产品术语

本文主要介绍 CloudCanal 产品中包含的专业术语。

数据源

可以为关系型数据库（MySQL/PostgreSQL/Oracle 等）、消息中间件（Kafka/RocketMQ 等）、缓存（Redis 等）、实时数仓（Greenplum/Doris/StarRocks 等）、大数据产品（Hive/Kudu 等）等或者它们对应的云托管产品配置，一般包含 链接地址、登录认证信息 等属性。

一个数据源一般以 my-59bi20aqxxxxx96 类似的 id 表示。

数据作业

完成一项数据迁移、同步工作的配置，可能包含一组先后或同时运行的结构迁移、全量迁移、增量同步、数据校验进程(数据任务)。

一个数据作业最大同步数据表范围，关系型数据库为单/多 Schema，消息为同一个消息中间件多个 Topic。

一个数据作业一般以 canal7yr4y7xxxx3 类似的实例id表示。

数据任务

一个数据作业包含多个步骤，比如结构迁移、全量迁移、增量同步、数据校验、数据订正等，一个步骤即一个数据任务。

结构迁移

数据作业范围之内，将数据源的结构定义拷贝到对端数据源，对于异构数据源，通常存在类型或特定方言转换。

全量迁移

数据作业范围之内数据单次/定时搬迁，顺序扫描源端数据源数据，批量、并发写入对端数据源，通常需要秒~小时级别时间完成此类操作。

增量同步

数据作业范围内持续增量同步，利用源端数据库变更日志、触发器类增量数据、消息等准实时采集变化数据并写入到对端数据库，对端数据库在具备实时写入能力的情况下，可以做到增量数据的亚秒级别延迟的增量同步。

数据校验和订正

数据作业范围内数据单次/定时校验和差异订正。

其中数据校验指批量扫描源端和对端数据库的数据，在内存中逐行逐列对比数据，报告数据缺失、不一致情况，记录到 diff.log 和 compare_rs.log 文件中。

数据订正根据数据校验差异数据 compare_rs.log 逐条扫描源端数据源中最新数据行，并覆盖式写入对端数据源中，达成数据订正的效果。

自定义代码

全量迁移和增量同步过程中，CloudCanal 允许用户上传业务代码（Java 代码，jar 包形式上传），对数据进行转换、过滤、补充等操作。

集群

数据任务在机器间调度的基本单元(数据任务只在单个集群中调度)，可跨机架、机房、可用区，甚至地域，一般建议将物理距离相近的机器放于一个集群中。

一个集群一般以 clusterl79txxxxku 类似的集群名称表示。

机器

用来运行 数据任务，可以是自建虚拟机（VM）、物理机、云托管虚拟机（ECS, EC2 等）、开发机（Mac 等）。

一个机器只属于一个集群。

异步任务

异步任务是 CloudCanal 管控的基础组件，针对长流程、需要重试、需要状态等待等业务逻辑。

一个异步任务一般由 1~n 个步骤组成，每一个步骤完成一项特定工作。当步骤失败时，该异步任务将停止继续往下运行，直到问题被消除再重试或取消执行。