Kafka是应用较为广泛的分布式、高吞吐量、高可扩展性消息队列服务,普遍用于日志收集、监控数据聚合、流式数据处理、在线和离线分析等大数据领域,是大数据生态中不可或缺的产品之一。通过数据传输服务DTS(Data Transmission Service),您可以将通过专线、VPN网关或智能接入网关接入的自建MySQL数据同步至自建Kafka集群,扩展消息处理能力。

前提条件

  • Kafka集群的版本为0.10.1.0~2.7.0版本。
  • 自建MySQL数据库版本为5.1、5.5、5.6、5.7或8.0版本。
  • 已经将自建MySQL数据库接入至阿里云专有网络。详情请参见通过CEN实现本地IDC与DTS云服务互通,本文不做详细介绍。

注意事项

  • DTS在执行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,在数据库性能较差、规格较低或业务量较大的情况下(例如源库有大量慢SQL、存在无主键表或目标库存在死锁等),可能会加重数据库压力,甚至导致数据库服务不可用。因此您需要在执行数据同步前评估源库和目标库的性能,同时建议您在业务低峰期执行数据同步(例如源库和目标库的CPU负载在30%以下)。
  • 如果源数据库没有主键或唯一约束,且所有字段没有唯一性,可能会导致目标数据库中出现重复数据。

费用说明

同步类型链路配置费用
库表结构同步和全量数据同步不收费。
增量数据同步收费,详情请参见计费概述

功能限制

  • 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

支持的同步架构

  • 1对1单向同步
  • 1对多单向同步
  • 多对1单向同步
  • 级联单向同步

准备工作

在正式配置数据同步作业之前,您需要为自建MySQL创建账号并设置binlog

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MySQL,目标实例为Kafka,选择同步拓扑为单向同步
  2. 登录数据传输控制台
    说明 若数据传输控制台自动跳转至数据管理DMS控制台,您可以在右下角的jiqiren中单击返回旧版,返回至旧版数据传输控制台。
  3. 在左侧导航栏,单击数据同步
  4. 同步作业列表页面顶部,选择同步的目标实例所属地域。
  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。
    同步通道的源和目标实例配置
    类别配置说明
    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选择通过专线/VPN网关/智能接入网关接入的自建数据库
    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。
    对端专有网络选择自建数据库接入的VPC ID。
    数据库类型固定为MySQL,不可变更。
    IP地址填入自建MySQL数据库的服务器IP地址。
    端口填入自建MySQL数据库的服务端口,默认为3306。
    数据库账号填入自建MySQL数据库的账号,需要具备REPLICATION CLIENT、REPLICATION SLAVE、SHOW VIEW和所有同步对象的SELECT权限。
    数据库密码填入该数据库账号的密码。
    目标实例信息实例类型根据Kafka集群的部署位置选择,本文以ECS上的自建数据库为例介绍配置流程。
    说明 当选择为其他实例类型时,您还需要执行相应的准备工作,详情请参见准备工作概览
    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。
    ECS实例ID选择部署了Kafka集群的ECS实例ID。
    数据库类型选择为Kafka
    端口Kafka集群对外提供服务的端口,默认为9092。
    数据库账号填入Kafka集群的用户名,如Kafka集群未开启验证可不填写。
    数据库密码填入Kafka集群用户名的密码,如Kafka集群未开启验证可不填写。
    Topic单击右侧的获取Topic列表,然后在下拉框中选择具体的Topic名称。
    Kafka版本根据目标Kafka集群版本,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SCRAM-SHA-256
  7. 单击页面右下角的授权白名单并进入下一步
    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),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中;如果源或目标数据库是ECS上的自建数据库,DTS会自动将对应地区DTS服务的IP地址添到ECS的安全规则中,您还需确保自建数据库没有限制ECS的访问;如果源或目标数据库是IDC自建数据库或其他云数据库,则需要您手动添加对应地区DTS服务的IP地址,以允许来自DTS服务器的访问。DTS服务的IP地址,请参见DTS服务器的IP地址段
    警告 DTS自动添加或您手动添加DTS服务的公网IP地址段可能会存在安全风险,一旦使用本产品代表您已理解和确认其中可能存在的安全风险,并且需要您做好基本的安全防护,包括但不限于加强账号密码强度防范、限制各网段开放的端口号、内部各API使用鉴权方式通信、定期检查并限制不需要的网段,或者使用通过内网(专线/VPN网关/智能网关)的方式接入。
  8. 配置同步策略和同步对象信息。
    配置同步对象
    配置说明
    投递到kafka的数据格式同步到Kafka集群中的数据以avro格式或者Canal Json格式存储,定义详情请参见Kafka集群的数据存储格式
    同步到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同步策略说明
    同步对象源库对象区域框中,选择需要同步的对象(选择的粒度为表),然后单击向右箭头图标将其移动到已选对象区域框中。
    说明 DTS会自动将表名映射为步骤6选择的Topic名称。如果需要更换同步的目标Topic,请参见步骤9
    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:已选择对象区域框中,将鼠标指针放置在目标Topic名上,然后单击Topic名后出现的编辑,在弹出的对话框中设置源表在目标Kafka集群中的Topic名称、Topic的Partition数量、Partition Key等信息。
    设置topic
    配置说明
    数据库表名称设置源表同步到的目标Topic名称。
    说明 如果设置的Topic名称在目标Kafka集群中不存在,您还需要设置该Topic的Partition数量。
    过滤条件
    • 过滤条件支持标准的SQL WHERE语句(仅支持=!=<>操作符),只有满足WHERE条件的数据才会被同步到目标Topic。本案例填入id>1000
    • 过滤条件中如需使用引号,请使用单引号('),例如address in('hangzhou','shanghai')
    设置新Topic的Partition数量在下拉列表中,选择新Topic的Partition数量。
    说明 只有当设置的目标Topic名称在目标Kafka集群中不存在时,您才需要配置本参数。
    设置Partition Key当您在步骤8中选择同步策略为按主键的hash值投递到不同Partition时,您可以配置本参数,指定单个或多个列作为Partition Key来计算Hash值,DTS将根据计算得到的Hash值将不同的行投递到目标Topic的各Partition中。
  10. 上述配置完成后单击页面右下角的下一步
  11. 配置同步初始化的高级配置信息。
    Kafka同步初始化高级配置
    配置说明
    同步初始化默认选择结构初始化全量数据初始化,DTS会在增量数据同步之前,将源库中待同步对象的结构和存量数据,同步到目标库。
    过滤选项默认选择忽略增量同步阶段的 DDL,即增量同步阶段源库执行的DDL操作不会被DTS同步至目标库。
  12. 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。
  13. 预检查对话框中显示预检查通过后,关闭预检查对话框,数据同步作业正式开始。
    您可以在数据同步页面,查看数据同步状态。查看数据同步状态