关于数据库:CloudCanal-x-OceanBase-数据迁移同步优化

简述

CloudCanal 去年反对 OceanBase 数据迁徙同步能力后，随着应用用户增多以及问题反馈，近期对该能力进行了一轮较大规模的优化。

本篇文章简要介绍这些优化点，以及将来该能力的演进方向。

优化点

大幅晋升同步性能

CloudCanal 目前应用 OceanBase LogProxy 做增量数据订阅，应用形式绝对简单明了。

@Overridepublic void notify(LogMessage message) {    try {        ParsedEntry entry = msgConvertor.convertMsgToEntry(message);        if (entry == null) {            return;        }        instance.getEventStore().put(entry);    } catch (Exception e) {        String msg = "parse ob msg failed.msg:" + ExceptionUtils.getRootCauseMessage(e);        log.error(msg, e);        throw new LogProxyClientException(ErrorCode.E_PARSE, msg);    }}

音讯解析对性能影响绝对小，攒批和 对端写入形式 影响更大。

攒批方面，咱们将变更事件写入内存队列后，依照 个数/容量阈值(increBatchSize) 或 超时工夫(fetchFromBrokerTimeoutMs) 刷出，晋升批量写入的粒度。

对端写入形式，依据不同数据源，咱们采纳了 batch 、multisql 、并行、 upsert 等技术晋升写入效率。

对立各类表全量扫描形式

全量数据扫描 是 CloudCanal 全量数据迁徙(或数据初始化)重要组成部分，需满足 性能优良（2KB/record,>= 100k records 扫描速率）、可断点续传、可预测进度、表兼容性好 的要求。

其中前三者是业务要求，最初一种是尽可能满足前三者的前提下，做到更多表的兼容。

CloudCanal 碰到的"表"蕴含以下类型

关系型数据库
- 无/单/多主键
- 各种类型主键(整型/浮点/日期/二进制等)
- 差别值主键(有/无符号，null值/空值，超长值)
- 各种类型分区
- 差别数据量(1万，100万，1000万，1亿，10亿，100亿)
- 实体表/视图/长期表
消息中间件
- 各种命名标准
- 无/有分区
- 程序/非程序
文档数据库
- 标准/非标准(schemaless)
- 无/有行业标准格局(ObjectId)
缓存数据库
搜索引擎

CloudCanal 全量数据扫描次要面向关系型数据库，性能要求、断点续传能力、进度预测能力都基于主键开展。

此次优化，咱们做了如下几方面工作，对立了扫描逻辑，并且让无/单/多主键、各种类型主键、分区表都可断点续传

以主键、分区作为断点续传位点
扫描语句退出分区指定(如有)、元组比拟(单/多主键)、按元组排序、指定分页数等局部
比照位点最大值、扫描行数形式断定扫描是否完结

此外，各个数据源可依据本身差异性，可扩大扫描语句、最大最小位点值获取逻辑、链接自定义(设置超时等)、执行语句上下文自定义(设置fetchSize等)。

反对全局索引表

全局二级索引（GLOBAL）对分布式数据库有着十分重要的作用，它让本来 多分区数据检索 操作 弱化成单分区检索，减速不同维度点查响应，晋升 QPS。

对于 OceanBase 对端写入，CloudCanal 默认采纳关系型数据库 INSERT IGNORE/ON DUPLICATE KEY UPDATE 躲避主键/惟一键抵触。

然而对于带有 GLOBAL 索引的表，OceanBase 不反对 INSERT IGNORE 操作，所以此次优化，咱们写入 OceanBase 的 INSERT 操作默认改为 ON DUPLICATE KEY UPDATE (REPLACE)。

异构 DDL 同步转换优化

从异构数据库同步 DDL 到 OceanBase，咱们优化成白名单模式。

如 MySQL 到 OceanBase DDL 同步，默认反对

ALTER TABLE xxx ADD/DROP/MODIFY COLUMN
CREATE INDEX
RENAME TABLE

优化同时去除了 ALTER TABLE xxx CHANGE COLUMN、AFTER/BEFORE 等 OceanBase 现阶段不反对的语句。

此项能力随着 OceanBase 产品能力的进化而不断丰富。

解决工夫戳自更新问题

对于相似 gmt_create datetime/timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP 工夫字段定义，当源端该字段值变动区间小于工夫精度（被程序断定未变动），并且写入对端并非采纳 upsert 形式（准确字段更新），那么该字段数据将不统一。

CloudCanal 在准确字段更新模式下，默认将工夫字段置为更新状态，确保将源端值带到对端，解决不统一的问题。

演进方向

OceanBase 商业级增量组件兼容

OceanBase 商业版 OMS 的数据订阅能力有别于目前社区版的 LogProxy，如 OceanBase 官网逐渐扩充其应用面，CloudCanal 将第一工夫跟进兼容。

更快的数据校验和勘误能力

分布式数据库绝对单机数据库，单表数据量大幅度减少（亿级表相当常见），数据校验和勘误性能相比数据初始化，更加依赖数据扫描的性能，为此，CloudCanal 将凋谢 单表分片/分区并行扫描 的能力。

更强的构造迁徙和 DDL 同步能力

大表 通用/特殊化分区 是常见操作，目前 CloudCanal 对表分区的构造迁徙并未无效反对，这种分区的构造迁徙，对于同构数据库相当必要。后续，咱们将提供 分区信息的构造迁徙。

总结

本文次要介绍了 CloudCanal 在过来一段时间对 OceanBase 数据迁徙同步能力的优化,从而是这个能力具备更强的性能、更好的兼容性、更加稳固的数据迁徙同步体现。

简述

优化点