Oracle 到 Elasticsearch 数据同步
简述
Elasticsearch 是一个分布式的实时搜索与数据分析引擎，具有强大的可扩展性和高度的灵活性。CloudCanal 对于 Elasticsearch 的支持经过了多轮迭代，支持版本从 6.x 和 7.x 一路扩展到 8.x，并适配了其丰富多样的 API。
同时 CloudCanal 对 Oracle 源端同步技术进行了多处优化，大幅提升了数据同步的稳定性和可靠性。
本文主要介绍如何快速构建一条 Oracle 到 Elasticsearch 的数据同步链路。
技术点
Oracle 基于 LogMiner 的实时同步
CloudCanal 在 Oracle 源端的增量同步中，通过 LogMiner 分析 redo 日志，并结合多轮优化，显著提升了同步的稳定性与效率，已在用户生产环境中成功验证。主要特点包括：
- Oracle RAC 支持与优化：专为 Oracle RAC 场景优化，确保数据同步的完整性和一致性。
- 标准化 LogMiner 解析：默认采用 LogMiner 标准方法（ADD_FILE）解析 redo 日志，并提供 CONTINUOUS_MINE 作为补充（取决于 Oracle 版本）。
- 全事件消费模式：支持全事件消费，保障同步过程中的稳定性。
- 超大事务处理：本地缓存超大变更数据，处理源端 Oracle 超过百万级的变更。
- 位点回溯：在消费出错时，支持使用时间戳、SCN 回溯位点，增强容错能力。
- 数据校验与订正：提供定时的数据校验和订正机制，确保数据质量稳定。
经过以上优化，CloudCanal 在 Oracle 同步场景中表现更加稳健可靠，适应各种复杂的数据同步需求。
自动创建 Elasticsearch 索引和映射结构
CloudCanal 迁移同步任务支持自动将源端数据库表结构映射成 Elasticsearch 索引，该过程中允许用户在 列 级别上，个性化设置自己需要的索引和映射（Mapping）结构。这些设置包括：
- 每个列可以指定是否需要索引。
- 可以对 TEXT 类型的列设置 Elasticsearch 映射中的分词器（标准分词器）。
- 自定义设置索引分片数、副本数。
生成内置 _id 并指定路由字段
在写入 Elasticsearch 时，_id 字段用于唯一标识每个文档（Doc）。数据路由基于 _id 值，确保数据分片定位一致。CloudCanal 数据同步默认遵循以下策略生成 _id：
- 单主键表：对于单一主键表，默认使用源端关系表的主键列值作为 _id。
- 多主键表：对于多主键表，通过分隔符
$连接多个主键列的值，组合成唯一 _id（可以通过参数pkSeparator自定义分隔符）。 - 无主键表：若表无主键，则将所有列的值用
$连接，生成唯一的 _id。
此默认设置确保了每条数据在 Elasticsearch 中具有唯一的标识，同时提供稳定的分片路由。
操作示例
步骤 1: 安装 CloudCanal
请参考 全新安装(Docker Linux/MacOS)，下载安装 CloudCanal 私有部署版本。
步骤 2: 添加数据源
登录 CloudCanal 控制台，点击 数据源管理 > 新增数据源 。
步骤 3: 创建任务
-
点击 同步任务 > 创建任务。
-
配 置源和目标数据源。
- 选择源和目标实例，并分别点击 测试连接。
- 在源端实例下方 高级配置 中选择增量模式：LogMiner / 物化视图。
- 在目标实例下方 高级配置 中选择时区配置：+08:00（默认）。
-
选择 数据同步 并勾选 全量初始化。
-
选择需要同步的表。
-
选择表对应的列。
信息如果需要选择同步的列，可先行在对端创建好索引。
-
点击 确认创建。
信息任务创建过程将会进行一系列操作，点击 同步设置 > 异步任务，找到任务的创建记录并点击 详情 即可查看。
Oracle 源端的任务创建会有以下几个步骤：
- 结构迁移
- 初始化 Oracle 表级补全日志
- 初始化 Oracle LogMiner 位点
- 分配任务执行机器
- 创建任务状态机
- 完成任务创建
-
等待任务自动流转。
信息当任务创建完成，CloudCanal 会自动进行任务流转，其中的步骤包括：
- 结构迁移: Oracle 源端的表定义将会迁移到对端，如果同名索引在对端已经存在，则会忽略。
- 全量数据迁移: 已存在的存量数据将会完整迁移到对端。
- 增量数据同步: 增量数据将会持续地同步到对端数据库，并且保持实时（秒级别延迟）。
总结
本文简单介绍了如何使用 CloudCanal 进行 Oracle 到 Elasticsearch 数据迁移同步，帮助企业增强数据分析及实时搜索能力，提升数据的价值。