tidb-in-action
DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，支持包括 MySQL、SQL Server、Oracle、PostgreSQL、HDFS、Hive、HBase、OTS、ODPS 等各种异构数据源之间高效的数据同步功能。DataX 采用了框架 + 插件 的模式。目前已开源，代码托管在 GitHub。
DataX 数据同步效率较高，满足大多数场景下的异构数据库间的数据同步需求。同时其配置灵活，支持字段级别的配置，可以轻松应对因异构数据库迁移到 TiDB 而产生的一些改动。
方案设计如图所示
第一阶段：切换支持 TiDB 的应用上线之前，把 SQL Server 数据库中的全量数据用 DataX 同步到 TiDB 库中。为避免对线上业务产生影响，可以选择备份库，或者在业务低峰期操作。
第二阶段：把全量同步改为增量同步，利用 UpdateTime 字段（或其它条件，根据实际业务灵活调整）作为同步 Where 条件，进行增量覆盖式同步。 t_sync_record 表中记录每张表上次增量任务的执行时间。
第三阶段：支持 TiDB 的应用上线以后，增量同步切换读写数据源改为逆向增量同步，将新数据近实时地写回 SQL Server 数据库。一旦上线之后出现需要回退的情况，可随时切回 SQL Server，待修复之后再次上线。
具体操作步骤：
第一步：部署 DataX
下载
wget http://datax-opensource.oss-cn-hangzhou.aliyuncs.com/datax.tar.gz
解压
tar -zxvf datax.tar.gz
自检
python {YOUR_DATAX_HOME}/bin/datax.py {YOUR_DATAX_HOME}/job/job.json
第二步：编写 DataX 数据同步 Job（Json格式）
（1）全量同步Job
vi full.json
{
"job": {
"setting": {
"speed": {
#数据分片，分片数据可同时进行同步
"channel": 128
}
},
"content": [{
#SQL Server配置
"reader": {
"name": "sqlserverreader",
"parameter": {
#数据库用户名
"username": "${srcUserName}",
#数据库密码
"password": "${srcPassword}",
#需要迁移的列名，* 表示全部列
"column": ["*"]
"connection": [{
#需要迁移的表名
"table": ["${tableName}"],
数据库 jdbc 连接
"jdbcUrl": ["${srcUrl}"]
}]
}
},
#TiDB配置
"writer": {
"name": "tidbwriter",
"parameter": {
#数据库用户名
"username": "${desUserName}",
#数据库密码
"password": "${desPassword}",
#使用 Replace 语法
"writeMode": "replace",
#目标表列名，* 表示全部列
"column": ["*"],
"connection": [{
#数据库 jdbc 连接
"jdbcUrl": "${desUrl}",
#目标表名
"table": ["${tableName}"]
}],
#本次迁移开始前执行的sql-作数据迁移日志使用
"preSql": [
"replace into t_sync_record(table_name,start_date,end_date) values('@table',now(),null)"],
#本次迁移完成后执行的 sql- 作数据迁移日志使用
"postSql": [
"update t_sync_record set end_date=now() where table_name='@table' " ]
}
}
}]
}
}
（2）增量同步 Job
vi increase.json
{
"job": {
"setting": {
"speed": {
#数据分片，分片数据可同时进行同步
"channel": 128
}
},
"content": [{
#SQL Server配置
"reader": {
"name": "sqlserverreader",
"parameter": {
#数据库用户名
"username": "${srcUserName}",
#数据库密码
"password": "${srcPassword}",
#需要迁移的列名，* 表示全部列
"column": ["*"],
"connection": [{
#需要迁移的表名
"table": ["${tableName}"],
数据库 jdbc 连接
"jdbcUrl": ["${srcUrl}"]
}],
#抓取一个时间窗口的增量数据
"where": "updateTime >= '${syncTime}'"
}
},
#TiDB配置
"writer": {
"name": "tidbwriter",
"parameter": {
#数据库用户名
"username": "${desUserName}",
#数据库密码
"password": "${desPassword}",
#使用 Replace 语法
"writeMode": "replace",
#目标表列名，* 表示全部列
"column": ["*"],
"connection": [{
#数据库 jdbc 连接
"jdbcUrl": "${desUrl}",
#目标表名
"table": ["${tableName}"]
}],
#本次迁移开始前执行的sql-作数据迁移日志使用
"preSql": [
"replace into t_sync_record(table_name,start_date,end_date) values('@table',now(),null)"],
#本次迁移完成后执行的 sql- 作数据迁移日志使用
"postSql": [
"update t_sync_record set end_date=now() where table_name='@table' " ]
}
}
}]
}
}
（3）编写运行DataX Job的Shell执行脚本
vi datax_excute_job.sh
#!/bin/bash
source /etc/profile
srcUrl="Reader Sql Server 地址"
srcUserName="Sql Server 账号"
srcPassword="Sql Server 密码"
desUrl="Writer TiDB 地址"
desUserName="TiDB 账号"
desPassword="TiDB 密码"
# 同步开始时间
defaultsyncUpdateTime="2020-03-03 18:00:00.000"
# 同步周期(秒)
sleepTime="N"
tableName="Table1,Table2,..."
# 循环次数标识，-1为一直循环，其他按输入次数循环
flg=-1
while [ "$flg" -gt 0 -o "$flg" -eq -1 ]
do
#更新时间设置为上次循序执行的时间
if [ "" = "$preRunTime" ]; then
syncTime=$defaultsyncUpdateTime
else
syncTime=$preRunTime
fi
#记录下本次循环执行时间，供下次循环使用
preRunTime=$(date -d +"%Y-%m-%d %T")".000";
echo $syncTime
echo $preRunTime
echo $flg
python {YOUR_DATAX_HOME}/bin/datax.py -p "-DsyncTime='${syncTime}' -DtableName='${tableName}' -DsrcUrl='${srcUrl}' -DsrcUserName='${srcUserName}' -DsrcPassword='${srcPassword}' -DdesUrl='${desUrl}' -DdesUserName='${desUserName}' -DdesPassword='${desPassword}'" {YOUR_DATAX_HOME}/job/increase.json
if [ -1 -lt "$flg" ]; then
let "flg-=1"
fi
sleep $sleepTime
done
（4）执行 Shell 脚本
chmod +x datax_excute_job.sh
nohup ./datax_excute_job.sh > info.file 2>&1 &
至此，核心脚本和操作都已完成，可通过修改参数配置，达到自己不同的需求，还可以配合数据对比服务，以期达到将应用程序从 SQL Server 顺利迁移到 TiDB 的目的。