tencent cloud

PrevNext

文档反馈

请输入关键字

Recent Pages

文档
数据开发治理平台 WeData
    文档
    Download PDF

    MySQL 数据源

    最后更新时间：2024-11-01 16:54:35
    下载PDF
      数据集成提供了 MySQL 的读取和写入能力，本文为您介绍使用 MySQL 进行实时数据同步的前置环境配置以及当前能力支持情况。

      支持版本

      目前数据集成已支持 MySQL 单表及整库级实时读取，使用实时读取能力需遵循以下版本限制：
      类型
      版本
      Driver
      MySQL
      5.6，5.7，8.0.x
      JDBC Driver：8.0.21
      RDS MySQL
      5.6，5.7， 8.0.x
      PolarDB MySQL
      5.6，5.7，8.0.x
      Aurora MySQL
      5.6，5.7，8.0.x
      MariaDB
      10.x
      PolarDB X
      2.0.1

      使用限制

      需要开启 Binlog 日志，仅支持同步 MySQL 服务器 Binlog 配置格式为 ROW。
      无主键的表由于无法保证 exactly once 可能会有数据重复，因此实时同步任务最好保证有主键。
      不支持 XA ROLLBACK，实时同步的任务不会针对 XA PREPARE 的数据进行回滚的操作，若要处理 XA ROLLBACK 场景，需要手动将 XA ROLLBACK 的表从实时同步任务中移除，再添加表后重新进行同步。
      设置 MySQL 会话超时：
      当为大型数据库制作初始一致快照时，您建立的连接可能会在读取表时超时。您可以通过在 MySQL 配置文件中配置 interactive_timeout 和 wait_timeout 来防止这种行为。
      interactive_timeout：服务器在关闭交互式连接之前等待其活动的秒数。请参阅 MySQL :: MySQL 8.0 Reference Manual :: 7.1.8 Server System Variables。
      wait_timeout：服务器在关闭非交互式连接之前等待其活动的秒数。请参阅 MySQL :: MySQL 8.0 Reference Manual :: 7.1.8 Server System Variables。

      数据库环境准备

      确认 MySQL 版本

      数据集成对 MySQL 版本有要求，查看当前待同步的 MySQL 是否符合版本要求。您可以在 MySQL 数据库通过如下语句查看当前 MySQL 数据库版本。
      select version();

      设置 MySQL 服务器权限

      您必须定义一个对 Debezium MySQL 连接器监控的所有数据库具有适当权限的 MySQL 用户。
      1. 创建 MySQL 用户（可选）:
      mysql> CREATE USER 'user'@'localhost' IDENTIFIED BY 'password';
      2. 向用户授予所需的权限:
      在实时数据同步的情况下，该账号必须拥有数据库的 SELECT、REPLICATION SLAVE 和 REPLICATION CLIENT 权限。执行命令可以参考下面：
      mysql> GRANT SELECT, SHOW DATABASES, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'user' IDENTIFIED BY 'password';
      注意：
      启用 scan.incremental.snapshot.enabled 时不再需要 RELOAD 权限（默认启用）。
      3. 刷新用户的权限：
      mysql>FLUSH PRIVILEGES;

      开启 MySQL Binlog

      1. 检查 binlog 是否开启
      show variables like "log_bin"
      返回结果为 ON 时，表示已经开启 Binlog， 如果为备库，使用如下语句：
      show variables like "log_slave_updates";
      如果返回为 ON 时，表示已经开启 Binlog，如果已经开启 Binlog，可跳过下面流程。
      2. 开启 Binlog
      如果确认没有开启 Binlog，则需要进行以下操作：
      对于腾讯云实例 MySQL，默认开启了 binlog。
      对于开源 MySQL，参考官方文档开启 binlog。
      3. 修改 Binlog 格式为 Row
      实时同步仅支持同步 MySQL 服务器 Binlog 配置格式为 ROW，使用如下语句查询 Binlog 的使用格式。
      show variables like "binlog_format";
      如果返回非 ROW 请修改 Binlog Format。
      对于开源 MySQL，参考官方文档：
      对于腾讯云实例 MySQL ：
      登录腾讯云 MySQL 控制台，找到要开启 Binlog 的实例，点击进入该实例的详细信息页面。
      在上面选项卡中选择数据库管理，找到参数设置选项卡。
      在参数设置选项卡中，找到 binlog_format 参数，将其设置为 “ROW”。
      
      
      
      4. binlog_row_image
      实时同步仅支持同步 MySQL 服务器 binlog_row_image 配置格式为 FULL or full。
      使用如下语句查询 binlog_row_image 的使用格式。
      show variables like "binlog_row_image";
      如果返回非 FULL/full 请修改 binlog_row_image：
      对于开源 MySQ, 参考官方文档：
      对于腾讯云实例 MySQL：
      登录腾讯云 MySQL控制台，找到要开启 Binlog 的实例，点击进入该实例的详细信息页面。
      在上面选项卡中选择数据库管理，找到参数设置选项卡。
      在参数设置选项卡中，找到binlog_row_image参数，将其设置为“FULL”。
      
      
      

      开启 GTIDs（可选）

      GTID（Global Transaction Identifier， 全局事务标识），用于在 binlog 中唯一标识一个事务，使用 GTID 可以避免事务重复执行导致数据混乱或者主从不一致。
      开启流程
      1. 检查是否开启了 GTID
      show global variables like '%GTID%';
      返回结果类似如下，证明已经开启 GTID。
      +--------------------------+-------+
      | Variable_name                     | Value |
      +--------------------------+-------+
      | enforce_gtid_consistency  | ON    |
      | gtid_mode                            | ON    |
      +--------------------------+-------+
      2. 开启 GTID
      对于开源 MySQL，参考官方文档 MySQL :: MySQL 8.0 Reference Manual :: 17.1.4.2 Enabling GTID Transactions Online。
      对于腾讯云实例 MySQL ，默认为开启，不支持关闭。

      实时整库来源配置

      数据来源设置

      
      
      
      参数
      说明
      数据源
      选择需要同步的 MySQL 数据源。
      来源表
      所有库表：监控数据源下所有库。任务运行期间新增库、表默认将同步至目标端。
      指定表：此选项下需指定到具体表名称，设置后任务仅同步指定表；若需要新增同步表需停止并重启任务。
      
      
      
      指定库：此选项下需指定具体库名、以表名正则表达式。设置后，任务运行期间符合表名表达式的新增表默认将同步至目标端。
      
      
      
      读取模式
      全量 + 增量：数据同步分为全量和增量同步阶段，全量阶段完成后任务进入增量阶段。全量阶段将同步库内历史数据，增量阶段从任务启动后 binlog cdc 的位点开始同步。
      仅增量：仅从任务启动后的 binlog cdc 位点开始同步数据。
      一致性语义
      仅代表读取端的一致性语义。支持 At-least-once 和 Exactly-once。
      At-least-once：数据可能存在重复读取，依赖目标端支持去重来保证数据的一致性。适用于全量阶段数据量大且使用非数值型主键、对同步性能要求高的场景。
      Exactly-once：数据严格只读取一次，性能上有一定损失，不支持无主键且无唯一索引列的表。适用于源表有数值型主键或唯一索引列的通用场景。
      当前版本两种模式状态不兼容，任务提交后如果修改模式，不支持带状态重启。
      过滤操作
      支持插入、更新和删除三种操作，设置后将不同步指定操作类型的数据。
      时区
      设置日志时间所属时区，默认上海。
      同步 gh-ost 临时表
      gh-ost 的业务场景是在 MySQL 中进行在线表结构变更，即 Online DDL，而不影响业务的正常运行。它可以解决传统的 alter table 或 create index 等命令导致的表锁、性能下降、同步延迟等问题。它适用于需要对表进行修改的场景，例如增加新列、添加索引、修改字段类型等。
      gh-ost 使用前提：
      gh-ost 必须能访问 MySQL。
      如果 MySQL 是腾讯云的 CDB，在 gh-ost 执行命令的参数里面需要添加 --aliyun-rds。
      gh-ost 工具执行过程中，生成的临时表规则为 ^_(.*)_(gho|ghc|del)$，其中 (.*) 是变更表的名称，不支持自定义临时表的名称。
      其他 gh-ost 限制，可以参考 gh-ost/requirements-and-limitations.md at master · github/gh-ost · GitHub。
      
      如需同步 gh-ost 临时表，需打开此开关。开启后，将监控 ‘_表名 _gho’、‘_表名_ghc’、‘_表名_del’，并同步‘_表名_gho’表的变更。
      高级设置（可选）
      可根据业务需求配置参数。
      MySQL 整库同步过程中，任务使用主键或唯一索引（无主键时）进行切分，当前支持的主键类型包括：
      主键支持范围类型
      TINYINT、TINYINT_UNSIGNED、SMALLINT、SMALLINT_UNSIGNED、INT、MEDIUMINT、INT_UNSIGNED、MEDIUMINT_UNSIGNED、BIGINT、BIGINT_UNSIGNED、FLOAT、DOUBLE、DECIMAL、TIME、DATE、DATETIME、TIMESTAMP、CHAR、VARCHAR、TEXT、BINARY、VARBINARY、BLOB.

      实时单表读取节点配置

      
      
      
      参数
      描述
      数据来源
      选择 MySQL 数据源。
      库
      支持选择或者手动输入需读取的库名称。
      默认将数据源绑定的数据库作为默认库，其他数据库需手动输入库名称。
      当数据源网络不联通导致无法直接拉取库信息时，可手动输入数据库名称。在数据集成网络连通的情况下，仍可进行数据同步。
      表
      支持选择或者手动输入需读取的表名称。
      分表情况下，可在 MySQL 源端支持选择或输入多个表名称，多个表需保证结构一致。
      分表情况下，支持配置表序号区间。例如 'table_[0-99]' 表示读取 'table_0'、'table_1'、'table_2' 直到 'table_99' ； 如果您的表数字后缀的长度一致，例如 'table_000'、'table_001'、'table_002' 直到 'table_999'，您可以配置为 '"table": ["table_00[0-9]", "table_0[10-99]", "table_[100-999]"]' 。
      当数据源网络不联通导致无法直接拉取表信息时，可手动输入表名称。在数据集成网络连通的情况下，仍可进行数据同步。
      添加分库分表
      适用于分库场景，单击后可配置多个数据源、库及表信息。分库分表场景下需保证所有表结构一致，任务配置将默认展示并使用第一个表结构进行数据获取。
      分片列
      分片列用于将表分为多个分片进行同步。有主键的表建议优先选择表主键作为分片列；无主键的表建议选择有索引的列作为分片列，且保证分片列不存在数据的更新操作，否则只能保证 At-Least-Once 语义。
      读取模式
      全量 + 增量：数据同步分为全量和增量同步阶段，全量阶段完成后任务进入增量阶段。全量阶段将同步库内历史数据，增量阶段从任务启动后 binlog cdc 的位点开始同步。
      仅增量：仅从任务启动后的 binlog cdc 位点开始同步数据。
      一致性语义
      仅代表读取端的一致性语义。支持 At-least-once 和 Exactly-once。
      At-least-once：数据可能存在重复读取，依赖目标端支持去重来保证数据的一致性。适用于全量阶段数据量大且使用非数值型主键、对同步性能要求高的场景。
      Exactly-once：数据严格只读取一次，性能上有一定损失，不支持无主键且无唯一索引列的表。适用于源表有数值型主键或唯一索引列的通用场景。
      当前版本两种模式状态不兼容，任务提交后如果修改模式，不支持带状态重启。
      过滤操作
      设置后将不同步指定操作类型的数据，支持过滤插入、更新和删除操作。
      时区
      设置日志时间所属时区，默认上海。
      特殊类型转换
      将 tinyint(1) 映射到 Bool 或者 tinyint，默认映射到 Bool。
      参数（选填）
      可根据业务需求配置参数。

      实时单表写入节点配置

      
      
      
      参数
      描述
      数据去向
      选择 MySQL 数据源。
      库
      支持选择或者手动输入需读取的库名称。
      默认将数据源绑定的数据库作为默认库，其他数据库需手动输入库名称。
      当数据源网络不联通导致无法直接拉取库信息时，可手动输入数据库名称。在数据集成网络连通的情况下，仍可进行数据同步。
      表
      支持选择或者手动输入需读取的表名称。
      当数据源网络不联通导致无法直接拉取表信息时，可手动输入表名称。在数据集成网络连通的情况下，仍可进行数据同步。
      参数（选填）
      可根据业务需求配置参数。

      日志采集写入节点

      1. 进入数据集成 > 实时同步 > 日志采集页面，目标端选择 MySQL 类型。
      
      
      
      参数
      说明
      数据去向
      选择当前项目中可用的 MySQL 数据源。
      库
      选择该数据源中对应的库。
      表
      选择该数据源中对应的表。
      高级设置（可选）
      可根据业务需求配置参数。

      读取/写入数据类型转换支持

      读取

      MySQL 读取支持的数据类型及转换对应关系如下（在处理 MySQL 时，会先将 MySQL 数据源的数据类型和数据处理引擎的数据类型做映射）
      字段类型
      是否支持
      内部映射字段
      备注
      TINYINT
      是
      TINYINT
      TINYINT(1) 映射到 BOOLEAN
      需要增加选项支持 TINYINT(1) 可以映射到 bool 或者 tinyint
      SMALLINT
      是
      SMALLINT
      -
      TINYINT_UNSIGNED
      是
      SMALLINT
      -
      TINYINT_UNSIGNED_ZEROFILL
      是
      SMALLINT
      -
      INT
      是
      INT
      -
      INTEGER
      是
      INT
      -
      YEAR
      是
      INT
      -
      MEDIUMINT
      是
      INT
      -
      SMALLINT_UNSIGNED
      是
      INT
      -
      SMALLINT_UNSIGNED_ZEROFILL
      是
      INT
      -
      BIGINT
      是
      LONG
      -
      INT_UNSIGNED
      是
      LONG
      -
      MEDIUMINT_UNSIGNED
      是
      LONG
      -
      MEDIUMINT_UNSIGNED_ZEROFILL
      是
      LONG
      -
      INT_UNSIGNED_ZEROFILL
      是
      LONG
      -
      BIGINT_UNSIGNED
      是
      DECIMAL
      DECIMAL(20,0)
      BIGINT_UNSIGNED_ZEROFILL
      是
      DECIMAL
      DECIMAL(20,0)
      SERIAL
      是
      DECIMAL
      DECIMAL(20,0)
      FLOAT
      是
      FLOAT
      -
      FLOAT_UNSIGNED
      是
      FLOAT
      -
      FLOAT_UNSIGNED_ZEROFILL
      是
      FLOAT
      -
      DOUBLE
      是
      DOUBLE
      -
      DOUBLE_UNSIGNED
      是
      DOUBLE
      -
      DOUBLE_UNSIGNED_ZEROFILL
      是
      DOUBLE
      -
      DOUBLE_PRECISION
      是
      DOUBLE
      -
      DOUBLE_PRECISION_UNSIGNED
      是
      DOUBLE
      -
      ZEROFILL
      是
      DOUBLE
      -
      REAL
      是
      DOUBLE
      -
      REAL_UNSIGNED
      是
      DOUBLE
      -
      REAL_UNSIGNED_ZEROFILL
      是
      DOUBLE
      -
      NUMERIC
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      NUMERIC_UNSIGNED
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      NUMERIC_UNSIGNED_ZEROFILL
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      DECIMAL
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      DECIMAL_UNSIGNED
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      DECIMAL_UNSIGNED_ZEROFILL
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      FIXED
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      FIXED_UNSIGNED
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      FIXED_UNSIGNED_ZEROFILL
      是
      DECIMAL
      采用用户数据库实际的精度 p<=38 映射到 DECIMAL 38 < p <= 65 时映射到 String
      BOOLEAN
      是
      BOOLEAN
      -
      DATE
      是
      DATE
      -
      TIME
      是
      TIME
      -
      DATETIME
      是
      TIMESTAMP
      -
      TIMESTAMP
      是
      TIMESTAMP
      -
      CHAR
      是
      STRING
      -
      JSON
      是
      STRING
      -
      BIT
      是
      STRING
      BIT(1) 映射到 BOOLEAN
      VARCHAR
      是
      STRING
      -
      TEXT
      是
      STRING
      -
      BLOB
      是
      STRING
      -
      TINYBLOB
      是
      STRING
      -
      TINYTEXT
      是
      STRING
      -
      MEDIUMBLOB
      是
      STRING
      -
      MEDIUMTEXT
      是
      STRING
      -
      LONGBLOB
      是
      STRING
      -
      LONGTEXT
      是
      STRING
      -
      VARBINARY
      是
      STRING
      -
      GEOMETRY
      是
      STRING
      -
      POINT
      是
      STRING
      -
      LINESTRING
      是
      STRING
      -
      POLYGON
      是
      STRING
      -
      MULTIPOINT
      是
      STRING
      -
      MULTILINESTRING
      是
      STRING
      -
      MULTIPOLYGON
      是
      STRING
      -
      GEOMETRYCOLLECTION
      是
      STRING
      -
      ENUM
      是
      STRING
      -
      BINARY
      是
      BINARY
      BINARY(1)
      SET
      否
      
      -

      写入

      MySQL 写入支持的数据类型及转换对应关系如下：
      内部类型
      MySQL 类型
      TINYINT
      TINYINT
      SMALLINT
      SMALLINT，TINYINT UNSIGNED
      INT
      INT，MEDIUMINT，SMALLINT UNSIGNED
      BIGINT
      BIGINT，INT UNSIGNED
      DECIMAL(20, 0)
      BIGINT UNSIGNED
      FLOAT
      FLOAT
      DOUBLE
      DOUBLE，DOUBLE PRECISION
      DECIMAL(p, s)
      NUMERIC(p, s)，DECIMAL(p, s)
      BOOLEAN
      BOOLEAN，TINYINT(1)
      DATE
      DATE
      TIME [(p)][WITHOUT TIMEZONE]
      TIME [(p)]
      TIMESTAMP [(p)][WITHOUT TIMEZONE]
      DATETIME [(p)]
      STRING
      CHAR(n)，VARCHAR(n)，TEXT
      BYTES
      BINARY，VARBINARY，BLOB
      ARRAY
      -

      常见问题

      MySql serverid 冲突

      错误信息：
      com.github.shyiko.mysql.binlog.network.ServerException: A slave with the same server_uuid/server_id as this slave has connected to the master。
      解决办法：目前已经优化增加随机生成 serverid，之前的任务中如果在 mysql 高级参数中显示指定了 server-id 建议删除，因为可能多个任务使用了相同的数据源，并且 server-id 设置的相同导致冲突。

      报 binlog 文件找不到错误信息：

      错误信息：
      Caused by: org.apache.kafka.connect.errors.ConnectException: The connector is trying to read binlog starting at GTIDs xxx and binlog file 'binlog.xxx', pos=xxx, skipping 4 events plus 1 rows, but this is no longer available on the server. Reconfigure the connector to use a snapshot when needed。
      错误原因：
      作业正在读取的 binlog 文件在 MySQL 服务器已经被清理时，会产生报错。导致 Binlog 清理的原因较多，可能是 Binlog 保留时间设置的过短；或者作业处理的速度追不上 Binlog 产生的速度，超过了 MySQL Binlog 文件的最大保留时间，MySQL 服务器上的 Binlog 文件被清理，导致正在读的 Binlog 位点变得无效。
      解决办法：如果作业处理速度无法追上 Binlog 产生速度，可以考虑增加 Binlog 的保留时间也可以优化作业减轻反压来加速 source 消费。如果作业状态没有异常，可能是数据库发生了其他操作导致 Binlog 被清理，从而无法访问，需要结合 MySQL 数据库侧的信息来确定 Binlog 被清理的原因。

      MySQL 报连接被重置

      错误信息：
      EventDataDeserializationException: Failed to deserialize data of EventHeaderV4 .... Caused by: java.net.SocketException: Connection reset。
      错误原因：
      1. 网络问题。
      2. 作业存在反压，导致 source 无法读取数据，binlog client 空闲，如果 binlog 连接在超时后仍然空闲 mysql 服务器会断开空闲的连接。
      解决方法：
      1. 如果是网络问题，可以调大 mysql 网络参数 set global slave_net_timeout = 120; (默认30s) set global thread_pool_idle_timeout = 120。
      2. 如果是作业反压导致，可以通过调节作业减轻反压，例如增加并行度，提升写入速度，提升 taskmanager 内存减少 gc。

      Mysql2dlc 任务 JobManager Oom

      错误信息：
      
      
      
      错误原因和解决方法：
      1. 用户数据量比较大，可以调大 jobmanager CU 数，使用 mysql 高级参数 scan.incremental.snapshot.chunk.size 调大 chunk size 大小，默认是8096。
      2. 用户数据量不大，但是主键最大值-最小值的差值却很大，导致使用均分 chunk 的策略时划分很多 chunk，修改分布因子，让用户数据走非均匀的数据切分逻辑，split-key.even-distribution.factor.upper-bound=5.0d，默认值分布因子已经修改为10.0d。

      用户的 binlog 数据格式不对，导致 debezium 解析异常

      错误信息：
      ERROR io.debezium.connector.mysql.MySqlStreamingChangeEventSource [] - Error during binlog processing. Last offset stored = null, binlog reader near position = mysql-bin.000044/211839464.
      2023-02-20 21:37:28.480 [blc-172.17.48.3:3306] ERROR io.debezium.pipeline.ErrorHandler [] - Producer failure 
      io.debezium.DebeziumException: Error processing binlog event.
      解决方法：
      修改 binlog_row_image=full 后需要重启数据库。

      是否支持 gh-ost？

      支持，不会迁移 Online DDL 变更产生的临时表数据，只迁移源库使用 gh-ost 执行的原始 DDL 数据，同时您可以使用默认的或者自行配置 gh-ost 影子表和无用表的正则表达式。
      联系我们

      联系我们，为您的业务提供专属服务。

      联系我们
      技术支持

      如果你想寻求进一步的帮助，通过工单与我们进行联络。我们提供7x24的工单服务。

      提交工单
      7x24 电话支持
      Copyright © 2013-2025 Tencent Cloud. All Rights Reserved.
      隐私条款服务条款缓存条款