跳到主要内容

StarRocks 源端全量迁移并行读取数据

简述​

CloudCanal 近期支持了 StarRocks 源端全量迁移时从各 BE 节点并行读取数据的能力，相较于常规的单点数据串行读取，大大提高了数据读取效率及稳定性。

技术点​

并行读取 BE 节点数据​

CloudCanal 先从 FE 节点获取查询计划 (Query Plan)，得到分片元数据信息，然后将获取到的分片元数据信息作为参数，下发至 BE 节点，最后获取 BE 节点返回的数据。

相较于常规的 FE 单点数据串行读取，并行读取有两点比较明显的优势，一是大幅提高效率，二是单次查询可控，避免单次查询数据量过大，导致 BE 节点内存溢出。 img3

BE 节点级别的断点续传​

CloudCanal 会记录每个 BE 节点是否已读取完成。当任务失败或者中断后重启时，CloudCanal 可以过滤已经读取完成的 BE 节点，继续读取数据。

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​

  1. 登录 CloudCanal 控制台，点击 数据源管理 > 新增数据源。

  2. 数据库类型选择 StarRocks，并填写 Client 地址和认证信息。

  3. 配置 额外参数：

    参数描述
    feHttpAddrStarRocks FE 节点的 HTTP 地址，用于 CloudCanal 获取查询计划。例如，feNode:8030。
    beThriftAddrStarRocks BE 节点的 Thrift Server 端口。因为查询计划中得到的节点信息是 Thrift Server 的内网端口，当 CloudCanal 无法直接访问时，需要提供可访问的所有 BE 节点 Thrift Server 端口。例如，beNode1:9060,beNode2:9060...

  4. 按照上述步骤，添加目标端数据源。

步骤 3: 创建任务​

  1. 点击 同步任务 > 创建任务。

  2. 配置源和目标数据源，并分别点击 测试连接。

  3. 选择 数据同步 并勾选 全量初始化，取消勾选 自动启动任务。

  4. 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表结构。

  5. 点击 确认创建。

  6. 进入任务详情页，点击 功能列表 > 修改任务参数，配置任务相关参数。

    参数描述
    scanModelStarRocks 源端全量迁移扫描模式，需将参数值设为 DYNAMIC。
    feHttpAddrStarRocks FE 节点的 HTTP 地址，用于 CloudCanal 获取查询计划。
    beThriftAddrStarRocks BE 节点的 Thrift Server 端口。例如，beNode1:9060,beNode2:9060...（无法访问 StarRocks 内网时的备用方案）。
    keepAliveMinStarRocks 查询任务的保活时间（单位：分钟），默认为 10 min。
    queryTimeoutStarRocks 查询任务的超时时间（单位：秒），默认为 600s，数据量大的时候需要调大该参数。
    memLimitStarRocks BE 节点中单个查询的内存上限（单位：MB），默认为 1024 MB。

  7. 点击 同步任务。选择对应的任务，点击 启动。

  8. 等待全量任务完成。