如何用gpss实现Oracle到Greenplum的增量同步
之前我们在《如何用gpss实现MySQL到Greenplum的增量同步》中详细介绍了MySQL到Greenplum增量同步的实现步骤。今天将给大家讲一讲Oracle到Greenplum又是如何实现的。
Oracle数据库虽然在OLTP领域仍有着毋庸置疑的优势地位,但在OLAP领域与Greenplum则是差距显著。如今已经有越来越多的分析型业务从Oracle迁移到Greenplum,在《如何从Oracle迁移到Greenplum》系列文章中,详细介绍了业务的迁移的最佳实践;而数据迁移中最核心的就是如何实现数据的实时增量同步。
对增量同步而言,gpss作为一个流计算框架,与源端是解耦的,因此只要Kafka topic中的消息,包含足够的信息,gpss都可以提取变化的数据并重放到gp中。之前介绍了如何利用gpss同步来自Maxwell和Mysql的增量数据,这里再以Oracle Golden Gate为例,介绍如何实时同步来自Oracle的增量数据。
1测试环境
- Oracle
- Oracle Golden Gate
- Kafka 2.2.2
- Greenplum 6.4.0
- GPSS 1.3.6
我们要完成的工作是:
- 通过GoldenGate将Oracle中的增量数据以json格式发送到Kafka (略)
- 利用gpss解析kafka中的json消息
- 将变化的数据更新到Greenplum的目标表中
2测试数据简介
测试使用的表在Oracle中定义如下:
其中 ID 列为键,用来唯一标识一条记录, NAME 和 BIRTHDAY 为更新字段
在源端分别对这个表进行了insert,update和delete操作。
Insert语句为:
Update语句为:
Delete语句为:
3Kafka的消息格式
接下来我们对Golden Gate的这三种类型的消息进行简单的分析。
Insert时生成的消息示例如下:
Table表示源表的表名,current_ts表示操作发生的时间,这里我们用它做排序;op_type和after表示执行的操作及对应的数据。
Delete生成的消息如下,op_type为"D",同时before中包含了完整的内容。
Update除了包含新数据(after)外,还包含了更新之前的数据(before), op_type类型为'U'。
根据生成的消息,我们需要执行如下操作:
- 根据id对消息去重
- 根据ts对消息排序
- 对op_type为D的列执行删除操作
- 对其它type类型执行Merge(upsert)操作
4执行gpss的Kafka JOB
Greenplum中的定义包含了用于排序的字段ts,用来区分消息更新的先后顺序,定义如下:
根据数据同步的需求,gpss需要的yaml配置文件如下:
相关字段的含义和gpss实际执行的操作可参见参考文献[2],这里着重介绍下有区别的的地方,也就是由于insert和update操作的实际内容包含在after中,而delete的内容包含在before中,每个字段的内容需要额外的判断逻辑:有after时读取after中的内容,否则读取before中的内容。
此外需要注意的是,当新消息的ORDER_COLUMNS的内容有重复时,gpss会把所有的包含重复内容的行,都记录到目标表中;这样的主要目的是为了避免数据丢失。因此在实际使用时一定要确保排序地段的唯一性。
配置文件准备好后,我们通过gpkafka来执行加载:
gpkafka便会从kafka中拉取对应的消息,按照设定的操作将Kafka中的增量数据同步到目标表中。
5小结
这里简单介绍了如何用gpss从Kafka消费GoldenGate生成的Oracle增量数据进行同步,其它数据库及CDC工具(例如Informatica,StreamSet,NIFI等)也都可以利用类似的方案实现同步。今后会做更多的相关介绍,欢迎大家试用,反馈,指导。
6参考文献
- https://github.com/pdeemea/kafka-gpss-replication
- 如何用gpss实现MySQL到Greenplum的增量同步
- https://gpdb.docs.pivotal.io/streaming-server
文章转自公众号:Greenplum中文社区
博主写的太棒了!正在尝试ing