本文为您介绍Oracle Reader支持的数据类型、字段映射和数据源等参数及配置示例。

Oracle Reader插件实现了从Oracle读取数据。在底层实现上,Oracle Reader通过JDBC连接远程Oracle数据库,并执行相应的SQL语句,从Oracle数据库中选取数据。
说明
  • RDS和DRDS不提供Oracle存储引擎。
  • Oracle Reader插件使用ojdbc7-12.1.0.2.jar驱动,支持的Oracle版本请参见Oracle官网
Oracle Reader通过JDBC连接器连接至远程的Oracle数据库,根据您配置的信息生成查询语句,并发送至远程Oracle数据库。然后使用数据集成自定义的数据类型,将该SQL执行返回结果拼装为抽象的数据集,并传递给下游Writer处理。
  • 对于您配置的tablecolumnwhere信息,Oracle Reader将其拼接为SQL语句,发送至Oracle数据库。
  • 对于您配置的querySql信息,Oracle直接将其发送至Oracle数据库。

类型转换列表

Oracle Reader支持大部分Oracle类型,但也存在部分类型没有支持的情况,请注意检查您的数据类型 。

Oracle Reader针对Oracle类型的转换列表,如下所示。
类型分类 Oracle数据类型
整数类 NUMBER、RAWID、INTEGER、INT和SMALLINT
浮点类 NUMERIC、DECIMAL、FLOAT、DOUBLE PRECISIOON和REAL
字符串类 LONG、CHAR、NCHAR、VARCHAR、VARCHAR2、NVARCHAR2、CLOB、NCLOB、CHARACTER、CHARACTER VARYING、CHAR VARYING、NATIONAL CHARACTER、NATIONAL CHAR、NATIONAL CHARACTER VARYING、NATIONAL CHAR VARYING和NCHAR VARYING
日期时间类 TIMESTAMP和DATE
布尔型 BIT和BOOL
二进制类 BLOB、BFILE、RAW和LONG RAW

参数说明

参数 描述 是否必选 默认值
datasource 数据源名称,脚本模式支持添加数据源,该配置项输入的内容必须和添加的数据源名称保持一致。
table 选取的需要同步的表名称。
column 所配置的表中需要同步的列名集合,使用JSON的数组描述字段信息。默认使用所有列配置,例如["*"]
  • 支持列裁剪,即可以导出部分列。
  • 支持列换序,即可以不根据表Schema信息的顺序导出列。
  • 支持常量配置,您需要按照JSON格式进行配置。
    ["id", "1", "'mingya.wmy'", "null", "to_char(a + 1)", "2.3" , "true"]
    • id为普通列名。
    • 1为整型数字常量。
    • 'mingya.wmy'为字符串常量(注意需要加上一对单引号)。
    • null为空指针。
    • to_char(a + 1)为表达式。
    • 2.3为浮点数。
    • true为布尔值。
  • column必须显示填写,不允许为空。
splitPk Oracle Reader进行数据抽取时,如果指定splitPk,表示您希望使用splitPk代表的字段进行数据分片,数据同步因此会启动并发任务进行数据同步,可以提高数据同步的效能。
  • 推荐splitPk用户使用表主键,因为表主键通常情况下比较均匀,因此切分出来的分片也不容易出现数据热点。
  • splitPk支持数字类型、字符串类型,浮点和日期等其它类型。
  • 如果不填写splitPk,将视作您不对单表进行切分,Oracle Reader使用单通道同步全量数据。
where 筛选条件,Oracle Reader根据指定的columntablewhere条件拼接SQL,并根据该SQL进行数据抽取。例如,在测试时指定where条件为row_number()
  • where条件可以有效地进行业务增量同步 。
  • where条件不配置或为空时,将视作全表同步数据 。
querySql(高级模式,向导模式不支持) 在部分业务场景中,where配置项不足以描述所筛选的条件,您可以通过该配置来自定义筛选SQL。当您配置该项后,数据同步系统就会忽略tablecolumn等配置,直接使用该配置项的内容对数据进行筛选。例如,需要进行多表Join后同步数据,则使用select a,b from table_a join table_b on table_a.id = table_b.id。当您配置querySql时,Oracle Reader直接忽略tablecolumnwhere条件的配置。
fetchSize 该配置项定义了插件和数据库服务器端每次批量数据获取条数,该值决定了数据同步系统和服务器端的网络交互次数,能够较大的提升数据抽取性能。
说明 fetchSize值过大(>2048)可能造成数据同步进程OOM。
1,024

向导开发介绍

  1. 选择数据源。
    配置同步任务的数据来源数据去向选择数据源
    参数 描述
    数据源 即上述参数说明中的datasource,通常输入您配置的数据源名称。
    即上述参数说明中的table
    数据过滤 您将要同步数据的筛选条件,暂时不支持limit关键字过滤。SQL语法与选择的数据源一致。
    切分键 您可以将源数据表中某一列作为切分键,建议使用主键或有索引的列作为切分键,仅支持类型为整型的字段。
    读取数据时,根据配置的字段进行数据分片,实现并发读取,可以提升数据同步效率。
    说明 切分键与数据同步中的选择来源有关,配置数据来源时才显示切分键配置项。
  2. 字段映射,即上述参数说明中的column
    左侧的源头表字段和右侧的目标表字段为一一对应关系。单击添加一行可以增加单个字段,鼠标放至需要删除的字段上,即可单击删除图标进行删除 。字段映射
    参数 描述
    同名映射 单击同名映射,可以根据名称建立相应的映射关系,请注意匹配数据类型。
    同行映射 单击同行映射,可以在同行建立相应的映射关系,请注意匹配数据类型。
    取消映射 单击取消映射,可以取消建立的映射关系。
    自动排版 可以根据相应的规律自动排版。
    手动编辑源表字段 请手动编辑字段,一行表示一个字段,首尾空行会被采用,其他空行会被忽略。
    添加一行
    • 可以输入常量,输入的值需要使用英文单引号。例如,'abc''123'等。
    • 可以配合调度参数使用。例如,${bizdate}等。
    • 可以输入关系数据库支持的函数。例如,now()count(1)等。
    • 如果您输入的值无法解析,则类型显示为未识别
  3. 通道控制。通道控制
    参数 描述
    任务期望最大并发数 数据同步任务内,可以从源并行读取或并行写入数据存储端的最大线程数。向导模式通过界面化配置并发数,指定任务所使用的并行度。
    同步速率 设置同步速率可以保护读取端数据库,以避免抽取速度过大,给源库造成太大的压力。同步速率建议限流,结合源库的配置,请合理配置抽取速率。
    错误记录数 错误记录数,表示脏数据的最大容忍条数。
    任务资源组 任务运行的机器,如果任务数比较多,使用默认资源组出现等待资源的情况,建议购买独享数据集成资源或添加自定义资源组,详情请参见DataWorks独享资源新增自定义资源组

脚本开发介绍

配置一个从Oracle数据库同步抽取数据的作业。
{
    "type":"job",
    "version":"2.0",//版本号。
    "steps":[
        {
            "stepType":"oracle",
            "parameter":{
                "fetchSize":1024,//该配置项定义了插件和数据库服务器端每次批量数据获取条数。
                "datasource":"",//填写添加的数据源名。
                "column":[//列名。
                    "id",
                    "name"
                ],
                "where":"",//筛选条件。
                "splitPk":"",//切分键。
                "table":""//表名。
            },
            "name":"Reader",
            "category":"reader"
        },
        {
            "stepType":"stream",
            "parameter":{},
            "name":"Writer",
            "category":"writer"
        }
    ],
    "setting":{
        "errorLimit":{
            "record":"0"//错误记录数。
        },
        "speed":{
            "throttle":false,////false代表不限流,下面的限流的速度不生效;true代表限流。
            "concurrent":1,//作业并发数。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
} "to":"Writer"
            }
        ]
    }
}

使用说明

  • 主备同步数据恢复问题

    主备同步问题指Oracle使用主从灾备,当主库报错切换至备库后,备库从主库不断地通过binlog恢复数据。由于主备数据同步存在一定的时间差,在网络延迟等特定情况下,会导致备库同步恢复的数据与主库有较大差别,从备库同步的数据不是一份当前时间的完整镜像。

  • 一致性约束

    Oracle在数据存储划分中属于RDBMS系统,对外可以提供强一致性数据查询接口。例如,在一次同步任务启动运行的过程中,当该库存在其它数据写入方写入数据时,由于数据库本身的快照特性,Oracle Reader不会获取到写入的新数据。

    上述是在Oracle Reader单线程模型下实现数据同步的一致性。Oracle Reader根据您配置的信息并发抽取数据,则不能严格保证数据一致性。

    当Oracle Reader根据splitPk进行数据切分后,会先后启动多个并发任务完成数据同步。多个并发任务相互之间不属于同一个读事务,同时多个并发任务存在时间间隔。因此该数据并不是完整的、一致的数据快照信息。

    针对多线程的一致性快照需求,目前在技术上无法实现,只能从工程角度解决。工程化的方式存在取舍,在此提供以下解决思路,您可以根据自身情况进行选择。
    • 使用单线程同步,即不再进行数据切片。缺点是速度比较慢,但是能够很好保证一致性。
    • 关闭其它数据写入方,保证当前数据为静态数据。例如,锁表、关闭备库同步等。缺点是可能影响在线业务。
  • 数据库编码问题

    Oracle Reader底层使用JDBC进行数据抽取,JDBC天然适配各类编码,并在底层进行了编码转换。因此Oracle Reader无需您指定编码,可以自动获取编码并转码。

  • 增量数据同步的方式
    Oracle Reader使用JDBC SELECT语句完成数据抽取工作,因此您可以使用SELECT…WHERE…进行增量数据抽取,方式如下:
    • 数据库在线应用写入数据库时,填充modify字段为更改时间戳,包括新增、更新、删除(逻辑删除)。对于该类应用,Oracle Reader只需要where条件后跟上一同步阶段时间戳即可。
    • 对于新增流水型数据,Oracle Reader在where条件后跟上一阶段最大自增ID即可。

    对于业务上无字段区分新增、修改数据的情况,Oracle Reader无法进行增量数据同步,只能同步全量数据。

  • SQL安全性

    Oracle Reader为您提供querySql功能,您可以自行实现SELECT抽取语句。Oracle Reader本身对querySql不进行任何安全性校验。