RDS MySQL同步至ClickHouse集群

更新时间: 2024-01-31 16:01:55

云数据库ClickHouse是面向联机分析处理的列式数据库,基于大宽表的聚合分析查询性能非常优异,比其他分析型数据库速度快一个数量级,通过数据传输服务DTS(Data Transmission Service),您可以将MySQL数据库(例如自建MySQL或RDS MySQL)同步至ClickHouse集群,帮助您轻松实现数据的流转,将企业数据集中分析。本文以RDS MySQL实例为例,介绍从RDS MySQL同步至ClickHouse集群的配置步骤。

前提条件

  • 已创建20.8及以上版本的目标ClickHouse集群,详情请参见新建集群

    说明

    ClickHouse集群的存储空间需大于源RDS MySQL实例已使用的存储空间。

  • 已在目标ClickHouse集群创建用于接收数据的数据库,详情请参见创建数据库

    重要

    建议ClickHouse集群中创建的数据库名称与源RDS MySQL实例待同步数据所属的数据库名称一致,否则您需要在配置任务对象及高级配置阶段,在已选择对象框中使用库名映射功能。设置方式,请参见库表列名映射

注意事项

类型

说明

源库限制

  • 待同步对象不支持无主键的表。

  • 如同步对象为表级别,且需进行编辑(如表列名映射),则单次同步任务仅支持同步至多1000张表。当超出数量限制,任务提交后会显示请求报错,此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。

  • Binlog日志:

    • RDS MySQL默认已开启Binlog,您需确保binlog_row_image的值为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。参数设置方法,请参见设置实例参数

      重要
      • 若源实例为自建MySQL,则需开启Binlog,并且设置binlog_format为row且binlog_row_image为full。

      • 若源实例自建MySQL是双主集群(两者互为主从),为保障DTS能获取全部的Binlog日志,则您需开启参数log_slave_updates。具体操作请参见为自建MySQL创建账号并设置binlog

    • DTS要求源数据库的本地Binlog日志至少保留7天以上,否则DTS可能因无法获取Binlog而导致任务失败,极端情况下甚至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。如源为RDS MySQL,具体操作请参见管理本地日志(Binlog)

其他限制

  • 若源RDS MySQL的DDL语句不是标准的MySQL语法,则可能导致同步任务失败或数据丢失。

  • 不支持同步RENAME TABLE的操作。

  • 云数据库ClickHouse的时间类型数据存在范围限制,若RDS MySQL中的时间不在该范围内,会导致同步到云数据库ClickHouse的时间不正确。范围限制,请参见时间信息

  • 分区键不可以选择为可空的字段,否则同步任务将会失败。

  • 待同步数据库的数量符合云数据库ClickHouse的限制,即不超过256个。

  • 待同步数据库、表和列的名称符合云数据库ClickHouse的命名规范,相关规范请参见对象命名规范限制

  • 在库表结构同步阶段,DTS会在目标表中添加字段_sign_version。若您配置同步类型时未勾选库表结构同步,则需要手动在目标表中添加字段。字段信息,请参见字段信息

  • 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。

  • 如同步对象为单个或多个表(非整库),那么在数据同步时,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。

    您可以使用数据管理DMS(Data Management)来执行在线DDL变更,请参见不锁表结构变更

  • 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。

其他注意事项

  • 当源库为自建MySQL时:

    • 在同步时,如果源库进行主备切换,将会导致同步任务失败。

    • 由于DTS的延迟时间是根据同步到目标库最后一条数据的时间戳和当前时间戳对比得出,源库长时间未执行DML操作可能导致延迟信息不准确。如果任务显示的延迟时间过大,您可以在源库执行一个DML操作来更新延迟信息。

      说明

      如果同步对象选择为整库,您还可以创建心跳表,心跳表每秒定期更新或者写入数据。

    • DTS会在源库定时执行CREATE DATABASE IF NOT EXISTS `test`命令以推进Binlog位点。

  • 当源库为RDS MySQL时:

    不支持不记录事务日志的RDS MySQL只读实例(如RDS MySQL 5.6版本)作为源实例。

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

支持同步的SQL操作

操作类型

SQL操作语句

DML

INSERT、UPDATE、DELETE

DDL

  • CREATE TABLE

  • TRUNCATE TABLE

  • ALTER TABLE

  • ADD COLUMN

  • MODIFY COLUMN

  • DROP TABLE、DROP COLUMN

数据类型映射关系

由于MySQL和ClickHouse集群支持的数据类型不同,数据类型无法一一对应。所以DTS在进行结构初始化时,会根据目标库支持的数据类型进行类型映射,详情请参见结构初始化涉及的数据类型映射关系

数据库账号的权限要求

数据库

所需权限

创建及授权方式

RDS MySQL

待同步对象的读权限。

创建账号修改账号权限

目标ClickHouse集群

  • 22.8版本:目标库的读写权限,高权限账号符合要求。

  • 21.8版本:读写和设置权限允许DDL

社区兼容版账号管理企业版账号管理

说明

若您使用的源库账号不是通过RDS MySQL控制台创建且授权,您需确保该账号具备REPLICATION CLIENT、REPLICATION SLAVE、SHOW VIEW和SELECT权限。

操作步骤

  1. 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
  2. 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。

  3. 单击创建任务,配置源库及目标库信息。

    类别

    配置

    说明

    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(可选,如未创建可忽略此处选择,直接在下方配置数据库信息即可)

    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MySQL

    接入方式

    选择云实例

    实例地区

    选择源RDS MySQL实例所属地域。

    是否跨阿里云账号

    本示例为同一阿里云账号间的同步,选择不跨账号

    RDS实例ID

    选择源RDS MySQL实例ID。

    数据库账号

    填入源RDS MySQL实例的数据库账号,权限要求请参见数据库账号的权限要求

    数据库密码

    填入该数据库账号对应的密码。

    连接方式

    根据需求选择非加密连接SSL安全连接。如果设置为SSL安全连接,您需要提前开启RDS MySQL实例的SSL加密功能,详情请参见设置SSL加密

    目标库信息

    选择已有的DMS数据库实例(可选,如未创建可忽略此处选择,直接在下方配置数据库信息即可)

    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ClickHouse

    接入方式

    选择云实例

    实例地区

    选择目标ClickHouse集群所属地域。

    是否跨阿里云账号

    本示例为同一阿里云账号间的同步,选择不跨账号

    集群类型

    请根据实际情况选择ClickHouse集群的类型。

    集群ID

    选择目标ClickHouse集群的ID。

    数据库账号

    填入目标ClickHouse集群的数据库账号,权限要求请参见数据库账号的权限要求

    数据库密码

    填入该数据库账号对应的密码。

  4. 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(若数据库是集群部署在多个ECS实例,您需要手动将DTS服务对应地区的IP地址添到其余每个ECS的安全规则中);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。

  5. 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或唯一键的值相同的记录:

        • 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。

    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

    源库对象框中单击待同步对象,然后单击向右将其移动至已选择对象框。

    说明

    同步对象的选择粒度为库、表、列。

    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
    • 若您需设置条件过滤数据,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。设置方法请参见设置过滤条件

    • 如果使用了对象名映射功能(指定用于接收数据的库数据库或集合),可能会导致依赖这个对象的其他对象同步失败。

  6. 单击下一步高级配置,进行高级配置。

    配置

    说明

    选择调度该任务的专属集群

    DTS默认将任务调度到共享集群上,您无需选择。您可以购买指定规格的专属集群来运行DTS同步任务,详情请参见什么是DTS专属集群

    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。

    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。

    源库、目标库出现其他问题后的重试时间

    在同步任务启动后,若源库或目标库出现非连接性的其他问题(如DDL或DML执行异常),则DTS会报错并会立即进行持续的重试操作,默认持续重试时间为10分钟,您也可以在取值范围(1~1440分钟)内自定义重试时间,建议设置10分钟以上。如果DTS在设置的重试时间内相关操作执行成功,同步任务将自动恢复。否则,同步任务将会失败。

    重要

    源库、目标库出现其他问题后的重试时间的值需要小于源库、目标库无法连接后的重试时间的值。

    是否限制全量迁移速率

    在全量同步阶段,DTS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。您可以根据实际情况,选择是否对全量同步任务进行限速设置(设置每秒查询源库的速率QPS每秒全量迁移的行数RPS每秒全量迁移的数据量(MB)BPS),以缓解目标库的压力。

    说明

    仅当同步类型选择了全量同步时才可以配置。

    是否限制增量同步速率

    您也可以根据实际情况,选择是否对增量同步任务进行限速设置(设置每秒增量同步的行数RPS每秒增量同步的数据量(MB)BPS),以缓解目标库的压力。

    环境标签

    您可以根据实际情况,选择用于标识实例的环境标签。本示例无需选择。

    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。

    • :不在源库中写入心跳SQL信息,DTS实例可能会显示有延迟。

    • :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。

  7. 单击下一步配置库表字段,配置待同步表在ClickHouse中的类型主键列排序键分布键分区键信息。

    说明
    • DTS默认配置了一组数据,您可以将定义状态选择为全部后进行修改。

    • 主键列排序键可以是组合键,即您可以在对应的下拉框中选择多个字段作为主键列排序键,且需要从主键列中选择1个或者多个列作分区键分布键只能选择一个字段。更多关于主键列、排序键、分区键的信息,请参见CREATE TABLE

    • 分区键可以不设置,但不可以选择为可空的字段,否则同步任务将会失败。

  8. 保存任务并进行预检查。

    • 若您需要查看调用API接口配置该实例时的参数信息,请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参数

    • 若您无需查看或已完成查看API参数,请单击页面下方的下一步保存任务并预检查

    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。

  9. 预检查通过率显示为100%时,单击下一步购买

  10. 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。

    资源组配置

    实例所属的资源组,默认为default resource group。更多信息,请参见什么是资源管理

    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。更多信息,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年、2年、3年和5年。

    说明

    该选项仅在付费类型为预付费时出现。

  11. 配置完成后,阅读并勾选《数据传输(按量付费)服务条款》

  12. 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。

附录

时间信息

数据类型

最小值

最大值

Date

1970-01-01 00:00:00

2149-06-06 00:00:00

Date32

1925-01-01 00:00:00

2283-11-11 00:00:00

DateTime

1970-01-01 08:00:00

2106-02-07 14:28:15

DateTime64

1925-01-01 08:00:00

2283-11-12 07:59:59

字段信息

说明

若您需要查找数据,可以使用select * from table_name final where _sign>0;语句。其中,where条件(_sign>0)可以将删除的数据过滤,表名后的final可以将相同排序键的数据过滤。

名称

数据类型

默认值

说明

_sign

Int8

1

DML操作的类型。

  • INSERT:记录为1。

  • UPDATE:记录为1。

  • DELETE:记录为-1。

_version

UInt64

1

数据写入ClickHouse的时间戳。

阿里云首页 云数据库 ClickHouse 相关技术圈