东莞樟木头网站建设,模板网站免费下载,空壳网站,wordpress网页图片加载在实时数据仓库建设或迁移的过程中#xff0c;用户必须考虑如何高效便捷将关系数据库数据同步到实时数仓中来#xff0c;Apache Doris 用户也面临这样的挑战。而对于从 Oracle 到 Doris 的数据同步#xff0c;通常会用到以下两种常见的同步方式#xff1a;
OGG/XStream/Lo…在实时数据仓库建设或迁移的过程中用户必须考虑如何高效便捷将关系数据库数据同步到实时数仓中来Apache Doris 用户也面临这样的挑战。而对于从 Oracle 到 Doris 的数据同步通常会用到以下两种常见的同步方式
OGG/XStream/LogMiner 工具 通过该方式先将数据同步到 Kafka 中然后通过 Routine Load 消费 Kafka 中的数据进行实时同步。这种方式的同步链路相对较长特别是在上游数据表较多的情况下需要手动创建大量的 Routine Load 作业同步流程不仅繁琐也给用户增加了较大的使用及维护压力。
FlinkCDC 该方式虽然可以直接将上游数据同步到 Doris 中并在一定程度上缩短了同步链路实际在使用过程中还会遇到以下问题
数据同步时需要在 Flink 中对每张表手动配置参数及字段映射尤其是在多表或整库同步场景中不仅带来大量配置工作量还增加了 FlinkSQL 脚本的维护成本。数据同步时需要事先在 Doris 中手动逐个创建表而面对数量庞大的上游表时手动创建表不仅耗费时间而且工作效率很低间接影响数据同步的效率。由于每张 Source 表都会使用同一个链接因此在整库同步时会给源端造成很大的链接压力。
为了解决上述问题在新版本的 Doris-Flink-Connector 中我们实现了 FlinkCDC 的 Datastream API 集成无需提前在 Doris 中创建表以及映射关系仅仅通过简单的参数配置就能一键完成从 Oracle 等关系型数据库到 Apache Doris 的整库数据同步。
此外Doris-Flink-Connector 也可以一键实现万表 MySQL 整库同步至 Apache Doris 中来具体使用可参考一键实现万表 MySQL 整库同步至 Apache Doris
同步流程 实战演示 在进行整库同步前我们先了解一下具体同步流程 在启动 Flink 任务之前Doris-Flink-Connector 会自动读取需要同步的 Oracle 表的元数据信息并自动在 Doris 中创建相应的表。通过 FlinkCDC 提供的 OracleSource 功能能够从 Oracle 数据库中读取数据并将其传递到下游进行处理。通过 Flink 的侧输出流功能根据自定义规则将数据分流到不同的 Doris Sink 中并同步到 Doris 中来。
通过以上简单操作即可实现上游 Oracle 数据库的整库数据实时数据接入到 Apache Doris 中。接下来我们通过一个实际案例来详细说明具体的操作步骤
01 Oracle 环境准备
# 拉取镜像
docker pull registry.cn-hangzhou.aliyuncs.com/helowin/oracle_11g# 启动镜像
docker run -it -d \
--privileged \
-p 1521:1521 \
--name oracle11g \
-e ORACLE_ALLOW_REMOTEtrue \
-v /mnt/disk1/oracle:/data/oracle \
registry.cn-hangzhou.aliyuncs.com/helowin/oracle_11g# 进入容器
docker exec -it oracle11g bashOracle 归档日志Binlog配置启动归档日志时需对日志大小和存放地址进行设置设置完成需进行重启。该步骤完成后才可进行后续增量数据的同步。
# 进入SQL命令行
[oracleef6d9de18e59 ~]$ sqlplus /nolog
SQL conn /as sysdba
Connected.SQL alter system set db_recovery_file_dest_size 10G;
System altered.SQL alter system set db_recovery_file_dest /home/oracle/oracle-data scopespfile;
System altered.SQL shutdown immediate;
Database closed.
Database dismounted.
ORACLE instance shut down.SQL startup mount;
ORACLE instance started.
Total System Global Area 1603411968 bytes
Fixed Size 2213776 bytes
Variable Size 402655344 bytes
Database Buffers 1174405120 bytes
Redo Buffers 24137728 bytes
Database mounted.SQL alter database archivelog;
Database altered.SQL alter database open;
Database altered.
# 检查日志归档是否开启
SQL archive log list;
Database log mode Archive Mode
Automatic archival Enabled
Archive destination USE_DB_RECOVERY_FILE_DEST
Oldest online log sequence 1
Next log sequence to archive 1
Current log sequence 1# 启用补充日志记录
SQL ALTER DATABASE ADD SUPPLEMENTAL LOG DATA;
Database altered.#创建用户
CREATE USER admin IDENTIFIED BY admin123;
GRANT dba TO admin;数据准备
[oracleef6d9de18e59 ~]$ sqlplus admin/admin123
SQL CREATE TABLE PERSONS(ID NUMBER(10),NAME VARCHAR2(128) NOT NULL,PRIMARY KEY(ID));
Table created.SQL INSERT INTO PERSONS VALUES (1, zhangsan);
SQL INSERT INTO PERSONS VALUES (2, lisi);
SQL INSERT INTO PERSONS VALUES (3, wangwu);SQL CREATE TABLE PERSONS_1(ID NUMBER(10),NAME VARCHAR2(128) NOT NULL,PRIMARY KEY(ID));
Table created.SQL INSERT INTO PERSONS_1 VALUES (1, zhangsan);
SQL INSERT INTO PERSONS_1 VALUES (2, lisi);
SQL INSERT INTO PERSONS_1 VALUES (3, wangwu);02 Flink 环境配置
将 FlinkCDC-Oracle 的依赖和 Doris-Flink-Connector 包放到 Flink 的 lib 目录下同时启动 Flink 集群。
# 下载相关依赖
wget https://repo.maven.apache.org/maven2/com/ververica/flink-sql-connector-oracle-cdc/2.3.0/flink-sql-connector-oracle-cdc-2.3.0.jar
wget https://repository.apache.org/content/repositories/snapshots/org/apache/doris/flink-doris-connector-1.16/1.5.0-SNAPSHOT/flink-doris-connector-1.16-1.5.0-20230811.065053-1.jar -O flink-doris-connector-1.16-1.5.0-SNAPSHOT.jar# 启动Flink集群
bin/start-cluster.sh03 一键提交整库同步作业
本次同步以 PERSON 开头的所有的表。
FLINK_HOME/bin/flink run \-Dexecution.checkpointing.interval10s \-Dparallelism.default1 \-c org.apache.doris.flink.tools.cdc.CdcTools \./lib/flink-doris-connector-1.16-1.5.0-SNAPSHOT.jar \oracle-sync-database \--database test_db \--oracle-conf hostname127.0.0.1 \--oracle-conf port1521 \--oracle-conf usernameadmin \--oracle-conf passwordadmin123 \--oracle-conf database-nameHELOWIN \--oracle-conf schema-nameADMIN \--including-tables PERSONS.* \--sink-conf fenodes127.0.0.1:8030 \--sink-conf usernameroot \--sink-conf password\--sink-conf jdbc-urljdbc:mysql://127.0.0.1:9030 \--sink-conf sink.label-prefixlabel \--table-conf replication_num1详细参数可参考https://doris.apache.org/zh-CN/docs/dev/ecosystem/flink-doris-connector
提交成功后可以在 FlinkWeb 上看到该同步任务的状态。 进入 Doris 可以查看自动创建的表以及同步成功的全量数据。
mysql use test_db;
Reading table information for completion of table and column names
You can turn off this feature to get a quicker startup with -A Database changed
mysql show tables;
-------------------
| Tables_in_test_db |
-------------------
| PERSONS |
| PERSONS_1 |
-------------------
2 rows in set (0.00 sec) mysql select * from PERSONS;
----------------
| ID | NAME |
----------------
| 2 | lisi |
| 3 | wangwu |
| 1 | zhangsan |
----------------
3 rows in set (0.01 sec) mysql select * from PERSONS_1;
----------------
| ID | NAME |
----------------
| 2 | lisi |
| 3 | wangwu |
| 1 | zhangsan |
----------------
3 rows in set (0.01 sec)在 Oracle 中模拟实时增删改数据
INSERT INTO PERSONS VALUES(4,doris);
UPDATE PERSONS SET name zhangsan-update WHERE ID 1;
DELETE PERSONS WHERE ID 2; 在 Doris 中进行验证可以确认增量数据已经成功同步。
mysql select * from PERSONS;
-----------------------
| ID | NAME |
-----------------------
| 1 | zhangsan-update |
| 4 | doris |
| 3 | wangwu |
-----------------------
3 rows in set (0.01 sec) 通过以上操作成功实现将 Oracle 中数据整库同步到 Doris 中同时也实现了上游全量与增量数据的自动接入。
实际使用反馈 原先将 Oracle 数据同步到 Doris 中时需要手动创建 Source 和 Sink 表而使用 Doris-Flink-Connector 后可以实现多表、整库数据一键同步极大简化了开发流程该工具还能实现字段类型自动转换数据同步更加简单便捷。 —— 远景动力 资深大数据工程师 孙全隆
在使用 Doris-Flink-Connector 之前我们一般是通过 DataX 定时从业务系统中抽取数据当进行全量同步时抽取数据会对业务系统造成一定的压力且该方式只能做到小时级的同步。期间我们也尝试了 FlinkCDC该方式虽然可以实现数据实时写入 Doris 但每个表都需要手动创建新任务配置工作量大且会浪费服务器资源。而 Doris-Flink-Connector 可以实现一键化脚本操作为我们减少了繁杂的手工配置流程高效稳定的实现了整库数据快速同步。 —— 郑煤机数耘科技 资深大数据工程师 杨开元
Doris-Flink-Connector 一键操作即可快速实现 Oracle 数据整库同步到 Doris节省了手动配置以及编写复杂同步代码的步骤避免了手动同步中可能出现数据不一致的问题。不仅能提高数据的准确性和可靠性也极大提升了工作的效率。 —— 海程邦达 资深大数据工程师 王新
在实时数仓的建设过程中对于 ODS 贴源数据层的同步需求Doris-Flink-Connector 能够很好的解决全量数据、增量数据、增量表、表结构变更自动监听。同时它也对 Stream Load 逻辑进行了优化可以避免频繁对空数据进行 Load减轻了数据库压力。此外Doris-Flink-Connector 能够帮助我们节省大量 Flink 集群资源特别是业务变更频繁时期能很好及时的同步上游状态确保上下游数据的一致性。 ——旺小宝 数据架构师 米华军
我们在 MySQL 和 Orcale 两个场景下均进行了全量 增量的尝试Doris-Flink-Connector 是真正的拆箱即用真正实现了一键式操作、无感知建表这为开发人员节省了不少时间成本同时在使用期间遇到问题SelectDB 技术同学的响应速度非常给力帮助我们快速推进数据同步工作。 —— 博思软件 资深大数据开发工程师 刘工
总结 Doris-Flink-Connector 通过集成 FlinkCDC能够将上游 Oracle 数据库中的数据快速同步到 Doris 中。特别是在整库同步场景中用户只需执行一键导入命令即可快速将整个数据库的全量和增量数据导入到 Doris 中。这一功能的引入大大降低了数据同步的门槛使数据同步变得更加简单高效。
最后欢迎有需要的小伙伴使用该工具感兴趣的伙伴可以在评论区留言或私信申请进入专项支持群如果你在使用过程中遇到任何问题均可向我们反馈~
# 作者介绍 吴迪 SelectDB 生态研发工程师。
