同步MySQL的数据至MaxCompute时,来源数据源为MySQL,去向数据源为MaxCompute,执行数据同步任务前,您需要参考本文,在数据源中完成网络、白名单及权限等相关配置,为后续执行数据同步方案做好网络环境及账号权限的准备。

前提条件

配置数据源之前,请确保已完成以下规划与准备工作。
  • 准备数据源:已购买来源数据源MySQL、去向数据源MaxCompute。
  • 资源规划与准备:已购买独享数据集成资源组,并完成资源配置。详情可参见资源规划与配置
  • 网络环境评估与规划:进行数据集成前,您需根据业务情况,打通数据源、独享数据集成资源组之间的网络,网络联通后参考本文进行交换机、白名单等网络环境下的访问配置。
    • 如果数据源和独享数据集成资源组均处于同地域的同一VPC网络中,数据源与资源组间的网络天然联通。
    • 如果数据源和独享数据集成资源组均处于不同的网络环境中,您需要通过VPN网关等方式,将数据源与资源组间的网络打通。
  • 查看当前使用的数据库版本是否为MySQL5.x8.x版本。您可以通过如下语句查看。
    select version();
    说明 DataWorks的数据集成实时同步MySQL数据是基于实时订阅MySQL Binlog实现的,实时同步MySQL数据目前仅支持配置MySQL数据源为RDS的5.x8.x版本的MySQL,不支持配置为DRDS的MySQL。如果当前使用的数据库版本不是RDS的5.x8.x版本的MySQL,请更换为使用RDS的5.x8.x版本的MySQL,否则会导致数据集成任务无法执行。
  • 工具准备:进行MaxCompute数据源的项目属性配置时,需使用MaxCompute客户端,您需要提前下载客户端并熟悉客户端操作。操作详情可参见MaxCompute客户端(odpscmd)

背景信息

同步来源数据源的数据至去向数据源时,您需要保障数据源与DataWorks的独享数据集成资源组在网络上是联通的,且不存在账号权限的访问限制。
  • 网络白名单
    以下以使用同一VPC网络环境为例,您需要将独享数据集成资源组在网络配置时所绑定的交换机网段添加至白名单中,保障数据集成资源组可访问数据源。网络联通vpc
  • 账号权限

    您需要规划一个可访问数据源的账号,用于后续数据集成过程中访问数据源并进行数据提取、写入的同步操作。

  • 其他访问限制。

    来源数据源为MySQL时,您需要开启Binlog。Binlog是记录所有数据库表结构变更(例如执行CREATE、ALTER操作)以及表数据修改(例如执行INSERT、UPDATE、DELETE等)的日志。方便您可以通过Binlog日志中的内容,查看数据库的变更历史、进行数据库增量备份和恢复以及主从数据库的复制。

    Binlog日志的格式如下:
    • Statement:基于SQL语句的复制。Binlog中会保存每条修改数据的SQL语句。
    • Row:基于行的复制。Binlog中不保存SQL语句上下文的相关信息,仅保存被修改的记录。
    • Mixed:混合模式复制。Statement与Row的结合,一般的语句修改使用Statment格式(例如函数),Statement无法完成复制的操作,则采用Row格式保存Binlog。MySQL会根据执行的每条SQL语句自主识别使用哪种格式。

使用限制

DataWorks的数据集成实时同步MySQL数据是基于实时订阅MySQL Binlog实现的,实时同步MySQL数据目前仅支持配置MySQL数据源为RDS的5.x8.x版本的MySQL,不支持配置为DRDS的MySQL。

配置来源数据源:MySQL

  1. 配置白名单。
    将独享数据资源组所在的VPC网段添加至MySQL的白名单中,操作如下:
    1. 查看并记录独享数据资源组所在的VPC网络。
    2. 将上述步骤中记录的独享数据集成资源组的EIP地址和网段添加至MySQL集群的白名单中。
  2. 创建账号并配置账号权限。
    您需要规划一个数据库的登录账号用于后续执行操作,此账号需要拥有数据库的 SELECT, REPLICATION SLAVE, REPLICATION CLIENT权限。
    1. 创建账号。
      操作详情请参见创建MySQL账号
    2. 配置权限。
      您可以参考以下命令为账号添加此权限,或直接给账号赋予SUPER权限。如下执行语句在实际使用时,请替换'同步账号'为上述创建的账号。
      -- CREATE USER '同步账号'@'%' IDENTIFIED BY '密码'; //创建同步账号并设置密码,使其可以通过任意主机登录数据库。%表示任意主机。
      GRANT SELECT, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO '同步账号'@'%'; //授权同步账号数据库的 SELECT, REPLICATION SLAVE, REPLICATION CLIENT权限。
      *.*表示授权同步账号对所有数据库的所有表拥有上述权限。您也可以指定授权同步账号对目标数据库的指定表拥有上述权限。例如,授权同步账号对test数据库的user表拥有上述权限,则可以使用GRANT SELECT, REPLICATION CLIENT ON test.user TO '同步账号'@'%';语句。
      说明 REPLICATION SLAVE语句为全局权限,不能指定授权同步账号对目标数据库的指定表拥有相关权限。
  3. 开启MySQL的Binlog。
    检查Binlog是否开启并查询Binlog格式,操作如下:
    • 使用如下语句检查Binlog是否开启。
      show variables like "log_bin";

      返回结果为ON时,表明已开启Binlog。

    • 如果您使用备用库同步数据,则还可以通过如下语句检查Binlog是否开启。
      show variables like "log_slave_updates";

      返回结果为ON时,表明备用库已开启Binlog。

    如果返回的结果与上述结果不符,请参考MySQL官方文档开启Binlog。
    使用如下语句查询Binlog的使用格式。
    show variables like "binlog_format";
    返回结果说明:
    • 返回ROW,表明开启的Binlog格式为ROW
    • 返回STATEMENT,表明开启的Binlog格式为STATEMENT
    • 返回MIXED,表明开启的Binlog格式为MIXED

配置去向数据源:MaxCompute

  1. 使用MaxCompute的Project Owner 账号登录客户端。
    操作详情可参见MaxCompute客户端(odpscmd)
  2. 打开项目的acid属性。
    使用Project Owner账号在客户端执行以下命令。
    setproject odps.sql.acid.table.enable=true;
  3. 可选:开启使用数据2.0。
    如果需要使用MaxCompute数据2.0类型中的timestamp类型,您需要使用Project Owner账号在客户端执行以下命令开启数据2.0。
    setproject odps.sql.type.system.odps2=true;
  4. 创建账号。
    此账号在后续添加数据源时需配置使用,用于对接MaxCompute进行数据同步操作。操作详情可参见准备阿里云账号

    创建完成后,您可记录下此账号的Accesskey ID和Accesskey Secret,便于后续配置使用。

后续步骤

配置完成数据源后,来源数据源、资源实例、去向数据源彼此间已可网络联通,且不存在访问限制。您可将来源数据源和去向数据源添加至DataWorks的数据源列表中,便于后续创建数据同步方案时关联来源和去向数据源。

添加数据源操作可参见添加数据源