本文为您介绍PostgreSQL Reader支持的数据类型、读取方式、字段映射和数据源等参数及配置示例。
背景信息
PostgreSQL Reader插件从PostgreSQL读取数据。在底层实现上,PostgreSQL Reader通过JDBC连接远程PostgreSQL数据库,并执行相应的SQL语句,从PostgreSQL库中选取数据。RDS提供PostgreSQL存储引擎。
- 对于您配置的table、column和where等信息,PostgreSQL Reader将其拼接为SQL语句发送至PostgreSQL数据库。
- 对于您配置的querySql信息,PostgreSQL直接将其发送至PostgreSQL数据库。
注意事项
123Test
,则转义后表名称为\"123Test\"
。
- 双引号("")中,前引号(")和后引号(")均需使用反斜线(\)进行转义。
- 向导模式不支持转义,您需要转换为脚本模式进行转义。
"parameter": {
"datasource": "abc",
"column": [
"id",
"\"123Test\"", //添加转义符
],
"where": "",
"splitPk": "id",
"table": "public.wpw_test"
},
类型转换列表
PostgreSQL Reader支持大部分PostgreSQL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。
类型分类 | PostgreSQL数据类型 |
---|---|
整数类 | BIGINT、BIGSERIAL、INTEGER、SMALLINT和SERIAL |
浮点类 | DOUBLE、PRECISION、MONEY、NUMERIC和REAL |
字符串类 | VARCHAR、CHAR、TEXT、BIT和INET |
日期时间类 | DATE、TIME和TIMESTAMP |
布尔型 | BOOL |
二进制类 | BYTEA |
- 除上述罗列字段类型外,其它类型均不支持。
- MONEY、INET和BIT需要您使用
a_inet::varchar
类似的语法进行转换。
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。 | 是 | 无 |
table | 选取的需要同步的表名称。 | 是 | 无 |
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[ * ]。
|
是 | 无 |
splitPk | PostgreSQL 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,数据同步会启动并发任务,以提高数据同步的效能:
|
否 | 无 |
where | 筛选条件,PostgreSQL Reader根据指定的column、table和where条件拼接SQL,并根据该SQL进行数据抽取。例如在测试时,您可以使用where条件指定实际业务场景,通常会选择当天的数据进行同步,指定where条件为id>2 and sex=1 :
|
否 | 无 |
querySql(高级模式,向导模式不提供) | 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。当配置该项后,数据同步系统会忽略tables、columns和splitPk配置项,直接使用该配置的内容筛选数据。例如需要进行多表JOIN后同步数据,使用select a,b from table_a join table_b on table_a.id = table_b.id 。当您配置querySql时,PostgreSQL Reader直接忽略table、column和where条件的配置。
|
否 | 无 |
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。
|
否 | 512 |
向导开发介绍
- 选择数据源。
配置同步任务的数据来源和数据去向。
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。 表 即上述参数说明中的table,选择需要同步的表。 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。 - 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。
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。
- 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。 分布式处理能力 数据同步时,可以将任务切片分散到多台执行节点上并发执行,提高同步速率。该模式下,配置较大任务并发数会增加数据存储访问压力,如需使用该功能,请提前评估数据存储的访问负载。该功能仅支持在独享数据集成资源组配置,详情请参见独享数据集成资源组和新增和使用独享数据集成资源组。
脚本开发介绍
{
"type":"job",
"version":"2.0",//版本号。
"steps":[
{
"stepType":"postgresql",//插件名。
"parameter":{
"datasource":"",//数据源。
"column":[//字段。
"col1",
"col2"
],
"where":"",//筛选条件。
"splitPk":"",//用splitPk代表的字段进行数据分片,数据同步会启动并发任务进行数据同步。
"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":true, //当throttle值为false时,mbps参数不生效,表示不限流;当throttle值为true时,表示限流。
"concurrent":1, //作业并发数。
"mbps":"12"//限流
}
},
"order":{
"hops":[
{
"from":"Reader",
"to":"Writer"
}
]
}
}
补充说明
- 主备同步数据恢复问题
主备同步问题指PostgreSQL使用主从灾备,备库从主库不间断通过binlog恢复数据。由于主备数据同步存在一定的时间差,特别在于某些特定情况,例如网络延迟等问题,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
PostgreSQL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。例如一次同步任务启动运行过程中,当该库存在其他数据写入方写入数据时,由于数据库本身的快照特性,PostgreSQL Reader完全不会获取到写入的更新数据。
上述是在PostgreSQL Reader单线程模型下数据同步一致性的特性,PostgreSQL Reader可以根据您配置的信息使用并发数据抽取,因此不能严格保证数据一致性。
当PostgreSQL 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,因此这份数据并不是完整的、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
PostgreSQL在服务器端仅支持EUC_CN和UTF-8两种简体中文编码,PostgreSQL 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PostgreSQL Reader不需您指定编码,可以自动获取编码并转码。
对于PostgreSQL底层写入编码和其设定的编码不一致的混乱情况,PostgreSQL Reader对此无法识别,也无法提供解决方案,导出结果有可能为乱码。
- 增量数据同步的方式
PostgreSQL Reader使用JDBC SELECT语句完成数据抽取工作,因此可以使用
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,PostgreSQL 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,PostgreSQL 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,PostgreSQL Reader无法进行增量数据同步,只能同步全量数据。
- SQL安全性
PostgreSQL Reader提供querySql语句交给您自己实现SELECT抽取语句,PostgreSQL Reader本身对querySql不进行任何安全性校验。