五分钟掌握CloudCanal的数据校验与数据订正

2024-03-22 02:59

本文主要是介绍五分钟掌握CloudCanal的数据校验与数据订正,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简述

CloudCanal除了提供最核心的数据迁移和同步能力以外,还提供数据校验和数据订正两种非常实用的能力。这两种功能为用户保障数据迁移同步链路的数据质量提供了非常大的便利性。例如对端数据库因为各种原因产生一些异常写入导致的数据不一致或者丢失,用户均可以使用CloudCanal提供的数据校验和数据订正能力来基于同步链路的源端数据来恢复数据,使得对端数据库中相比源端丢失或者不一致的数据得到恢复。

技术点

基于校验结果的针对性订正

执行完CloudCanal的校验任务后,在运行任务的机器上会生成一个文件compre_rs.log用于记录校验的结果信息。日志路径为~/logs/cloudcanal/tasks/${taskName}/compare_rs.log,其格式如下:

{库表名称,结果类型,主键信息}

{"tableUnit":"test15.test_huasheng1","type":"DIFF","pkColMap":{"id":"9"}}
{"tableUnit":"test15.test_huasheng1","type":"LOSS","pkColMap":{"id":"12"}}

结果类型分为两种:

  • DIFF:对端相比源端不一致的行,例如上面例子中,源端主键id=9的行和对端存在不一致。
  • LOSS:在源端表中存在,但是在对端表中不存在的行。上面例子中源端主键id=12的行,在对端不存在

主键信息记录的是源端的,支持联合主键。

为了性能考虑,这里DIFF时不展示具体哪一列的数据不一致。如果需要查看这个信息,这个数据信息记录在~/logs/cloudcanal/tasks/${taskName}/diff.log中

利用数据库的upsert能力进行订正

针对支持upsert语义写入的数据源作为对端时,CloudCanal的订正可以正常工作。CloudCanal根据校验结果去源端反查数据后写入对端,如果对端不存在该主键的行,则直接INSERT写入,如果存在则自动转换为UPDATE进行更新。

使用in multi column处理联合主键的情况

针对实现SQL标准中in multi column语法的数据库作为源端时,CloudCanal支持对其进行数据订正。CloudCanal根据主键扫描源端表时,如遇联合主键的场景,会根据in multi column的语法来扫描源端的数据。不支持in multi column SQL语法的数据源CloudCanal不支持订正其数据。in multi column语法的使用例子可以参考如下:

-- works in PostgreSQL, Oracle, MySQL, DB2, HSQLDB
SELECT whatever
FROM t                               --- you missed the FROM
WHERE (col1, col2)                    --- parentheses hereIN ((val1a, val2a), (val1b, val2b), ...) ;

使用须知

  • 以下源端、对端之间支持创建订正任务:
    • 源端:Oracle、PostgreSQL、MySQL、OceanBase、PolarDBMySQL
    • 对端: MySQL、PolarDBMySQL、Oracle、PostgreSQL、OceanBase
  • 支持该特性的CloudCanal版本:v2.2.6.8(商业版)
  • 订正是以源端数据为准:校验结果中会记录对端相比源端缺失、不一致的行的源端主键信息。订正则会基于该源端主键进行订正。假设对端多出了一些源端不存在的主键,在订正的时候CloudCanal是不会去删除这些行的请知悉。
  • 基于校验结果的订正依赖校验任务的校验结果文件,因此当关联的校验任务在不同机器上执行过的话,则无法基于该校验任务创建订正任务。在校验任务详情,点击功能列表->重启历史记录 可以查看校验任务是否在多台机器上运行过。
    image.png

操作说明

前置条件

  • 登入 CloudCanal SaaS版或者申请CloudCanal商业版试用,使用参见快速上手文档
  • 准备两个支持数据订正的数据库,一个作为源端,一个作为对端。本次例子采用的源对端数据源类型为阿里云的PolarDBMySQL

校验订正的基本流程

使用CloudCanal的校验订正能力恢复异常数据的典型流程如下图所示。

image.png

数据校验

  • 在任务管理页点击创建任务,进入创建任务的第一步,配置源对端的数据库并且选择需要订阅的库。

image.png

  • 选择任务类型为校验,开启一次性校验,设置自动启动。

image.png

  • 选择需要进行校验的表。

image.png

  • 选择需要进行校验的列,支持映射和裁剪。裁剪的列将不参与校验。

image.png

  • 确认任务整体配置情况,无误后点击创建

image.png

  • 校验完成后可以查看具体每张表相比源端缺失或者不一致的数据。

image.png

数据订正

  • 校验任务的详情页,点击功能列表中的创建订正任务可以直接基于该次校验的结果,创建对应表的订正任务。

image.png

  • 订正任务的源对端信息和订阅的库信息与之前的校验任务保持一致,此处源对端测试连接成功后可直接点击下一步。

image.png

  • 规格与校验任务保持一致,可以直接下一步

image.png

  • 订阅信息仅供确认,无法修改,与校验任务保持一致,直接点击下一步

image.png

  • 确认列的映射、裁剪信息,无法修改,与校验任务保持一致,直接点击下一步

image.png

  • 确认订正任务的配置无误后点击创建任务

image.png

  • 校验完成后可以看到具体订正的统计信息

image.png

总结

本文介绍了如何利用CloudCanal的校验订正能力来快速恢复数据,如果对您有帮助的话,欢迎点赞转发。

这篇关于五分钟掌握CloudCanal的数据校验与数据订正的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/834399

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者