一個數據開發人員使用的輔助工具
介紹
需求背景：
有很多業務系統，他們的數據庫是相互獨立的，俗稱數據孤島，為了做數據統計分析，就需要把這些數據歸集在一個數據庫中，比如數據倉庫，然后多表關聯查詢，方便開發數據應用。希望能有這樣的工具，指定兩個數據庫和表名，就可以將表從源數據庫拷貝到目標數據庫中。具體需求如下：
- 能自動同步表結構，如：源表加字段，目標表自動加字段。
- 支持增量或全量復制數據，比如按日期進行復制數據。
- 支持指定字段同步，只同步關心的那些字段。
- 支持主流的關系型數據庫: mysql、db2、postgresql、oracle、sqlserver
- 源表和目標表表名可以不同，字段名也可以不同(已存在目標表的情況下)
因為自己要用，我就自己寫了一個，順便熟悉下 java 開發(之前一直用 Python，不得不說，Java 真浪費時間)，本程序的最大用處就是構建集市或數倉所需要的基礎層數據源，歡迎感興趣的朋友一起加入。
程序的使用方法
Docker 方式：
這里用到三個容器:
- app 也就是主程序本身，app 容器使用的程序文件就是 release 目錄下的文件，已經做了綁定。
- mysql 測試用的，作為源數據庫，已提前放好了有 7000 條測試數據的表 somenzz_users。
- postgres 測試用的，作為目標數據庫，沒有數據。
先部署，執行 docker-compose up -d 就會自動完成應用和數據庫的部署：
- $ git clone https://github.com/somenzz/database-sync.git
- $ cd database-sync
- $ docker-compose up -d
- Creating database-sync_postgres_1 ... done
- Creating database-sync_app_1 ... done
- Creating database-sync_mysql_1 ... done
這樣三個容器就啟動了，使用 docker ps -a |grep database-sync 可以查看到三個正在運行的容器：
現在直接使用 docker exec -i database-sync_app_1 java -jar database-sync-1.3.jar 來執行程序：
mysql 容器已有測試數據，release/config/config.json 已經配置好了數據庫的連接，因此可以直接試用，以下演示的是從 mysql 復制表和數據到 postgres：
1. 全量復制，自動建表：
- docker exec -i database-sync_app_1 java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public users --sync-ddl
如果你不想每次都敲 docker exec -i database-sync_app_1 ，可以進入容器內部執行：
- (py38env) ➜ database-sync git:(master) ✗ docker exec -it database-sync_app_1 /bin/bash
- root@063b1dc76fe1:/app# ls
- config database-sync-1.3.jar lib logs
- root@063b1dc76fe1:/app# java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public users -sd
2. 增量復制：
- root@063b1dc76fe1:/app# java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public zz_users "create_at >= '2018-01-09'"
3. 指定字段：
- root@063b1dc76fe1:/app# java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public zz_users -ff="user_id,name,age" -tf="user_id,name,age" "create_at >= '2018-01-09'"
普通方式
程序運行前確保已安裝 java 1.8 或后續版本，已經安裝 maven，然后 clone 源碼，打包：
- git clone https://gitee.com/somenzz/database-sync.git
- cd database-sync
- mvn package
此時你會看到 target 目錄，將 target 下的 lib 目錄 和 database-sync-1.3.jar 復制出來，放在同一目錄下，然后再創建一個 config 目錄，在 config 下新建一個 config.json 文件寫入配置信息，然后將這個目錄壓縮，就可以傳到服務器運行了，請注意先充分測試，jdk 要求 1.8+
- [aaron@hdp002 /home/aaron/App/Java/database-sync]$ ls -ltr
- total 48
- drwxr-xr-x 2 aaron aaron 4096 Apr 23 2020 lib
- -rwxrw-r-- 1 aaron aaron 157 Jun 23 2020 run.sh
- drwxrwxr-x 2 aaron aaron 4096 Jul 3 2020 logs
- -rw-rw-r-- 1 aaron aaron 24773 Mar 16 2021 database-sync-1.3.jar
- drwxr-xr-x 7 aaron aaron 4096 Aug 3 2020 jdk1.8.0_231
- drwxrwxr-x 2 aaron aaron 4096 Feb 19 17:07 config
你也可以直接下載我打包好的使用。
程序名稱叫 database-sync，運行方式是這樣的：
- (py38env) ➜ target git:(master) ✗ java -jar database-sync-1.3.jar -h
- Usage:
- java -jar database-sync-1.0.jar [options] {fromDB} {fromSchema} {fromTable} {toDB} {toSchema} {toTable} [whereClause]
- options:
- -v or --version :print version then exit
- -h or --help :print help info then exit
- -sd or --sync-ddl :auto synchronize table structure
- -ff=col1,col2 or --from-fields=col1,col2 :specify from fields
- -tf=col3,col4 or --to-fields=col3,col4 :specify to fields
- --no-feature or -nf :will not use database's feature
幫助說明：
[] 中括號里的內容表示選填，例如 [options] 表示 options 下的參數不是必須的。
1、其中 options 參數解釋如下：
- --sync-ddl 或者 -sd : 加入該參數會自動同步表結構。
- --from_fields=col1,col2 或者 -ff=col1,col2 : 指定原表的字段序列，注意 = 前后不能有空格。
- --to_fields=col3,col4 或者 -tf=col3,col4 : 指定目標表的字段序列，注意 = 前后不能有空格。
2、whereClause 表示 where 條件，用于增量更新，程序再插入數據前先按照 where 條件進行清理數據，然后按照 where 條件從原表進行讀取數據。whereClause 最好使用雙引號包起來，表示一個完整的參數。如："jyrq='2020-12-31'"
{} 大括號里的內容表示必填。
fromDb 是指配置在 config.json 的數據庫信息的鍵，假如有以下配置文件：
- {
- "postgres":{
- "type":"postgres",
- "driver":"org.postgresql.Driver",
- "url":"jdbc:postgresql://localhost:5432/apidb",
- "user": "postgres",
- "password":"aaron",
- "encoding": "utf-8"
- },
- "aarondb":{
- "type":"mysql",
- "driver":"com.mysql.cj.jdbc.Driver",
- "url":"jdbc:mysql://localhost:3306/aarondb?useSSL=false&characterEncoding=utf8&serverTimezone=UTC",
- "user": "aaron",
- "password":"aaron"
- }
- }
fromDb、toDb 可以是 aarondb 或者 postgres。
- fromSchema 讀取數據的表的模式名，可以填寫 "".
- fromTable 讀取數據的表明，必須提供。
- toSchema 寫入數據表的模式名，可以填寫 ""，可以和 fromSchema 不同.
- toTable 寫入數據表的表名，必須提供，當寫入表不存在時，自動按讀取表的表結構創建，可以和 fromTable 不同。
全量、增量、指定字段的使用樣例請參考 Docker 方式。
配置文件說明
配置文件位于 config/config.json，如下所示：
- {
- "sjwb":{
- "type":"db2",
- "driver":"com.ibm.db2.jcc.DB2Driver",
- "url":"jdbc:db2://192.168.1.*:50000/wbsj",
- "user": "****",
- "password":"****",
- "tbspace_ddl": "/*這里可以放置指定表空間的語句*/",
- "encoding":"utf-8"
- },
- "dw_test":{
- "type":"db2",
- "driver":"com.ibm.db2.jcc.DB2Driver",
- "url":"jdbc:db2://192.168.169.*:60990/dwdb",
- "user": "****",
- "password":"****",
- "encoding":"gbk"
- },
- "postgres":{
- "type":"postgres",
- "driver":"org.postgresql.Driver",
- "url":"jdbc:postgresql://10.99.**.**:5432/apidb",
- "user": "****",
- "password":"****",
- "tbspace_ddl": "WITH (compression=no, orientation=orc, version=0.12)\ntablespace hdfs\n",
- "encoding":"utf-8"
- },
- "aarondb":{
- "type":"mysql",
- "driver":"com.mysql.cj.jdbc.Driver",
- "url":"jdbc:mysql://localhost:3306/aarondb?useSSL=false&characterEncoding=utf8&serverTimezone=UTC",
- "user": "****",
- "password":"****",
- "encoding":"utf-8"
- },
- "buffer-rows": 100000
- }
配置文件說明：
type 表示數據庫類型，均為小寫：
- mysql
- postgres
- db2
- oracle
- sqlserver
tbspace_ddl 表示自動建表時指定的表空間，該選項不是必需的，可以刪除。
buffer-rows 表示讀取多少行時一塊寫入目標數據庫，根據服務器內存大小自己做調整，100000 行提交一次滿足大多數情況了。
encoding 用于表結構同步時確定字段長度，比如說源庫的字段是 gbk varchar(10)，目標庫是 utf-8，那么就應該為 varchar(15)，這樣字段有中文就不會出現截斷或插入失敗問題，程序這里 2 倍，也就是 varchar(20) ，這樣字段長度不會出現小數位。
最后的話
提高數據庫間表的復制效率，如果不需要對源表字段進行轉換，就丟掉低效的 datastage 和 kettle 吧。
