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。
更多的数据源生态反对
以 OceanBase 为源端数据迁徙同步,目前反对 MySQL、StarRocks、OceanBase、Kafka 对端,咱们心愿后续如 Redis、ElasticSearch、Doris、Hudi 等数据源也能退出到这个指标数据源中。
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。