SQL Server数据源为您提供读取和写入SQL Server双向通道的功能,本文为您介绍DataWorks的SQL Server数据同步的能力支持情况。
支持的版本
SQL Server Reader使用驱动版本是com.microsoft.sqlserver sqljdbc4 4.0,驱动能力具体请参见官网文档。该驱动支持的SQL Server版本如下所示:
版本  | 支持性(是/否)  | 
SQL Server 2016  | 是  | 
SQL Server 2014  | 是  | 
SQL Server 2012  | 是  | 
PDW 2008R2 AU34  | 是  | 
SQL Server 2008 R2  | 是  | 
SQL Server 2008  | 是  | 
SQL Server 2019  | 否  | 
SQL Server 2018  | 否  | 
Azure SQL Managed Instance  | 否  | 
Azure Synapse Analytics  | 否  | 
Azure SQL Database  | 是  | 
使用限制
离线同步支持读取视图表。
支持的字段类型
SQL Server全量的字段类型请参见SQL Server帮助文档。以下以SQL Server 2016为例,为您列举常见的字段类型的支持情况。
sql server 2016字段类型  | SQL Server Reader  | SQL Server Writer  | 
bigint  | 支持  | 支持  | 
bit  | 支持  | 支持  | 
decimal  | 支持  | 支持  | 
int  | 支持  | 支持  | 
money  | 支持  | 支持  | 
numeric  | 支持  | 支持  | 
smallint  | 支持  | 支持  | 
smallmoney  | 支持  | 支持  | 
tinyint  | 支持  | 支持  | 
float  | 支持  | 支持  | 
real  | 支持  | 支持  | 
date  | 支持  | 支持  | 
datetime2  | 支持  | 支持  | 
datetime  | 支持  | 支持  | 
datetimeoffset  | 不支持  | 不支持  | 
smalldatetime  | 支持  | 支持  | 
time  | 支持  | 支持  | 
char  | 支持  | 支持  | 
text  | 支持  | 支持  | 
varchar  | 支持  | 支持  | 
nchar  | 支持  | 支持  | 
ntext  | 支持  | 支持  | 
nvarchar  | 支持  | 支持  | 
binary  | 支持  | 支持  | 
image  | 支持  | 支持  | 
varbinary  | 支持  | 支持  | 
cursor  | 不支持  | 不支持  | 
hierarchyid  | 不支持  | 不支持  | 
sql_variant  | 支持  | 支持  | 
Spatial Geometry Types  | 不支持  | 不支持  | 
table  | 不支持  | 不支持  | 
rowversion  | 不支持  | 不支持  | 
uniqueidentifier  | 支持  | 支持  | 
xml  | 支持  | 支持  | 
Spatial Geography Types  | 不支持  | 不支持  | 
SQL Server Reader和SQL Server Writer针对SQL Server的类型转换列表,如下所示。
类型分类  | SQL Server数据类型  | 
整数类  | BIGINT、INT、SMALLINT和TINYINT  | 
浮点类  | FLOAT、DECIMAL、REAL和NUMERIC  | 
字符串类  | CHAR、NCHAR、NTEXT、NVARCHAR、TEXT、VARCHAR、NVARCHAR(MAX)和VARCHAR(MAX)  | 
日期时间类  | DATE、DATETIME和TIME  | 
布尔型  | BIT  | 
二进制类  | BINARY、VARBINARY、VARBINARY(MAX)和TIMESTAMP  | 
创建数据源
在进行数据同步任务开发时,您需要在DataWorks上创建一个对应的数据源,操作流程请参见数据源管理,详细的配置参数解释可在配置界面查看对应参数的文案提示。
数据同步任务开发
数据同步任务的配置入口和通用配置流程可参见下文的配置指导。
单表离线同步任务配置指导
脚本模式配置的全量参数和脚本Demo请参见下文的附录:脚本Demo与参数说明。
整库离线读同步任务配置指导
操作流程请参见整库实时同步任务配置。
常见问题
主备同步数据恢复问题
主备同步问题指SQL Server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,特别是在某些特定情况,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
SQL Server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,SQL Server Reader完全不会获取到写入的更新数据。
上述是在SQL Server Reader单线程模型下数据同步一致性的特性,SQL Server 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SQL Server 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,但是能够很好地保证一致性。
关闭其他数据写入方,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
SQL Server 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SQL Server Reader不需您指定编码,可以自动获取编码并转码。
增量数据同步的方式
SQL Server 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,SQL Server 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,SQL Server 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,SQL Server Reader无法进行增量数据同步,只能同步全量数据。
SQL安全性
SQL Server Reader提供querySql语句交给您自己实现SELECT抽取语句,SQL Server Reader本身对querySql不进行任何安全性校验。
附录:脚本Demo与参数说明
离线任务脚本配置方式
如果您配置离线任务时使用脚本模式的方式进行配置,您需要按照统一的脚本格式要求,在任务脚本中编写相应的参数,详情请参见脚本模式配置,以下为您介绍脚本模式下数据源的参数配置详情。
Reader脚本Demo
{
    "type":"job",
    "version":"2.0",//版本号。
    "steps":[
        {
            "stepType":"sqlserver",//插件名。
            "parameter":{
                "datasource":"",//数据源。
                "column":[//字段。
                    "id",
                    "name"
                ],
                "where":"",//筛选条件。
                "splitPk":"",//如果指定splitPk,表示您希望使用splitPk代表的字段进行数据分片。
                "table":""//数据表。
            },
            "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,此处1mbps = 1MB/s。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
}如果您想使用querySql查询,Reader部分脚本代码示例如下(SQL Server数据源是sql_server_source,待查询的表是dbo.test_table,待查询的列是name)。
{
    "stepType": "sqlserver",
    "parameter": {
        "connection": [
            {
                "querySql": ["select name from dbo.test_table"],
                "datasource": "sql_server_source"
            }
        ],
        "datasource": "sql_server_source",
        "column": ["name"],
        "where": "",
        "splitPk": "id"
    },
    "name": "Reader",
    "category": "reader"
}Reader脚本参数
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,一个作业只能支持一个表同步。  | 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  | 
splitFactor  | 切分因子,可以配置同步数据的切分份数,如果配置了多并发,会按照并发数 * splitFactor份来切分。例如,并发数=5,splitFactor=5,则会按照5*5=25份来切分,在5个并发线程上执行。 说明  建议取值范围:1~100,过大会导致内存溢出。  | 否  | 5  | 
splitPk  | SQL Server 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。数据同步系统因此会启动并发任务进行数据同步,这样可以提高数据同步的效率。 
  | 否  | 无  | 
where  | 筛选条件,SQL Server 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,可以将where条件指定为limit 10。在实际业务场景中,往往会选择当天的数据进行同步,将where条件指定为 
  | 否  | 无  | 
querySql  | 使用格式:  | 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  | 1024  | 
对于您配置的table、column和where等信息,SQL Server Reader将其拼接为SQL语句发送至SQL Server数据库。
对于您配置的querySql信息,SQL Server直接将其发送至SQL Server数据库。
Writer脚本Demo
{
    "type":"job",
    "version":"2.0",//版本号。
    "steps":[
        {
            "stepType":"stream",
            "parameter":{},
            "name":"Reader",
            "category":"reader"
        },
        {
            "stepType":"sqlserver",//插件名。
            "parameter":{
                "postSql":[],//执行数据同步任务之后率先执行的SQL语句。
                "datasource":"",//数据源。
                "column":[//字段。
                    "id",
                    "name"
                ],
                "table":"",//表名。
                "preSql":[]//执行数据同步任务之前率先执行的SQL语句。
            },
            "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,此处1mbps = 1MB/s。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
}Writer脚本参数
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  | 目标表需要写入数据的字段,字段之间用英文逗号分隔。例如  | 是  | 无  | 
preSql  | 执行数据同步任务之前,需率先执行的SQL语句。目前向导模式仅允许执行一条SQL语句,脚本模式可以支持多条SQL语句,例如清除旧数据。  | 否  | 无  | 
postSql  | 执行数据同步任务之后执行的SQL语句。目前向导模式仅允许执行一条SQL语句,脚本模式可以支持多条SQL语句,例如加上某个时间戳。  | 否  | 无  | 
writeMode  | 选择导入模式,可以支持insert方式。 当主键/唯一性索引冲突时,数据集成视为脏数据但保留原有的数据。  | 否  | insert  | 
batchSize  | 一次性批量提交的记录数大小,该值可以极大减少数据同步系统与SQL Server的网络交互次数,并提升整体吞吐量。如果该值设置过大,会导致数据同步运行进程OOM异常。  | 否  | 1,024  |