Vertica是一款基于列存储的MPP架构的数据库,Vertica Reader插件实现了从Vertica读取数据的功能。本文将为您介绍Vertica Reader的实现原理、参数和示例。

在底层实现上,Vertica Reader通过JDBC连接远程Vertica数据库,并执行相应的SQL语句,从Vertica数据库中读取数据。

实现原理

Vertica Reader通过JDBC连接器连接至远程的Vertica数据库,根据您配置的信息生成查询SQL语句,发送至远程Vertica数据库,执行该SQL并返回结果。然后使用数据同步自定义的数据类型拼装为抽象的数据集,传递给下游Writer处理。
  • 对于您配置的tablecolumnwhere等信息,Vertica Reader将其拼接为SQL语句发送至Vertica数据库。
  • 对于您配置的querySql信息,Vertica直接将其发送至Vertica数据库。

Vertica Reader通过Vertica数据库驱动访问Vertica,您需要确认Vertica驱动和您的Vertica服务之间的兼容能力。数据库驱动使用如下版本。

<dependency>
    <groupId>com.vertica</groupId>
    <artifactId>vertica-jdbc</artifactId>
    <version>7.1.2</version>
</dependency>

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,此配置项填写的内容必须要与添加的数据源名称保持一致。
jdbcUrl 描述的是到对端数据库的JDBC连接信息,使用JSON的数组进行描述,并支持一个库填写多个连接地址。

如果配置多个连接地址,Vertica Reader可以依次验证IP的可连接性,直到选择一个合法的IP。如果全部连接失败,则Vertica Reader报错。

说明 jdbcUrl必须包含在connection配置单元中。

jdbcUrl的格式和Vertica官方一致,并可以连接附件控制信息。例如,jdbc:vertica://1**.0.0.1:3306/database

username 数据源的用户名。
table 选取的需要同步的表名称。
password 数据源指定用户名的密码。
table 选取的需要同步的表。使用JSON的数组进行描述,支持同时读取多张表。

当配置为多张表时,您需要保证多张表的schema结构一致,Vertica Reader不检查表的逻辑是否统一。

说明 table必须包含在connection配置单元中。
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,即列可以挑选部分列进行导出。
  • 支持列换序,即列可以不按照表schema信息顺序进行导出。
  • 支持常量配置。
  • column必须显示指定同步的列集合,不允许为空。
splitPk Vertica 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,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不容易出现数据热点。
  • 目前splitPk仅支持整型数据切分,不支持字符串、浮点、日期等其它类型 。如果您指定其它非支持类型,Vertica Reader将报错。
  • 如果设置splitPk为空,底层将视作您不允许对单表进行切分,因此使用单通道进行抽取。
where 筛选条件,Vertica 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,可以指定where条件。在实际业务场景中,通常会选择当天的数据进行同步,可以将where条件指定为gmt_create > $bizdate

  • where条件可以有效地进行业务增量同步。
  • where条件不配置或者为空,视作全表同步数据。
querySql 在部分业务场景中,where配置项不足以描述所筛选的条件,您可以通过该配置型来自定义筛选SQL。配置该项后,数据同步系统会忽略tablescolumnssplitPk配置项,直接使用该项配置的内容对数据进行筛选。

当您配置querySql时,Vertica 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,该值决定了数据集成和服务器端的网络交互次数,能够较大地提升数据抽取性能。
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

暂不支持向导模式开发。

脚本开发介绍

配置一个从Vertica读取数据的作业,使用脚本开发的详情请参见通过脚本模式配置任务
{
    "type": "job",
    "steps": [
        {
            "stepType": "vertica", //插件名。
            "parameter": {
                "datasource": "", //数据源名。
                "username": "",
                "password": "",
                "where": "",
                "column": [ //字段。
                    "id",
                    "name"
                ],
                "splitPk": "id",
                "connection": [
                    {
                        "table": [ //表名。
                            "table"
                        ],
                        "jdbcUrl": [
                            "jdbc:vertica://host:port/database"
                        ]
                    }
                ]
            },
            "name": "Reader",
            "category": "reader"
        },
        {
            "stepType": "stream",
            "parameter": {
                "print": false,
                "fieldDelimiter": ","
            },
            "name": "Writer",
            "category": "writer"
        }
    ],
    "version": "2.0",
    "order": {
        "hops": [
            {
                "from": "Reader",
                "to": "Writer"
            }
        ]
    },
    "setting": {
        "errorLimit": {
            "record": "0" //错误记录数。
        },
        "speed": {
            "throttle": false, //false代表不限流,下面的限流速度不生效;true代表限流。
            "concurrent": 1, //作业并发数。
        }
    }
}