如何将PolarDB-X同步至阿里云消息队列Kafka

本文介绍如何使用数据传输服务DTS（Data Transmission Service），将PolarDB分布式版同步至阿里云消息队列Kafka，实现增量数据的实时同步。

前提条件

已创建源PolarDB分布式版实例，且兼容MySQL 5.7版本。
目标Kafka实例的版本请参见数据库版本。
目标Kafka实例的存储空间须大于PolarDB分布式版数据库占用的存储空间。
目标Kafka实例中已创建用于接收同步数据的Topic，详情请参见步骤一：创建Topic。

注意事项

说明 DTS不会将源数据库中的外键同步到目标数据库，因此源数据库的级联、删除等操作不会同步到目标数据库。


类型	说明
源库限制	待同步的表需具备主键或唯一约束，且字段具有唯一性，否则可能会导致目标数据库中出现重复数据。若同步对象为表级别，且需进行编辑（如表列名映射），单次同步任务的表数量超过5000时，建议您拆分待同步的表，分批配置多个任务，或者配置整库的同步任务，否则任务提交后可能会显示请求报错。 Binlog日志：在PolarDB-X 2.0控制台参数设置界面开启binlog，开启方法请参见参数设置。并且binlog_row_image为full。否则预检查阶段提示报错，且无法成功启动数据同步任务。如为增量同步任务，DTS要求源数据库的本地Binlog日志保存24小时以上，如为全量同步和增量同步任务，DTS要求源数据库的本地Binlog日志至少保留7天以上（您可在全量同步完成后将Binlog保存时间设置为24小时以上），否则DTS可能因无法获取Binlog而导致任务失败，极端情况下可能会导致数据不一致或丢失。由于您所设置的Binlog日志保存时间低于DTS要求的时间进而导致的问题，不在DTS的SLA保障范围内。 PolarDB分布式版需兼容MySQL 5.7版本。
其他限制	执行数据同步前需评估源库和目标库的性能，同时建议业务低峰期执行数据同步。否则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。全量初始化会并发执行INSERT操作，导致目标数据库的表产生碎片，因此全量初始化完成后目标实例的表空间比源实例的表空间大。请勿对源库的同步对象使用pt-online-schema-change等类似工具执行在线DDL变更，否则会导致同步失败。在DTS同步期间，不允许有除DTS外的数据写入目标库，否则会导致源库与目标库数据不一致。例如，有除DTS外的数据写入目标库时，使用DMS执行在线DDL变更，可能引起目标库数据丢失。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。
其他注意事项	DTS会在源库定时更新`dts_health_check`.`ha_health_check`表以推进binlog位点。

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。

单条记录大小限制

由于写入Kafka单条记录的大小是10MB，因此当源端一行数据超过10MB时，DTS由于无法成功写入Kafka会导致任务中断。在该场景下建议您不要同步该表，如果一定要同步，也只能同步部分列，即配置DTS任务时，过滤掉这些大字段的记录。如果已经是在同步中的任务，则需要修改同步对象，将该表移出，再次点击修改同步对象，加入该表，并将该表的大字段列过滤，不做同步。

支持同步的SQL操作


操作类型	SQL操作语句
DML	INSERT、UPDATE、DELETE

操作步骤

进入同步任务的列表页面。
1. 登录DMS数据管理服务。
2. 在顶部菜单栏中，单击集成与开发（DTS）。
3. 在左侧导航栏，选择数据传输（DTS） > 数据同步。
说明您也可以登录新版DTS同步任务的列表页面。
在同步任务右侧，选择同步实例所属地域。
说明新版DTS同步任务列表页面，需要在页面左上角选择同步实例所属地域。

单击创建任务，配置源库及目标库信息。

警告选择源和目标实例后，建议您仔细阅读页面上方显示的使用限制，否则可能会导致任务失败或数据不一致。


类别	配置	说明
无	任务名称	DTS会自动生成一个任务名称，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。
源库信息	选择已有的DMS数据库实例	您可以按实际需求，选择是否使用已有实例。如使用已有实例，下方数据库信息将自动填入，您无需重复输入。如不使用已有实例，您需要输入下方的数据库信息。
	数据库类型	选择PolarDB-X 2.0。
	接入方式	选择云实例。
	实例地区	选择源PolarDB分布式版实例所属地域。
	实例ID	选择源PolarDB分布式版实例ID。
	数据库账号	填入源PolarDB分布式版实例的数据库账号，需具备REPLICATION SLAVE、REPLICATION CLIENT及待同步对象的SELECT权限。说明授权方式，请参见数据同步过程中的账号权限问题。
	数据库密码	填入该数据库账号对应的密码。
目标库信息	选择已有的DMS数据库实例	您可以按实际需求，选择是否使用已有实例。如使用已有实例，下方数据库信息将自动填入，您无需重复输入。如不使用已有实例，您需要输入下方的数据库信息。
	数据库类型	选择Kafka。
	接入方式	选择专线/VPN网关/智能网关。说明由于DTS暂时不支持直接选择消息队列Kafka版，此处将其作为自建Kafka来配置数据同步。
	实例地区	选择目标Kafka实例所属地域。
	已和目标端数据库联通的VPC	选择目标Kafka实例所属的专有网络ID。您可以在Kafka实例的基本信息页面中查看到专有网络ID。
	主机名或IP地址	填入Kafka实例默认接入点中的任意一个IP地址。说明您可以在Kafka实例的基本信息页面中，获取默认接入点对应的IP地址。
	端口	Kafka实例的服务端口，默认为9092。
	数据库账号	填入目标Kafka实例的数据库账号。说明如果Kafka实例的实例类型为VPC实例，无需配置数据库账号和数据库密码。
	数据库密码	填入该数据库账号对应的密码。
	Kafka版本	根据Kafka实例版本，选择对应的版本信息。
	连接方式	根据业务及安全需求，选择非加密连接或SCRAM-SHA-256。
	Topic	在下拉框中选择具体的Topic。
	存储DDL的Topic	在下拉框中选择具体的Topic，用于存储DDL信息。如果未指定，DDL信息默认存储在Topic选择的Topic中。
	是否使用Kafka Schema Registry	Kafka Schema Registry是元数据提供服务层，提供了一个RESTful接口，用于存储和检索Avro Schema。否：不使用Kafka Schema Registry。是：使用Kafka Schema Registry。您需要输入Avro Schema在Kafka Schema Registry注册的URL或IP。

配置完成后，单击页面下方的测试连接以进行下一步。
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。

配置任务对象及高级配置。


配置	说明
同步类型	固定选中增量同步。默认情况下，您还需要同时选中库表结构同步和全量同步。预检查完成后，DTS会将源实例中待同步对象的全量数据在目标集群中初始化，作为后续增量同步数据的基线数据。
目标已存在表的处理模式	预检查并报错拦截：检查目标数据库中是否有同名的表。如果目标数据库中没有同名的表，则通过该检查项目；如果目标数据库中有同名的表，则在预检查阶段提示错误，数据同步任务不会被启动。说明如果目标库中同名的表不方便删除或重命名，您可以更改该表在目标库中的名称，请参见库表列名映射。忽略报错并继续执行：跳过目标数据库中是否有同名表的检查项。警告选择为忽略报错并继续执行，可能导致数据不一致，给业务带来风险，例如：表结构一致的情况下，如在目标库遇到与源库主键的值相同的记录：全量期间，DTS会保留目标集群中的该条记录，即源库中的该条记录不会同步至目标数据库中。增量期间，DTS不会保留目标集群中的该条记录，即源库中的该条记录会覆盖至目标数据库中。表结构不一致的情况下，可能会导致无法初始化数据、只能同步部分列的数据或同步失败，请谨慎操作。
投递到Kafka的数据格式	根据需求选择同步到Kafka实例中的数据存储格式。如果您选择DTS Avro，根据DTS Avro的schema定义进行数据解析，schema定义详情请参见DTS Avro的schema定义。如果您选择Canal Json，Canal Json的参数说明和示例请参见Canal Json说明。
投递到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迁移策略说明。重要若源库为PolarDB-X 1.0，则暂不支持此功能。
目标库对象名称大小写策略	您可以配置目标实例中同步对象的库名、表名和列名的英文大小写策略。默认情况下选择DTS默认策略，您也可以选择与源库、目标库默认策略保持一致。更多信息，请参见目标库对象名称大小写策略。
源库对象	在源库对象框中单击待同步对象，然后单击将其移动至已选择对象框。说明同步对象选择的粒度为库、表、列。若选择的同步对象为表或列，其他对象（如视图、触发器、存储过程）不会被同步至目标库。
已选择对象	如需更改单个同步对象在目标实例中的名称，请右击已选择对象中的同步对象，设置方式，请参见库表列名单个映射。如需批量更改同步对象在目标实例中的名称，请单击已选择对象方框右上方的批量编辑，设置方式，请参见库表列名批量映射。说明如需按库或表级别选择同步的SQL操作，请在已选择对象中右击待同步对象，并在弹出的对话框中选择所需同步的SQL操作。支持的操作请参见支持同步的SQL操作。如需设置WHERE条件过滤数据，请在已选择对象中右击待同步的表，在弹出的对话框中设置过滤条件。设置方法请参见通过SQL条件过滤任务数据。

单击下一步高级配置，进行高级配置。


配置	说明
设置告警	是否设置告警，当同步失败或延迟超过阈值后，将通知告警联系人。不设置：不设置告警。设置：设置告警，您还需要设置告警阈值和告警联系人。更多信息，请参见在配置任务过程中配置监控报警。
源库、目标库无法连接后的重试时间	在同步任务启动后，若源库或目标库连接失败则DTS会报错，并会立即进行持续的重试连接，默认持续重试时间为720分钟，您也可以在取值范围（10~1440分钟）内自定义重试时间，建议设置30分钟以上。如果DTS在设置的重试时间内重新连接上源库、目标库，同步任务将自动恢复。否则，同步任务将会失败。说明针对同源或者同目标的多个DTS实例，如DTS实例A和DTS实例B，设置网络重试时间时A设置30分钟，B设置60分钟，则重试时间以低的30分钟为准。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。
配置ETL功能	选择是否配置ETL功能。关于ETL的更多信息，请参见什么是ETL。是：配置ETL功能，并在文本框中填写数据处理语句，详情请参见在DTS迁移或同步任务中配置ETL。否：不配置ETL功能。
是否去除正反向任务的心跳表sql	根据业务需求选择是否在DTS实例运行时，在源库中写入心跳SQL信息。是：不在源库中写入心跳SQL信息，DTS实例可能会显示有延迟。否：在源库中写入心跳SQL信息，可能会影响源库的物理备份和克隆等功能。

上述配置完成后，单击页面下方的下一步保存任务并预检查。
您可以将鼠标光标移动至下一步保存任务并预检查按钮上，然后单击气泡中的预览OpenAPI调用，查看该实例使用API接口配置时的参数信息。
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，请单击失败检查项后的查看详情，并根据提示修复后重新进行预检查。
- 如果预检查产生警告：
  对于不可以忽略的检查项，请单击失败检查项后的查看详情，并根据提示修复后重新进行预检查。
  对于可以忽略无需修复的检查项，您可以依次单击点击确认告警详情、确认屏蔽、确定、重新进行预检查，跳过告警检查项重新进行预检查。如果选择屏蔽告警检查项，可能会导致数据不一致等问题，给业务带来风险。
预检查通过率显示为100%时，单击下一步购买。

在购买页面，选择数据同步实例的计费方式、链路规格，详细说明请参见下表。


类别	参数	说明
信息配置	计费方式	预付费（包年包月）：在新建实例时支付费用。适合长期需求，价格比按量付费更实惠，且购买时长越长，折扣越多。后付费（按量付费）：按小时扣费。适合短期需求，用完可立即释放实例，节省费用。
	链路规格	DTS为您提供了不同性能的同步规格，同步链路规格的不同会影响同步速率，您可以根据业务场景进行选择，详情请参见数据同步链路规格说明。
	订购时长	在预付费模式下，选择包年包月实例的时长和数量，包月可选择1~9个月，包年可选择1~3年和5年。说明该选项仅在付费类型为预付费时出现。

配置完成后，阅读并勾选《数据传输（按量付费）服务条款》。
单击购买并启动，同步任务正式开始，您可在数据同步界面查看具体任务进度。