多来源数据汇聚

简介

CloudCanal 近期增强了数据汇聚防重能力，消除各个来源 数据表名冲突、主键/唯一键约束冲突 的可能性。

这个增强具体特性包括:

• 常用虚拟列添加
• 指定虚拟列为对端表主键
• 对端表名分级元数据拼接
• 可视化操作，无需写自定义代码

本文简要介绍上述特性，并使用 MySQL -> StarRocks 作为示例进行能力演示。

技术点

多种虚拟列

为了应对不同场景，不同数据源，CloudCanal 提供了以下虚拟列生成能力，如下表。

同时也支持 单表设置多个虚拟列，针对特定表设置，批量设置。

虚拟列种类	说明	有效的操作
指定具体值	可指定特定的数字、字符串生成新列，写入到对端	INSERT, UPDATE, DELETE
数据迁移或同步时间	以数据到达 CloudCanal 的时间生成新列，写入对端
源端实例ID_SCHEMA_表_主键值	按照源端数据源 实例ID，Schema，表 和 主键值 做拼接生成新列，写入对端
源端实例ID_DB_SCHEMA_表_主键值	按照源端数据源 实例ID，Catalog，Schema，表 和 主键值 做拼接生成新列，写入对端
源端实例DB_SCHEMA_表_主键值	按照源端数据源 Catalog，Schema，表 和 主键值 做拼接生成新列，写入对端
源端实例SCHEMA_表_主键值	按照源端数据源 Schema，表 和 主键值 做拼接生成新列，写入对端
源端实例表_主键值	按照源端数据源 表 和 主键值 做拼接生成新列，写入对端
转换表达式	按照预设的脚本转换数据，支持的转换规则请参考 当前支持的脚本

指定虚拟列为对端主键(唯一键)

多来源数据汇聚到同一张表，如果存在主键或唯一约束，往往会形成冲突，比较典型的例子如来自各地的 MySQL 数据自带自增主键，汇聚到对端主键即冲突。

为了解决这个问题，我们利用既有的 设定对端主键能力，将其扩展到虚拟列，通过将类似 源端实例ID_SCHEMA_表_主键值 设置成对端主键达成主键或唯一键约束成立。

此能力可针对特定表或批量进行设置。

对端表名拼接

业务除了汇聚到同一张表的需求，也存在保持源端独立表的需求，这个时候需要解决表名冲突问题。

CloudCanal 针对不同数据源，提供以下几种表名拼接规则，在结构迁移时重命名，并且数据迁移和同步支持此类元数据映射。

表名映射规则	说明
按 SCHEMA_TABLE 拼接(元数据镜像)	按照源端数据源 Schema，表 拼接作为对端表名
按 SCHEMA_TABLE 拼接(元数据转小写)	按照源端数据源 Schema，表 拼接并转为 小写 作为对端表名
按 SCHEMA_TABLE 拼接(元数据转大写)	按照源端数据源 Schema，表 拼接并转为 大写 作为对端表名
按 DB_SCHEMA_TABLE 拼接(元数据镜像)	按照源端数据源 Catalog，Schema，表 拼接作为对端表名
按 DB_SCHEMA_TABLE 拼接(元数据转小写)	按照源端数据源 Catalog，Schema，表 拼接并转为 小写 作为对端表名
按 DB_SCHEMA_TABLE 拼接(元数据转大写)	按照源端数据源 Catalog，Schema，表 拼接并转为 大写 作为对端表名

支持的链路

此次增强，因为测试时间紧张，我们只开了一批链路，如下列表所示，这些链路均支持上述特性

• MySQL -> MySQL, MySQL -> StarRocks, MySQL -> Doris, MySQL -> SelectDB, MySQL -> ClickHouse, MySQL -> PostgreSQL, MySQL -> ORACLE
• ORACLE -> StarRocks ,ORACLE -> MySQL
• PostgreSQL -> MySQL

操作示例

环境准备

• 根据文档安装 CloudCanal Docker 版

• 添加 MySQL 数据库和 阿里云 EMR for StarRocks

任务创建

• 选择数据源信息略，点击下一步

• 选择任务规格、配置略，点击下一步

• 选择库表，点击库表映射，选择 按 SCHEMA_TABLE 拼接(元数据镜像)，可看到对端表名按规则拼接

• 点击下一步

  

• 选择列页面

• 批量操作 > 批量设置虚拟列

  

• 批量操作 > 批量设置对端主键，此例选择 vir_instid_sche_tab_pk 作为对端主键

• 点击下一步

  

• 确认任务创建

• 结构迁移，全量迁移，增量同步正常运行

  

功能验证

查看全量迁移数据

• 使用 CloudDM 查询对端表数据，结构正确（主键），虚拟列数据按规则生成

  

  

• 源端插入和更新数据，对端虚拟列数据按规则插入或更新(pk字段更新，暂未支持）

  

• 源端删除数据，对端则删除对应数据

总结

本文主要介绍 CloudCanal 数据防重能力，降低数据汇聚场景各个来源数据表名冲突、主键/唯一键约束冲突的概率，从而让用户更加便捷地落地在线数据应用。