MySQL/PostgreSQL/Oracle到StarRocks数据迁移同步-CloudCanal实战

简述

CloudCanal 2.1.0.x 版本开始支持 StarRocks 作为对端的数据迁移同步能力

本文通过 MySQL->StarRocks 的数据迁移同步案例简要介绍这个源端的能力。链路特点：

• 结构迁移、全量迁移、增量同步(数据)、数据校验俱全
• 流程全自动化

使用须知

• 支持的StarRocks版本为: 1.18.x、1.19.x、2.0.x
• 支持的源端数据源类型为: Oracle/PostgreSQL/Greenplum/MySQL，本文主要以 MySQL 源端为例说明使用方法。
• 校验任务只支持主键模型的 StarRocks 表，源端表需要有主键

技术点

基于 StreamLoad 的导入方式

StarRocks 提供了多种导入方式。CloudCanal 采用了 StreamLoad 的方式进行导入，源端的消息会转成字节流，通过 HTTP 协议发往 StarRocks。

相比直接通过 SQL 写入的方式，StreamLoad 方式会有更好的性能，写入的数据直接经 FE 转发给 BE 处理。如果直接采用 SQL 写入，在 FE 侧，会有额外的 SQL 解析开销。

tips: CloudCanal默认采用 \u0001、\u0003作为 StreamLoad 导入的列分隔符和行分隔符。

丰富的配置

CloudCanal 提供了 StreamLoad 可配置的丰富参数，包括：

• connectionTimeoutSec 参数
  • 表示导入请求的超时时间(单位：秒)
• loadExecMemLimitMb 参数
  • 表示导入内存限制
• timezone 参数
  • 默认东八区，指定导入所使用的时区
  • 该参数会影响所有导入涉及的和时区有关的函数结果。

可配置的写入停顿控制

过快的写入会导致 StarRocks 来不及 compaction，从而产生异常。CloudCanal 提供了两个任务参数，支持在一批数据写入后自动停顿一段时间，避免这种问题。参数为：

• fullBatchWaitTimeMs 参数
  • 全量批之间写入停顿间隔，单位毫秒，默认 10ms
• increBatchWaitTimeMs 参数
  • 增量批之间写入停顿间隔，单位毫秒，默认 100ms

CloudCanal 任务详情页，点击 参数修改，即可调整

主键模型

StarRocks 作为实时数仓，采用主键模型或者聚合模型较多。CloudCanal默认采用主键模型，能够实时同步源端的 INSERT/UPDATE/DELETE。

tips: 表结构对于实时数仓实际读写性能影响非常大，CloudCanal 默认提供的结构迁移能力并没有提供诸如分区、分桶等设置，用户如需使用，可按照需求提前创建好表结构，再通过 CloudCanal 进行数据迁移同步。

UPDATE/DELETE 操作的处理

基于 StreamLoad 的写入方式，实际写入对端的操作均为 INSERT。CloudCanal 同步时会自动将 UPDATE/DELETE 转成INSERT语句，并修改 __ops 值，StarRocks 会自动进行compaction。

转义支持

StarRocks 不支持 \n 等特殊符号写入，CloudCanal 任务通过参数设置(enableEscape参数) 开启自动转义。

操作示例

• CloudCanal 社区版部署,参见 社区版安装文档
• 准备好源端和目标端数据库以及对应的测试数据

添加数据源

• 登录 CloudCanal 平台

• 数据源管理->新增数据源

• 选择自建数据库中StarRocks
  

• Client地址： 为StarRocks提供给MySQL Client的服务端口，CloudCanal主要用其查询库表的元数据信息

• Http地址： Http地址主要用于接收stream load的http请求

任务创建

• 任务管理->任务创建

• 选择 源 和 目标 数据库

• 点击 下一步
  

• 选择 增量同步，并且启用 全量数据初始化

• 不勾选 DDL 同步(暂不支持)

• 点击下一步
  

• 选择订阅的表，结构迁移自动创建的表为主键模型的表，因此暂不支持无主键表

• 点击下一步
  

• 配置列映射

• 点击下一步
  

• 创建任务
  

• 查看任务状态。任务创建后，会自动完成结构迁移、全量、增量阶段。
  

任务性能调优(option)

对于高流量的场景，建议使用 4G 及以上的任务规格配置，并且对相关参数进行调优，调优建立在任务无 GC 问题、对端 StarRocks 没有 compaction 瓶颈的情况下。

• 任务详情->功能列表->参数设置
  
• 全量迁移参数调整
  
• 增量同步参数调整
  

总结

本文简单介绍了如何使用 CloudCanal 进行MySQL到StarRocks 的数据迁移同步。各位读者朋友，如果你觉得还不错，请点赞、评论加转发吧。

常见FAQ

默认任务参数配置下，如果导入数据过于频繁可能会任务异常，这时候可以调节上文提到的fullBatchWaitTimeMs和increBatchWaitTimeMs参数或者调整StarRocks的Server侧的合并策略。下图为StarRocks官方提供的常见问题FAQ

更多精彩

• 5分钟搞定 MySQL 到 ClickHouse 宽表构建和同步-CloudCanal实战
• 5分钟搞定 MySQL 到 ElasticSearch 宽表构建和同步-CloudCanal实战
• 5分钟搞定 MySQL 到 ClickHouse 实时数据同步进阶篇-CloudCanal实战
• 5分钟搞定 MySQL 到 ElasticSearch 迁移同步-CloudCanal 实战
• 5分钟搞定 MySQL 到 MySQL 异构在线数据迁移同步-CloudCanal 实战
• 5分钟搞定 MySQL 到 TiDB 的数据同步 - CloudCanal实战
• 5分钟搞定SQLServer到MySQL数据迁移同步-CloudCanal实战 - CloudCanal实战

加入粉丝群

如果您还没有加入我们粉丝群，可以添加我们小助手微信加入我们粉丝群，感谢您对CloudCanal的关注！