylicfc/source/product/cloudcanal/cloudcanal-data-process
  % mvn -Dtest -DfailIfNoTests=false -Dmaven.javadoc.skip=true - 
  Dmaven.compile.fork=true clean package
  

• 选择列,默认全选%(#ea1f1f)[选择上传代码包1]
  

• 确认创建,并自动运行

分库shard_2任务创建

• 任务管理->任务创建

• 选择 源 和 目标 数据源

• 选择 数据同步并勾选 全量数据初始化, 其他选项默认

• 选择需要迁移同步的表, 此处只要选择待聚合表即可对端选择聚合表
  

• 修改自定义代码并打包
  

  % pwd
  /Users/zylicfc/source/product/cloudcanal/cloudcanal-data-process
  % mvn -Dtest -DfailIfNoTests=false -Dmaven.javadoc.skip=true - 
  Dmaven.compile.fork=true clean package
  

• 选择列,默认全选%(#ea1f1f)[选择上传代码包2]

• 确认创建,并自动运行

分库任务状态

• 两个分库汇聚任务正常运行
  

校验数据

• 变更shard_1数据
  
• 变更shard_2数据
  
• 查看no_shard汇聚库数据
  

常见问题

是否支持带数字后缀的分表

支持就是在自定义代码中匹配表名会稍微复杂些需要自行修改匹配逻辑。

是否支持异构数据库

支持自定义代码是 CloudCanal 通用功能可实现自由的数据变幻。但是对于具体的目标数据源行为可能会发生一些细微变化需要进行一定的测试和验证。

如果遇到出错或者问题怎么办

如果会 java 开发建议打开任务的 printCustomCodeDebugLog 观察输出的数据是否符合预期如果不符合预期可以打开任务的 debugMode 参数对数据转换逻辑进行调试。

如果不会 java 开发, 找 CloudCanal 同学协助。

总结

本文简单介绍了如何使用 CloudCanal 进行分库分表数据汇聚。各位读者朋友如果你觉得还不错请点赞、评论加转发吧。