PolarDB MySQL版同步至自建Doris

重要

本文中含有需要您注意的重要提示信息,忽略该信息可能对您的业务造成影响,请务必仔细阅读。

数据传输服务DTS(Data Transmission Service)支持将PolarDB MySQL版集群的数据同步至Doris数据库,以满足您的海量数据分析需求。本文以目标库为ECS实例中部署的Doris数据库为例,为您介绍相关操作步骤。

前提条件

已创建存储空间大于源PolarDB MySQL版集群已占用存储空间的目标Doris数据库。创建方式,请参见安装部署

说明

源库和目标库支持的版本,请参见同步方案概览

注意事项

类型

说明

源库限制

  • 同步对象要求:

    • 待同步的表均具备主键或唯一约束:

      请确保表字段具有唯一性,否则可能会导致目标数据库中出现重复数据。

    • 待同步对象中包含既无主键也无唯一约束的表:

      重要

      此功能正在灰度内测中,仅部分用户可以使用。

      在配置实例时,建议同步类型勾选库表结构同步,且在库表列配置阶段将该表的引擎选择选择为duplicate,否则可能会导致实例失败或数据丢失。

      说明

      在库表结构同步阶段,DTS会在目标表中添加字段,详情请参见附加列信息

  • 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。

  • 如需进行增量同步,需开启Binlog日志,并且需要将loose_polar_log_bin参数设置为on。否则预检查阶段提示报错,且无法成功启动数据同步任务。开启Binlog日志和修改参数的方法,请参见开启Binlog修改参数值

    说明
    • PolarDB MySQL版开启Binlog日志会占用一定的存储空间,需要收取存储费用。

    • 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。

  • 在库表结构同步和全量同步阶段,请勿执行库或表结构变更的DDL操作,否则会导致数据同步任务失败。

  • 在同步实例运行期间,不记录Binlog的变更操作所产生的数据(例如通过物理备份功能恢复、级联操作等产生的数据),不会被同步到目标库。

    说明

    若有该情况,您可以在业务允许的前提下,通过修改同步对象功能,移除该数据所属的库表,然后将该数据所属的库表重新添加到待同步对象。更多信息,请参见修改同步对象

其他限制

  • 不支持同步源PolarDB MySQL版只读节点。

  • 不支持同步源PolarDB MySQL版的OSS外表。

  • 目前只支持将数据同步到Doris数据库的Unique或Duplicate引擎表。

  • 已选择对象框中进行参数设置时,当前仅支持设置bucket_count参数(分桶数量)。

    说明

    bucket_count的参数值仅支持设置为正整数,默认值为auto。更多信息,请参见AutoBucket

  • 在数据同步期间,请勿在目标Doris数据库中新建集群,否则会导致任务失败。

  • 由于Doris数据库仅支持以字母开头的库名和表名,如果待同步的库名或表名不是以字母开头,则需要使用映射功能进行修改。

  • 若待同步对象(库、表、列)的名称包含中文,则需要使用映射功能进行修改(例如将其修改为英文),否则可能会导致任务失败。

  • 在数据同步过程中,请勿在Doris数据库中增加BE(Backend)节点,否则会导致任务失败。

  • PolarDB MySQL版中,VARCHAR(M)类型的M表示字符长度;在Doris中,VARCHAR(N)类型的N表示字节长度。若您不使用DTS提供的库表结构同步功能,建议您将Doris中VARCHAR类型字段的长度设置为MySQL中VARCHAR字段长度的四倍。

  • 全量数据初始化,DTS将会占用源和目标库一定的读写资源,可能会导致数据库的负载上升。因此建议在执行数据同步前评估源库和目标库的性能,并在业务低峰期执行数据同步(例如源库和目标库的CPU负载在30%以下)。

  • 由于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数据库的表存储空间会大于源实例的表存储空间。

  • 在数据同步期间,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。

  • 在数据同步期间,若有除DTS外的数据写入目标库,则可能会导致源库与目标库的数据不一致。

  • 若实例运行失败,DTS技术支持人员将在8小时内尝试恢复该实例。在恢复失败实例的过程中,可能会对该实例进行重启、调整参数等操作。

    说明

    在调整参数时,仅会修改实例的参数,不会对数据库中的参数进行修改。可能修改的参数,包括但不限于修改实例参数中的参数。

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

支持增量同步的SQL

操作类型

SQL操作语句

DML

INSERT、UPDATE、DELETE

DDL

  • ADD COLUMN

  • DROP COLUMN、DROP TABLE

  • TRUNCATE TABLE

数据库账号的权限要求

数据库

所需权限

创建及授权方式

PolarDB MySQL版集群

待同步对象的读写权限

创建和管理数据库账号

目标Doris数据库

数据库的访问权限(Usage_priv)和读写权限(Select_priv、Load_priv、Alter_priv、Create_priv、Drop_priv)

认证和鉴权

操作步骤

  1. 进入目标地域的同步任务列表页面(二选一)。

    通过DTS控制台进入

    1. 登录数据传输服务DTS控制台

    2. 在左侧导航栏,单击数据同步

    3. 在页面左上角,选择同步实例所属地域。

    通过DMS控制台进入

    说明

    实际操作可能会因DMS的模式和布局不同,而有所差异。更多信息,请参见极简模式控制台自定义DMS界面布局与样式

    1. 登录DMS数据管理服务

    2. 在顶部菜单栏中,选择集成与开发 > 数据传输(DTS) > 数据同步

    3. 同步任务右侧,选择同步实例所属地域。

  2. 单击创建任务,进入任务配置页面。

  3. 可选:在页面右上角,单击试用新版配置页

    说明
    • 若您已进入新版配置页(页面右上角的按钮为返回旧版配置页),则无需执行此操作。

    • 新版配置页和旧版配置页部分参数有差异,建议使用新版配置页。

  4. 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

    选择已有连接信息

    您可以按实际需求,选择是否使用已有数据库实例。

    • 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,您需要配置下方的数据库信息。

    说明
    • 您可以在数据连接管理页面或新版配置页面,将数据库录入DTS。更多信息,请参见数据连接管理

    • DMS控制台的配置项为选择DMS数据库实例,您可以单击新增DMS数据库实例或在控制台首页将数据库录入DMS。更多信息,请参见云数据库录入他云/自建数据库录入

    数据库类型

    选择PolarDB for MySQL

    接入方式

    选择云实例

    实例地区

    选择源PolarDB MySQL版集群所属地域。

    是否跨阿里云账号

    本示例使用当前阿里云账号下的数据库实例,需选择不跨账号

    PolarDB实例ID

    选择源PolarDB MySQL版集群的ID。

    数据库账号

    填入源PolarDB MySQL版集群的数据库账号。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。

    连接方式

    请根据实际情况选择。更多关于SSL加密功能的信息,请参见设置SSL加密

    目标库信息

    选择已有连接信息

    您可以按实际需求,选择是否使用已有数据库实例。

    • 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,您需要配置下方的数据库信息。

    说明
    • 您可以在数据连接管理页面或新版配置页面,将数据库录入DTS。更多信息,请参见数据连接管理

    • DMS控制台的配置项为选择DMS数据库实例,您可以单击新增DMS数据库实例或在控制台首页将数据库录入DMS。更多信息,请参见云数据库录入他云/自建数据库录入

    数据库类型

    选择Doris

    接入方式

    请根据目标库的部署位置进行选择,本示例选择ECS自建数据库

    说明

    当以其他接入方式将自建数据库接入DTS时,您还需要进行相应的准备工作,详情请参见准备工作概览

    实例地区

    选择目标Doris数据库所属的地域。

    ECS实例ID

    选择目标Doris数据库所属的ECS实例ID。

    端口

    填入目标Doris数据库的服务端口,默认为9030

    数据库账号

    填入目标Doris数据库的数据库账号。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。

  5. 配置完成后,在页面下方单击测试连接以进行下一步,并在弹出的DTS服务器访问授权对话框单击测试连接

    说明

    请确保DTS服务的IP地址段能够被自动或手动添加至源库和目标库的安全设置中,以允许DTS服务器的访问。更多信息,请参见添加DTS服务器的IP地址段

  6. 配置任务对象。

    1. 对象配置页面,配置待同步的对象。

      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。

      重要

      PolarDB MySQL版集群的数据同步到Doris会进行类型转换,若您未勾选库表结构同步,则需要提前在目标Doris中创建好相应结构的Unique或Duplicate模型表。更多信息,请参见数据类型映射关系附加列信息主键模型

      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

      • 如需更改待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,请参见库表列名映射

      • 同步类型选中了库表结构同步、待同步对象选择的粒度为表,且需设置分桶数量(bucket_count参数),请右击已选择对象中同步的表,在参数设置区域将开启参数设置选择为,并根据实际情况设置参数值,然后单击确定

      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。

      • 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。设置方法请参见设置过滤条件

      • 如果使用了对象名映射功能,可能会导致依赖这个对象的其他对象同步失败。

    2. 单击下一步高级配置,进行高级参数配置。

      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。若您希望任务更加稳定,可以购买专属集群来运行DTS同步任务。更多信息,请参见什么是DTS专属集群

      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。

      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。

      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

      监控告警

      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。

    3. 可选:上述配置完成后,单击下一步配置库表字段,设置待同步的表在目标中的主键列分布键引擎选择信息。

      说明
      • 配置任务对象时同步类型勾选了库表结构同步时才会有本步骤,您可以将定义状态选择为全部后进行修改。

      • 主键列可以是选择多个列组成联合主键,且需要从主键列中选择1个或者多个列作为分布键

      • 既无主键也无唯一约束的表,引擎选择需选择为duplicate,否则可能会导致实例失败或数据丢失。

  7. 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。

  8. 购买实例。

    1. 预检查通过率显示为100%时,单击下一步购买

    2. 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。

    3. 配置完成后,阅读并勾选《数据传输(按量付费)服务条款》

    4. 单击购买并启动,并在弹出的确认对话框,单击确定

      您可在数据同步界面查看具体任务进度。

数据类型映射关系

类别

PolarDB MySQL版的数据类型

Doris的数据类型

Numeric

TINYINT

TINYINT

TINYINT UNSIGNED

SMALLINT

SMALLINT

SMALLINT

SMALLINT UNSIGNED

INT

MEDIUMINT

INT

MEDIUMINT UNSIGNED

BIGINT

INT

INT

INT UNSIGNED

BIGINT

BIGINT

BIGINT

BIGINT UNSIGNED

LARGEINT

BIT(M)

INT

Decimal

Decimal

说明

不支持zerofill。

Numeric

Decimal

Float

Float

Double

DOUBLE

  • BOOL

  • BOOLEAN

BOOLEAN

DATE AND TIME

DATE

DATEV2

DATETIME[(fsp)]

DATETIMEV2

Timestamp[(fsp)]

DATETIMEV2

Time[(fsp)]

VARCHAR

YEAR[(4)]

INT

STRING

  • CHAR

  • VARCHAR

VARCHAR

重要

为避免数据丢失,CHAR和VARCHAR(n)类型的数据同步到Doris后会转换为VARCHAR(4*n)。

  • 若未指定数据长度,则采用Doris的默认值VARCHAR(65533)。

  • 若数据长度超过65533,则同步到Doris后会转换为STRING。

  • BINARY

  • VARBINARY

STRING

  • TINYTEXT

  • TEXT

  • MEDIUMTEXT

  • LONGTEXT

STRING

  • TINYBLOB

  • BLOB

  • MEDIUMBOLB

  • LONGBLOB

STRING

ENUM

STRING

SET

STRING

JSON

STRING

附加列信息

说明

在目标Duplicate模型表中,DTS自动添加或需您手动添加的附加列如下表所示。

名称

数据类型

默认值

说明

_is_deleted

Int

0

数据是否被删除。

  • Insert:记录为0

  • Update:记录为0

  • Delete:记录为1

_version

Bigint

0

  • 全量同步的数据:记录为0

  • 增量同步的数据:源库Binlog中对应的时间戳(秒级)。

_record_id

Bigint

0

  • 全量同步数据:记录为0

  • 增量同步数据:增量日志的记录ID,为该日志的唯一标识。

    说明

    ID的值唯一且递增。