DB2数据源作为数据中枢,为您提供读取和写入DB2数据库的双向通道,能够快速解决海量数据的计算问题。本文为您介绍DataWorks的DB2数据同步的能力支持情况。
支持的版本
DB2 Reader和DB2 Writer使用的DB2驱动版本为IBM Data Server Driver for JDBC and SQLJ 4.11.77。DB2驱动和数据库服务之间的版本映射请参见官网文档。
使用限制
DB2 Reader和DB2 Writer仅支持使用新增和使用独享数据集成资源组,不支持使用公共资源组和自定义资源组。
DB2 Writer通过数据同步框架获取Reader生成的协议数据,通过
insert into
(当主键/唯一性索引冲突时,冲突的行会写不进去)语句,写入数据至DB2。另外出于性能考虑采用了PreparedStatement + Batch
,并且设置了rewriteBatchedStatements=true
,将数据缓冲到线程上下文Buffer中,当Buffer累计到预定阈值时,才发起写入请求。说明整个任务至少需要具备
insert into
的权限,是否需要其它权限,取决于您配置任务时在preSql和postSql中指定的语句。离线同步支持读取视图表。
目前不支持DB2 AES加密算法。
支持的字段类型
离线读写
DB2 Reader和DB2 Writer支持大部分DB2类型,但也存在个别类型没有支持的情况,请注意检查您的数据类型。
DB2 Reader和DB2 Writer针对DB2类型的转换列表,如下所示。
类型分类 | DB2数据类型 |
整数类 | SMALLINT |
浮点类 | DECIMAL、REAL和DOUBLE |
字符串类 | CHAR、CHARACTER、VARCHAR、GRAPHIC、VARGRAPHIC、LONG VARCHAR、CLOB、LONG VARGRAPHIC和DBCLOB |
日期时间类 | DATE、TIME和TIMESTAMP |
布尔类 | 无 |
二进制类 | BLOB |
数据同步任务开发
DB2数据同步任务的配置入口和通用配置流程指导可参见下文的配置指导,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。
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,操作流程请参见创建与管理数据源。
单表离线同步任务配置指导
操作流程请参见通过向导模式配置离线同步任务、通过脚本模式配置离线同步任务。
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。
整库离线读同步配置指导
操作流程请参见数据集成侧同步任务配置。
常见问题
主备同步数据恢复问题
主备同步问题指DB2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,特别在网络延迟等情况下,会导致备库同步恢复的数据不是一份当前时间的完整镜像,与主库有较大差别。
一致性约束
DB2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,有其它数据源写入数据至该库。由于数据库本身的快照特性,DB2 Reader完全不会获取到写入的更新数据。
上述是在DB2 Reader单线程模型下数据同步一致性的特性,DB2 Reader可以根据您配置信息并发抽取数据,因此不能严格保证数据的一致性。
DB2 Reader根据splitPk切分数据后,会先后启动多个并发任务完成数据同步。多个并发任务不属于同一个读事务且存在时间间隔。对于原始数据而言,多并发读取的快照数据可能存在不完整、不一致的情况。
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
DB2 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DB2 Reader不需您指定编码,可以自动识别编码并转码。
增量数据同步的方式
DB2 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,DB2 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,DB2 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,DB2 Reader无法进行增量数据同步,只能同步全量数据。
SQL安全性
DB2 Reader提供querySql语句交给您自己实现SELECT抽取语句,DB2 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
附录: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,您需要在任务脚本中按照脚本的统一格式要求编写脚本中的reader参数和writer参数,脚本模式的统一要求请参见通过脚本模式配置离线同步任务,以下为您介绍脚本模式下的数据源的Reader参数和Writer参数的指导详情。
Reader脚本Demo
{
"type":"job",
"version":"2.0",//版本号
"steps":[
{
"stepType":"db2",//插件名
"parameter":{
"password":"",//密码
"jdbcUrl":"",//DB2数据库的JDBC连接信息
"column":[
"id"
],
"where":"",//筛选条件。
"splitPk":"",//数据分片
"table":"",//表名
"username":""//用户名
},
"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,此处1mbps = 1MB/s。
}
},
"order":{
"hops":[
{
"from":"Reader",
"to":"Writer"
}
]
}
}
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,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 |
jdbcUrl | 描述的是到DB2数据库的JDBC连接信息,jdbcUrl按照DB2官方规范,DB2格式为 | 是 | 无 |
username | 数据源的用户名。 | 是 | 无 |
password | 数据源指定用户名的密码。 | 是 | 无 |
table | 所选取的需要同步的表,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 |
splitPk | DB2 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。数据同步系统会启动并发任务进行数据同步,以提高数据同步的效能:
| 否 | "" |
where | 筛选条件,DB2 Reader根据指定的column、table、where条件拼接SQL,并根据该SQL抽取数据。 在实际业务场景中,通常会选择当天的数据进行同步,可以指定where条件为 | 否 | 无 |
querySql | 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。当您配置该项后,数据同步系统会忽略table、column等配置,直接使用该配置项的内容筛选数据。 例如,您需要在多表Join后同步数据,使用 | 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,该值决定了数据同步系统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 | 1024 |
Writer脚本Demo
{
"type":"job",
"version":"2.0",//版本号。
"steps":[
{
"stepType":"stream",
"parameter":{},
"name":"Reader",
"category":"reader"
},
{
"stepType":"db2",//插件名。
"parameter":{
"postSql":[],//执行数据同步任务之后率先执行的SQL语句。
"password":"",//密码。
"jdbcUrl":"jdbc:db2://ip:port/database",//DB2数据库的JDBC连接信息。
"column":[
"id"
],
"batchSize":1024,//一次性批量提交的记录数大小。
"table":"",//表名。
"username":"",//用户名。
"preSql":[]//执行数据同步任务之前执行的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 |
jdbcUrl | 描述的是到DB2数据库的JDBC连接信息,JDBC URL遵循DB2官方规范。DB2格式为jdbc:db2://ip:port/database,您还可以填写连接附件控制信息。 | 是 | 无 |
username | 数据源的用户名 。 | 是 | 无 |
password | 数据源指定用户名的密码 。 | 是 | 无 |
table | 所选取的需要同步的表 。 | 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:"column": ["id", "name", "age"]。如果要依次写入全部列,使用(*)表示。例如"column": ["*"] 。 | 是 | 无 |
preSql | 执行数据同步任务之前率先执行的SQL语句,目前仅允许执行一条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,例如加上某一个时间戳。 | 否 | 无 |
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Db2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 | 1024 |