跨洲际数据迁移同步最佳实践
背景介绍
在 CloudCanal 长期支持企业业务数据迁移同步的过程中，跨省、跨国，乃至跨洲的业务数据迁移同步是常见的需求之一，许多客户经常问到：如何部署 CloudCanal 以及做任务调优比较好？
对于这个问题，我们从自身产品技术角度能够提供一些建议，但实际情况往往复杂得多，这也是本文要讨论的问题。本文将基于理论与实践，深入探讨跨洲际数据迁移同步的最佳实践方案。
跨洲际数据迁移同步的挑战
跨洲际数据迁移同步面临的主要挑战来自两个方面：
- 不可避免的网络延迟：例如新加坡到美国的网络延迟通常在 150 ms～300 ms之间，相比关系型数据库单条按主键 INSERT/UPDATE 操作（通常小于 5 ms）高出两个数量级。
- 复杂的网络质量因素：包括丢包率、网关路径和处理时间等问题。与内网传输相比，跨洲际传输需要经过机架、机房、骨干网上的多层交换机和路由器等设备。
另外针对数据库迁移同步，还需要考虑源、对端数据库的忙碌程度、网络带宽和数据传输量的匹配关系等。
如果使用 CloudCanal，则需要了解其源端数据获取和目标端数据写入机制，以初步确定部署方案。
CloudCanal 迁移同步的优化
数据迁移技术
对于关系型数据库的数据迁移，CloudCanal 使用 JDBC 逻辑扫描数据，并且在表结构支持的情况下，通过分页等方式做到断点续传，另外支持自动表间并行，以及通过手动设定过滤条件实现表内并行（需多个任务）。
在数据迁移的目标端，因为所有来源数据均为 INSERT，且数据天然按表成批，所以固定优化写入方式包括：攒批、拆分并行、batch 写入、INSERT 重写（相同表多条数据转换成 insert..values(),(),()）。
数据同步技术
CloudCanal 数据同步过程中，获取增量数据的方式因源端数据库不同有所差别，如下表所示：
| 源端数据库类型 | 增量获取方式 |
|---|---|
| MySQL | Binlog 解析 |
| PostgreSQL | logical wal 订阅 |
| Oracle | Logminer 解析 |
| SQL Server | SQL Server CDC 表扫描 |
| MongoDB | oplog 扫描 / ChangeStream 服务 |
| Redis | PSYNC 指令 |
| SAP Hana | Trigger |
| Kafka | 消息订阅 |
| StarRocks | 周期性增量数据扫描 |
| ... | ... |
除了部分主动扫描技术，大部分都依赖数据库"吐"增量数据的效率，具有一定的不可控性。
数据同步的目标端，和数据迁移的区别在于 操作种类更多（INSERT/UPDATE/DELETE），且需要保证数据顺序一致性，故优化方式也有所区别。
| 优化方式 | 说明 |
|---|---|
| 攒批 | 减少网络交互、实现部分目标端数据库高效合并 |
| 按数据唯一标识分区并行 | 满足基本的数据保序要求 |
| 按表级别分区并行 | 对于数据唯一标识变更的弱化并行方式 |
| 多语句 | 关系型数据库普遍可以通过分号拼接操作优化网络传输 |
| bulk load | 对于具备全镜像，且目标端具备 upsert 能力的来源数据，将 INSERT/UPDATE 转换成 INSERT 批量写入并覆盖 |
| 分布式任务 | 创建多个任务对相同来源数据进行分区后写入 |
跨洲际同步最佳实践探索
从 CloudCanal 技术实现来看，目标端写入优化措施比源端更多且更可控。因此，我们通常建议将 CloudCanal 与源端数据库部署在同一区域，以降低网络延迟、网络质量等因素对数据获取的影响。
但这一理论假设是否成立？我们通过 MySQL 到 MySQL 的跨洲际迁移同步进行了实际验证。
前置准备
资源准备：
- 源端 MySQL：新加坡机房（4 核 8GB 内存）
- 目标端 MySQL：美国硅谷机房（4 核 8GB 内存）
- 部署 CloudCanal：分别在新加坡和硅谷各准备一台虚拟机（Linux x64，8 核 16GB 内存）用于部署 CloudCanal
实验计划：进行两次相同的数据迁移和同步，对比数据迁移和数据同步的性能。
实验过程
- 在 新加坡 MySQL 上新造 130 万行数据。
- 使用部署在 新加坡虚拟机上的 CloudCanal 任务迁移 新加坡 MySQL 数据到 硅谷 MySQL，记录新加坡迁移任务的性能。
- 在 新加坡 MySQL 上变更一批数据（UPDATE 和 INSERT），记录新加坡同步任务的性能。
- 停止新加坡迁移同步任务，删除 硅谷 MySQL 上的数据。
- 使用部署在 硅谷虚拟机上的 CloudCanal 任务迁移 新加坡 MySQL 数据到 硅谷 MySQL，记录硅谷迁移任务的性能。
- 在 新加坡 MySQL 上变更一批数据（UPDATE 和 INSERT），记录硅谷同步任务的性能。
实验结果与分析
| 任务位置 | 类型 | 性能 |
|---|---|---|
| 新加坡 | 数据迁移 | 6.5k records/sec |
| 硅谷 | 数据迁移 | 15k records/sec |
| 新加坡 | 数据同步 | 8k records/sec |
| 硅谷 | 数据同步 | 32k records/sec |
从实际操作结果来看，将 CloudCanal 部署在目标端（硅谷）环境时，数据迁移同步性能显著优于部署在源端（新加坡）的方案，这与我们的初始假设相悖。
经过深入分析，可能的原因包括：
- 两地机房网关安全策略、上下行带宽存在差异。
- CloudCanal 批量写入因网络质量等因素影响，效率反而没有 binlog 传输或逻辑扫描效率高。
- 其他未知因素。
最佳实践
上述的验证，对跨洲际数据迁移同步有一定的参考意义，但可能和实际业务情况存在一定的差距，如：
- 业务数据库负载较重，实际应用中源端可能无法充分推送增量数据。
- 业务有不同质量的专线，网络质量相对较好。
- 机房网关安全策略和试验环境差异。
结合多种影响因素、性能、可控性综合考虑，我们推荐验证期间，分别部署 CloudCanal 在数据库源端和目标端环境中进行性能测试，再从实际效果选择最佳的部署方式。