阿里云流式数据服务DataHub是流式数据（Streaming Data）的处理平台，提供对流式数据的发布、订阅和分发功能，让您可以轻松构建基于流式数据的分析和应用。通过数据传输服务DTS（Data Transmission Service），您可以将PolarDB-X同步至DataHub，可用于流计算等大数据产品对数据进行实时分析等场景。

前提条件

  • PolarDB-X中的数据库须基于RDS MySQL创建。
  • 待同步的表具备主键或唯一约束。
  • DataHub实例的地域为华东1、华东2、华北2或华南1。
  • DataHub实例中，已创建用作接收同步数据的Project，详情请参见创建Project。

功能限制

  • 仅支持表级别的数据同步。
  • 不支持全量数据初始化，即DTS不会将源PolarDB-X中同步对象的存量数据同步至目标DataHub实例中。
  • 数据同步期间，请勿对PolarDB-X执行扩容、缩容、迁移热点表、变更拆分键和变更DDL等操作，否则将导致数据同步失败。
  • 如果需要在数据同步期间切换PolarDB-X的网络类型，在您执行完网络类型切换操作后，请提交工单调整同步链路的网络连接信息。

支持同步的SQL操作

INSERT、UPDATE、DELETE。

操作步骤

  1. 购买数据同步作业，详情请参见购买流程。
    说明 购买时，选择源实例为 PolarDB-X（原DRDS升级版）、目标实例为 DataHub，并选择同步拓扑为 单向同步。
  2. 登录数据传输控制台。
  3. 在左侧导航栏，单击数据同步。
  4. 在同步作业列表页面顶部，选择同步的目标实例所属地域。
    选择地域
  5. 定位至已购买的数据同步实例，单击配置同步链路。
  6. 配置同步通道的源实例及目标实例信息。
    配置源和目标实例信息
    类别 配置 说明
    无 同步作业名称 DTS会自动生成一个同步作业名称，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。
    源实例信息 实例类型 固定为DRDS实例，不可变更。
    实例地区 购买数据同步实例时选择的源实例地域信息，不可变更。
    DRDS实例ID 选择源PolarDB-X的实例ID。
    目标实例信息 实例类型 固定为DataHub，不可变更。
    实例地区 购买数据同步实例时选择的目标实例地域信息，不可变更。
    Project 选择DataHub实例的Project。
  7. 单击页面右下角的授权白名单并进入下一步。
    说明 此步骤会将DTS服务器的IP地址自动添加到 PolarDB-X的白名单中，用于保障DTS服务器能够正常连接 PolarDB-X。
  8. 配置同步策略及对象信息。
    配置同步对象
    配置 说明
    同步初始化 勾选结构初始化。
    说明 勾选 结构初始化后，在数据同步作业的初始化阶段，DTS会将同步对象的结构信息（例如表结构）同步至目标DataHub实例。
    选择同步对象

    在源库对象框中单击待迁移的对象，然后单击向右小箭头将其移动至已选择对象框。

    说明
    • 同步对象的选择粒度为表。
    • 默认情况下，同步对象的名称保持不变。如果您需要改变同步对象在目标实例中的名称，需要使用对象名映射功能，详情请参见设置同步对象在目标实例中的名称。
    选择附加列规则 DTS在将数据同步到DataHub时，会在同步的目标Topic中添加一些附加列。如果附加列和目标Topic中已有的列出现名称冲突将会导致数据同步失败。您需要根据业务需求选择是否启用新的附加列规则为是或否。
    警告 在选择附加列规则前，您需要评估附加列和目标Topic中已有的列是否会出现名称冲突。关于附加列的规则和定义说明，请参见 附加列名称和定义说明。
    映射名称更改

    如需更改同步对象在目标实例中的名称，请使用对象名映射功能，详情请参见库表列映射。

    源、目标库无法连接重试时间
    当源、目标库无法连接时，DTS默认重试720分钟（即12小时），您也可以自定义重试时间。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 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。
  9. 可选：将鼠标指针放置在已选择对象框中待同步的Topic名上，单击对象后出现的编辑，然后在弹出的对话框中设置Shardkey（即用于分区的key）。
  10. 上述配置完成后，单击页面右下角的预检查并启动。
    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。
  11. 在预检查对话框中显示预检查通过后，关闭预检查对话框，同步作业将正式开始。
  12. 等待同步作业的链路初始化完成，直至处于同步中状态。
    您可以在 数据同步页面，查看数据同步作业的状态。 查看同步作业状态

Topic结构定义说明

DTS在将数据变更同步至DataHub实例的Topic时，目标Topic中除了存储变更数据外，还会新增一些附加列用于存储元信息，示例如下。
说明 本案例中的业务字段为 id、 name、 address，由于在配置数据同步时选用的是旧版附加列规则，DTS会为业务字段添加 dts_的前缀。
Topic定义

结构定义说明：

旧版附加列名称 新版附加列名称 数据类型 说明
dts_record_id new_dts_sync_dts_record_id String 增量日志的记录ID，为该日志唯一标识。
说明
  • 正常情况下是全局唯一自增的，在容灾的情况下会有回退且无法保证自增和唯一。
  • 如果增量日志的操作类型为UPDATE，那么增量更新会被拆分成两条记录（分别记录更新前和更新后的值），且dts_record_id的值相同。
dts_operation_flag new_dts_sync_dts_operation_flag String 操作类型，取值：
  • I：INSERT操作。
  • D：DELETE操作。
  • U：UPDATE操作。
dts_instance_id new_dts_sync_dts_instance_id String 数据库的server ID。暂不支持显示实际的值，目前固定为null。
dts_db_name new_dts_sync_dts_db_name String 数据库名称。
dts_table_name new_dts_sync_dts_table_name String 表名。
dts_utc_timestamp new_dts_sync_dts_utc_timestamp String 操作时间戳，即binlog的时间戳（UTC 时间）。
dts_before_flag new_dts_sync_dts_before_flag String 所有列的值是否更新前的值，取值：Y或N。
dts_after_flag new_dts_sync_dts_after_flag String 所有列的值是否更新后的值，取值：Y或N。

关于dts_before_flag和dts_after_flag的补充说明

对于不同的操作类型，增量日志中的dts_before_flag和dts_after_flag定义如下：

  • INSERT

    当操作类型为INSERT时，所有列的值为新插入的值，即为更新后的值，所以dts_before_flag取值为N，dts_after_flag取值为Y，示例如下。

    INSERT操作
  • UPDATE

    当操作类型为UPDATE时，DTS会将UPDATE操作拆为两条增量日志。这两条增量日志的dts_record_id、dts_operation_flag及dts_utc_timestamp对应的值相同。

    第一条增量日志记录了更新前的值，所以dts_before_flag取值为Y，dts_after_flag取值为N。第二条增量日志记录了更新后的值，所以 dts_before_flag取值为N，dts_after_flag取值为Y，示例如下。

    UPDATE操作
  • DELETE

    当操作类型为DELETE时，增量日志中所有的列值为被删除的值，即列值不变，所以dts_before_flag取值为Y， dts_after_flag取值为N，示例如下。

    DELETE操作

后续操作

配置完数据同步作业后，您可以对同步到DataHub实例中的数据执行计算分析。更多详情，请参见阿里云实时计算。