本文介绍如何使用数据传输服务DTS（Data Transmission Service），将PolarDB-X同步至阿里云消息队列Kafka，实现增量数据的实时同步。

前提条件

  • 已创建源PolarDB-X实例，且兼容MySQL 5.7版本。
  • 目标Kafka实例的版本请参见数据库版本。
  • 目标Kafka实例的存储空间须大于PolarDB-X数据库占用的存储空间。
  • 目标Kafka实例中已创建用于接收同步数据的Topic，详情请参见步骤一：创建Topic。

注意事项

类型 说明
源库限制
  • 待同步的表需具备主键或唯一约束，且字段具有唯一性，否则可能会导致目标数据库中出现重复数据。
  • 如同步对象为表级别，且需进行编辑（如表列名映射），则单次同步任务仅支持同步至多1000张表。当超出数量限制，任务提交后会显示请求报错，此时建议您拆分待同步的表，分批配置多个任务，或者配置整库的同步任务。
  • Binlog日志：
    • 在PolarDB 2.0控制台参数设置界面开启binlog，开启方法请参见参数设置。并且binlog_row_image为full。否则预检查阶段提示报错，且无法成功启动数据同步任务。

    • 如为增量同步任务，DTS要求源数据库的本地Binlog日志保存24小时以上，如为全量同步和增量同步任务，DTS要求源数据库的本地Binlog日志至少保留7天以上（您可在全量同步完成后将Binlog保存时间设置为24小时以上），否则DTS可能因无法获取Binlog而导致任务失败，极端情况下可能会导致数据不一致或丢失。由于您所设置的Binlog日志保存时间低于DTS要求的时间进而导致的问题，不在DTS的SLA保障范围内。

  • PolarDB-X需兼容MySQL 5.7版本。
其他限制
  • 执行数据同步前需评估源库和目标库的性能，同时建议业务低峰期执行数据同步。否则全量数据初始化时将占用源库和目标库一定的读写资源，可能会导致数据库的负载上升。
  • 全量初始化会并发执行INSERT操作，导致目标数据库的表产生碎片，因此全量初始化完成后目标实例的表空间比源实例的表空间大。
  • 请勿对源库的同步对象使用gh-ost或pt-online-schema-change等类似工具执行在线DDL变更，否则会导致同步失败。
  • 在DTS同步期间，不允许有除DTS外的数据写入目标库，否则会导致源库与目标库数据不一致。例如，有除DTS外的数据写入目标库时，使用DMS执行在线DDL变更，可能引起目标库数据丢失。
  • 同步对象仅支持数据表，不支持非数据表的对象。
  • 不支持自动调整同步对象，如果对同步对象中的数据表进行重命名操作，且重命名后的名称不在同步对象中，那么这部分数据将不再同步到到目标Kafka集群中。如需将修改后的数据表继续数据同步至目标Kafka集群中，您需要进行修改同步对象操作，详情请参见新增同步对象。

单条记录大小限制

由于写入Kafka单条记录的大小是10MB，因此当源端一行数据超过10MB时，DTS由于无法成功写入Kafka会导致任务中断。在该场景下建议您不要同步该表，如果一定要同步，也只能同步部分列，即配置DTS任务时，过滤掉这些大字段的记录。如果已经是在同步中的任务，则需要修改同步对象，将该表移出，再次点击修改同步对象，加入该表，并将该表的大字段列过滤，不做同步。

支持同步的SQL操作

操作类型 SQL操作语句
DML INSERT、UPDATE、DELETE

操作步骤

  1. 登录新版DTS同步任务的列表页面。
    说明 您也可以登录DMS数据管理服务。在顶部菜单栏中，选择集成与开发（DTS） > 数据集成 > 数据同步。
  2. 在页面左上角，选择同步实例所属地域。
    地域
  3. 单击创建任务，配置源库及目标库信息。
    警告 选择源和目标实例后，建议您仔细阅读页面上方显示的使用限制，以成功创建并执行同步任务。
    源库和目标库信息
    类别 配置 说明
    无 任务名称

    DTS会自动生成一个任务名称，建议配置具有业务意义的名称（无唯一性要求），便于后续识别。
    源库信息 数据库类型 选择PolarDB-X 2.0。
    接入方式 选择阿里云实例。
    实例地区 选择源PolarDB-X实例所属地域。
    实例ID 选择源PolarDB-X实例ID。
    数据库账号 填入源PolarDB-X实例的数据库账号，需具备REPLICATION SLAVE、REPLICATION CLIENT及待同步对象的SELECT权限，由DTS自动执行授权。
    数据库密码

    填入该数据库账号对应的密码。
    目标库信息 数据库类型 选择Kafka。
    接入方式 选择专线/VPN网关/智能网关。
    说明 由于DTS暂时不支持直接选择消息队列Kafka版，此处将其作为自建Kafka来配置数据同步。
    实例地区 选择目标Kafka实例所属地域。
    已和目标端数据库联通的VPC 选择目标Kafka实例所属的专有网络ID。您可以在Kafka实例的基本信息页面中查看到专有网络ID。
    主机名或IP地址 填入Kafka实例默认接入点中的任意一个IP地址。
    说明 您可以在Kafka实例的基本信息页面中，获取默认接入点对应的IP地址。
    端口 Kafka实例的服务端口，默认为9092。
    数据库账号 填入目标Kafka实例的数据库账号。
    说明 如果Kafka实例的实例类型为VPC实例，无需配置数据库账号和数据库密码。
    数据库密码

    填入该数据库账号对应的密码。
    Kafka版本 根据Kafka实例版本，选择对应的版本信息。
    连接方式 根据业务及安全需求，选择非加密连接或SCRAM-SHA-256。
    Topic 在下拉框中选择具体的Topic。
    存储DDL的Topic 在下拉框中选择具体的Topic，用于存储DDL信息。如果未指定，DDL信息默认存储在Topic选择的Topic中。
    是否使用Kafka Schema Registry Kafka Schema Registry是元数据提供服务层，提供了一个RESTful接口，用于存储和检索Avro Schema。
    • 否：不使用Kafka Schema Registry。
    • 是：使用Kafka Schema Registry。您需要输入Avro Schema在Kafka Schema Registry注册的URL或IP。
  4. 配置完成后，单击页面右下角的测试连接以进行下一步。
    说明
    • 如果源或目标数据库是阿里云数据库实例（例如RDS MySQL、云数据库MongoDB版等）或ECS上的自建数据库，DTS会自动将对应地区DTS服务的IP地址添加到阿里云数据库实例的白名单或ECS的安全规则中，您无需手动添加，请参见DTS服务器的IP地址段。
    • DTS任务完成或释放后，建议您手动删除添加的DTS服务器IP地址段。
  5. 配置任务对象及高级配置。
    • 基础配置消息队列Kafka基础配置
      配置 说明
      任务步骤

      固定选中增量同步。默认情况下，您还需要同时选中库表结构同步和全量同步。预检查完成后，DTS会将源实例中待同步对象的全量数据在目标集群中初始化，作为后续增量同步数据的基线数据。

      目标已存在表的处理模式

      • 预检查并报错拦截：检查目标数据库中是否有同名的表。如果目标数据库中没有同名的表，则通过该检查项目；如果目标数据库中有同名的表，则在预检查阶段提示错误，数据同步任务不会被启动。

        说明 如果目标库中同名的表不方便删除或重命名，您可以更改该表在目标库中的名称，请参见库表列名映射。
      • 忽略报错并继续执行：跳过目标数据库中是否有同名表的检查项。
        警告 选择为忽略报错并继续执行，可能导致数据不一致，给业务带来风险，例如：
        • 表结构一致的情况下，如在目标库遇到与源库主键的值相同的记录：
          • 全量期间，DTS会保留目标集群中的该条记录，即源库中的该条记录不会同步至目标数据库中。
          • 增量期间，DTS不会保留目标集群中的该条记录，即源库中的该条记录会覆盖至目标数据库中。
        • 表结构不一致的情况下，可能会导致无法初始化数据、只能同步部分列的数据或同步失败。
      投递到Kafka的数据格式 根据需求选择同步到Kafka实例中的数据存储格式。
      • 如果您选择DTS Avro，根据DTS Avro的schema定义进行数据解析，schema定义详情请参见DTS Avro的schema定义。
      • 如果您选择Canal Json，Canal Json的参数说明和示例请参见Canal Json说明。
      投递到Kafka Partition策略 根据业务需求选择同步的策略，详细介绍请参见Kafka Partition迁移策略说明。
      同步对象

      在源库对象框中单击待同步对象，然后单击向右小箭头将其移动至已选择对象框。

      说明 同步对象选择的粒度为库、表、列。若选择的同步对象为表或列，其他对象（如视图、触发器、存储过程）不会被同步至目标库。
      映射名称更改
      • 如需更改单个同步对象在目标实例中的名称，请单击已选择对象中的同步对象，设置方式，请参见库表列名单个映射。
      • 如需批量更改同步对象在目标实例中的名称，请单击已选择对象方框右上方的批量编辑，设置方式，请参见库表列名批量映射。
      过滤待同步数据

      支持设置WHERE条件过滤数据，请参见通过SQL条件过滤任务数据。

      同步的SQL操作 请右击已选择对象中的同步对象，在弹跳框中选择所需同步的DML操作，支持的操作，请参见支持同步的SQL操作。
    • 高级配置Kafka迁移的高级配置
      配置 说明
      设置告警
      是否设置告警，当同步失败或延迟超过阈值后，将通知告警联系人。
      • 不设置：不设置告警。
      • 设置：设置告警，您还需要设置告警阈值和告警联系人。
      目标库对象名称大小写策略

      您可以配置目标实例中迁移对象的库名、表名和列名的英文大小写策略。默认情况下选择DTS默认策略，您也可以选择与源库、目标库默认策略保持一致。更多信息，请参见目标库对象名称大小写策略。

      源库、目标库无法连接后的重试时间
      默认重试120分钟，您也可以在取值范围（10~1440分钟）内自定义重试时间，建议设置30分钟以上。如果DTS在设置的时间内重新连接上源、目标库，同步任务将自动恢复。否则，同步任务将失败。
      说明
      • 针对同源或者同目标的多个DTS实例，如DTS实例A和DTS实例B，设置网络重试时间时A设置30分钟，B设置60分钟，则重试时间以低的30分钟为准。
      • 由于连接重试期间，DTS将收取任务运行费用，建议您根据业务需要自定义重试时间，或者在源和目标库实例释放后尽快释放DTS实例。
  6. 上述配置完成后，单击页面下方的下一步保存任务并预检查。
    说明
    • 在同步作业正式启动之前，会先进行预检查。只有预检查通过后，才能成功启动同步作业。
    • 如果预检查失败，单击具体检查项后的提示，查看失败详情。
      • 您可以根据提示修复后重新进行预检查。
      • 如无需修复告警检测项，您也可以选择确认屏蔽、忽略告警项并重新进行预检查，跳过告警检测项重新进行预检查。
  7. 预检查通过率显示为100%时，单击下一步购买。
  8. 在购买页面，选择数据同步实例的计费方式、链路规格，详细说明请参见下表。
    类别 参数 说明
    信息配置 计费方式
    • 预付费（包年包月）：在新建实例时支付费用。适合长期需求，价格比按量付费更实惠，且购买时长越长，折扣越多。
    • 后付费（按量付费）：按小时扣费。适合短期需求，用完可立即释放实例，节省费用。
    链路规格 DTS为您提供了不同性能的同步规格，同步链路规格的不同会影响同步速率，您可以根据业务场景进行选择，详情请参见数据同步链路规格说明。
    订购时长 在预付费模式下，选择包年包月实例的时长和数量，包月可选择1~9个月，包年可选择1~3年。
    说明 该选项仅在付费类型为预付费时出现。
  9. 配置完成后，阅读并勾选《数据传输（按量付费）服务条款》。
  10. 单击购买并启动，同步任务正式开始，您可在数据同步界面查看具体任务进度。