PostgreSQL 到 Elasticsearch

CloudCanal 支持从 PostgreSQL 到 Elasticsearch 的数据迁移、同步、校验和链路能力。

选择对端数据库：

Elasticsearch

数据链路

基本功能

功能	说明
结构迁移	如目标不存在 Index，则根据源端元数据，结合映射规则在对端创建 Index mapping
全量数据迁移	逻辑迁移，通过顺序扫描表数据，将数据分批写入到对端数据库
增量实时同步	支持 INSERT, UPDATE, DELETE 常见 DML 同步 无主键表 UPDATE, DELETE 不同步
数据校验和订正	全量数据校验，并可选根据校验结果订正差异数据，支持定时，文档：创建定时校验订正任务
修改订阅	新增、删除、修改订阅表，支持历史数据迁移，文档：修改订阅
重置位点	支持按照文件位点、时间戳 回溯位点，重新消费过去一段时间或指定 Binlog 文件和位点开始的增量日志
索引名映射	支持 按下划线拼接(任务名_DB_SCHEMA_表), 转小写, 转大写, 和源端保持一致, 以'_数字'后缀截取
DDL 同步	PostgreSQL DDL 同步基于 触发器 实现，需具备相应的 触发器 和 表 权限。文档：PostgreSQL 需要的权限
元数据检索	从源端表查对端，查询设置过过滤条件的，查询设置过对端主键的

高级功能

功能	说明
全量前清空目标数据	运行全量任务前清除老数据，包括重跑任务、定时全量迁移都会触发此能力
重建目标表	运行全量任务前重建目标表，包括重跑任务、定时全量迁移都会触发此能力
ES 时间写入格式	以该字段的第一个时间格式写入 Elasticsearch，如果未设置时间格式，则使用 yyyy-MM-dd'T'HH:mm:ss 格式
ES 时区设置	只有当时间格式的时区为 ZZZZZ 时，才会将页面设置的时区写入到 Elasticsearch
可选索引字段	默认索引所有字段，可选择不索引指定字段
字段级分词器	可选择字符串类型且索引的字段分词器，支持 STANDARD（默认）、SIMPLE 等常见分词器，并可指定自定义分词器
设定 Index _id 字段	默认以源端主键值拼接，可修改为其他字段值
定时全量迁移	文档1：创建定时全量任务 文档2：定时全量实现增量数据迁移
自定义代码	文档1：创建自定义代码任务 文档2：自定义代码任务 debug 文档3：在自定义代码中打日志
数据过滤条件	支持 WHERE 条件进行数据过滤，内容为 SQL 92 子集，文档：创建数据过滤任务
设置目标主键	变更主键为其他字段，方便数据聚合等操作

使用示例

标题	详情
Elasticsearch 对端同步技术详解	文档：Elasticsearch 对端同步技术详解

---

源端数据源

前置条件

条件	说明
账号权限	需要权限如下(以自建数据库为例): GRANT ALL PRIVILEGES ON DATABASE 同步库 TO 同步账号（或同步库 information_schema 中所有视图的 SELECT 权限和需要同步表、索引、约束的 SELECT 权限) ALTER USER 同步账号 REPLICATION
增量同步准备	准备动作按如下步骤进行: 修改 postgresql.conf, 设置 wal_level=logical 和 wal_log_hints = on 修改 pg_hba.conf, 设置 host replication 同步账号 CIDR网段 md5 , host 同步库 同步账号 CIDR网段 md5, host postgres 同步账号 CIDR网段 md5 重启 PostgreSQL
网络准备	迁移同步节点（sidecar）可连接 PostgreSQL 标准交互接口（如 5432）

任务参数

参数名称	说明
fullFetchSize	全量扫描数据设置的 fetch size
eventStoreSize	缓存解析完毕的增量事件缓存大小
ignoreGisSRID	解析 GIS 数据类型时是否忽略 SRID
defaultGisSRID	设置 GIS 数据类型的 SRID

Tips: 通用参数配置请参考 通用参数及功能

---

目标端数据源

前置条件

条件	说明
账号权限	具备索引的 create, delete, create_index, delete_index, read, write 权限
网络准备	迁移同步节点（sidecar）可连接 Elasticsearch 节点

任务参数

参数名称	说明
maxBulkSizeMb	单表最大攒批容量，超过此容量则刷出数据到写入队列
totalDataInMemMb	攒批写入，内存中最大数据容量，超过此容量或超过 asyncFlushIntervalSec 则刷出数据到写入队列
asyncFlushIntervalSec	攒批写入，等待刷出的间隔时间，超过此时间或超过 totalDataInMemMb 则刷出数据到写入队列
realFlushPauseSec	使用 Bulk Write 刷出数据到 ElasticSearch 的等待时间，0 则不等待
pkSeparator	拼接 _id 的分隔符（字段数 > 1）
enableBulkSizeThreshold	启用批量写入模式（默认开启）

Tips: 通用参数配置请参考 通用参数及功能