从 MySQL 数据库流式传输数据

本部分包含有关以下内容的信息：

  • Datastream 如何处理从来源 MySQL 数据库中拉取的数据的行为
  • Datastream 支持的 MySQL 数据库版本
  • 将 MySQL 数据库用作来源的已知限制
  • 如何设置来源 MySQL 数据库以便将数据从该数据库流式传输到目标位置的概述

行为

本部分介绍了使用 Datastream 复制数据时 MySQL 源的行为。从 MySQL 数据库提取数据时，您可以使用基于 binlog 的复制或基于全局事务标识符 (GTID) 的复制。您可以在创建流时选择 CDC 方法。

基于二进制日志的复制

Datastream 可以使用二进制日志文件来记录 MySQL 数据库中的数据更改。然后，系统会将这些日志文件中包含的信息复制到目标位置，以重现源上所做的更改。

Datastream 中基于 binlog 的复制的主要特征包括：

  • 可以选择给定 MySQL 来源中的所有数据库或特定数据库，以及数据库或特定表中的所有表。
  • 复制所有历史数据。
  • 复制所有数据操纵语言 (DML) 变更，例如从指定数据库和表插入、更新和删除。
  • 仅复制已提交的更改。

基于全局事务标识符 (GTID) 的复制

Datastream 还支持基于全局标识符 (GTID) 的复制。

全局事务标识符 (GTID) 是一个唯一标识符，用于创建并关联到 MySQL 源上提交的每项事务。此标识符不仅对于其来源是唯一的，而且对于给定复制拓扑中的所有服务器也是唯一的，这与基于二进制日志的复制不同，在基于二进制日志的复制中，数据库集群中的每个节点都维护自己的二进制日志文件，并使用自己的编号。如果发生故障或计划内停机，维护单独的二进制日志文件和编号可能会成为问题，因为二进制日志连续性中断，基于二进制日志的复制会失败。

基于 GTID 的复制支持故障切换和自托管式数据库集群，并且无论数据库集群发生什么变化，都能继续正常运行。

Datastream 中基于 GTID 的复制的主要特征包括：

  • 可以选择给定 MySQL 来源中的所有数据库或特定数据库，以及数据库或特定表中的所有表。
  • 复制所有历史数据。
  • 复制所有数据操纵语言 (DML) 变更，例如从指定数据库和表插入、更新和删除。
  • 仅复制已提交的更改。
  • 无缝支持故障转移。

从基于二进制日志的复制切换到基于 GTID 的复制

如果您想更新数据流并从基于 binlog 的复制切换到基于 GTID 的复制，而无需执行回填，请执行以下步骤：

  1. 确保满足基于 GTID 的复制的所有要求。如需了解详情，请参阅配置源 MySQL 数据库。
  2. （可选）创建并运行基于 GTID 的测试数据流。如需了解详情，请参阅创建数据流。
  3. 创建基于 GTID 的数据流。先不要开始。
  4. 停止应用流量流向源数据库。
  5. 暂停现有的基于 binlog 的数据流。如需了解详情，请参阅暂停直播。
  6. 等待几分钟，确保 Datastream 已赶上数据库。您可以在直播的直播详情页面上，通过监控标签页中的指标来查看此信息。数据新鲜度和吞吐量的值需要为 0。
  7. 启动基于 GTID 的数据流。如需了解详情，请参阅开始直播。
  8. 恢复向源数据库发送的流量。

如果执行回填没有问题，您可以在 BigQuery 中截断表，删除旧数据流，然后启动新的回填数据流。如需详细了解如何管理回填，请参阅管理数据流对象的回填。

版本

Datastream 支持以下版本的 MySQL 数据库：

  • MySQL 5.6
  • MySQL 5.7
  • MySQL 8.0

  • MySQL 8.4（仅支持基于 GTID 的复制）

Datastream 支持以下类型的 MySQL 数据库：

最佳做法

本部分介绍了有关如何配置 MySQL 源以供 Datastream 使用的建议最佳实践。

使用 GTID 实现高可用性设置

如果您的生产 MySQL 源使用副本或任何其他高可用性配置，请使用基于 GTID 的复制。

在数据库故障切换期间，基于 binlog 文件和位置的复制可能会中断，因为当主数据库发生故障时，新的主数据库具有不同的 binlog 历史记录。在这种情况下，Datastream 会丢失其位置，并且无法恢复。

GTID 会为整个复制拓扑（主数据库和副本数据库）中的每项事务分配一个唯一 ID。故障切换后，Datastream 可以从新主数据库上记录的最后一个 GTID 恢复，而无需知道二进制日志文件或位置。

建议：对于任何具有副本或高可用性配置的生产 MySQL 源，必须使用 GTID CDC 方法才能实现弹性可靠的数据复制。

合理调整只读副本的大小

如果您将 Datastream 配置为从只读副本进行复制，则可能会遇到双重延迟，即 MySQL 复制延迟（从主数据库到副本）和 Datastream 复制延迟（从副本到目标）的组合。为了节省费用，只读副本的资源（CPU、RAM、IOPS）通常比主数据库少，这可能会导致只读副本在写入量较高的时段落后于主数据库。

建议：将读取副本用作 Datastream 的来源时，请为其预配与主数据库相当的资源，以便副本能够跟上主数据库的写入吞吐量。

提高 binlog CDC 方法的吞吐量

如果您使用的是基于 binlog 的复制，并且由于源写入量大，导致生成的 binlog 文件速度快于单个任务的处理速度，从而导致延迟时间过长，请通过调整 maxConcurrentCdcTasks 参数来提高吞吐量。此参数用于控制一个流并行运行的 CDC 任务数。增加此参数的值可让 Datastream 同时处理更多 binlog 文件。

建议：如需确定合适的数据新鲜度值，请在高峰时段监控 MySQL 服务器的 binlog 生成速率。为此，您可以观察 MySQL 数据目录中创建和轮换新二进制日志文件的速率，也可以使用 MySQL 监控工具跟踪二进制日志的增长情况。例如，如果您的来源在高峰时段每分钟生成 10 个 binlog 文件，那么将 maxConcurrentCdcTasks 设置为 10-15 之类的值可让 Datastream 并行处理这些文件，从而防止积压。

您可以将 maxConcurrentCdcTasks 增加到支持的最大值 50，前提是源数据库的负载保持在可控范围内。如需了解详情，请参阅流并发控制。

正确调整 max_allowed_packet 参数的大小

MySQL 中的默认 max_allowed_packet 设置（例如 16MB-64MB）可能过小。如果包含大型 BLOB、JSON 或 TEXT 类型字段的单行或单个大型事务超出此大小，MySQL 会终止 Datastream 连接，导致数据流因 Packet for query is too large 或 Got a packet bigger than 'max_allowed_packet' bytes 等错误而失败。

建议：将 MySQL 服务器上的 max_allowed_packet 参数设置为其最大允许值 1G。这样可确保服务器能够处理 Datastream 需要从 binlog 中读取的任何大型行或事务。

已知限制

将 MySQL 数据库用作来源的已知限制包括：

  • 数据流限 10,000 个表。
  • 主键定义为 INVISIBLE 的表无法回填。
  • 如果表中的行数超过 5 亿，则无法回填，除非满足以下条件：
    1. 该表具有唯一索引。
    2. 索引的任何列都不可为 null。
    3. 索引不是降序。
    4. 索引的所有列都包含在流中。
  • Datastream 在处理事件时定期从来源提取最新的架构。如果架构发生变化，Datastream 会检测到架构变化并触发架构提取。不过，在架构提取之间，某些事件可能会被错误处理或被舍弃，从而导致数据差异。
  • 并非所有对源架构的更改都可以自动检测到，在这种情况下可能会发生数据损坏。以下架构更改可能会导致数据损坏或无法处理下游事件：
    • 删除列
    • 在表中间添加列
    • 更改列的数据类型
    • 对列重新排序
    • 删除表（如果同一表被重新创建并添加了新的数据，则与此相关）
    • 截断表
  • Datastream 不支持复制视图。
  • Datastream 不支持空间数据类型的列。这些列中的值将替换为 NULL 值。
  • Datastream 不支持数据类型为 DATETIME、DATE 或 TIMESTAMP 的列中的零值 (0000-00-00 00:00:00)。零值将替换为 NULL 值。
  • Datastream 不支持复制 JSON 列中包含以下值的行：DECIMAL、NEWDECIMAL、TIME、TIME2、DATETIME、DATETIME2、DATE、TIMESTAMP 或 TIMESTAMP2。包含此类值的事件会被舍弃。
  • Datastream 不支持二进制日志事务压缩。
  • Datastream 不支持来源 MySQL 连接配置文件中的 SSL 证书链。仅支持单个 x509 PEM 编码证书。
  • Datastream 不支持级联删除。此类事件不会写入二进制日志，因此不会传播到目标位置。
  • Datastream 不支持 DROP PARTITION 操作。此类操作仅为元数据操作，不会进行复制。其他活动不受影响，并且直播成功运行。
  • 复制 FEDERATED 表时，您可能会遇到连接问题。如果发生这种情况，请从源数据库配置中移除所有 FEDERATED 表，并增加 connect_timeout、net_read_timeout 和 max_allowed_packet 参数的值，以缓解回填期间的超时问题。
  • Cloud SQL 企业 Plus 版实例必须使用基于 GTID 的复制，因为它们需要进行近乎零停机时间的维护。基于二进制日志的复制会在故障切换时中断，因此我们建议在高可用性用例中使用基于 GTID 的复制。
  • 对于 MySQL 8.0 及更高版本，binlog_row_value_options 变量必须设置为空值。对于大多数版本，此值为默认值，但对于某些版本（例如 Oracle Cloud Infrastructure (OCI) 上的 MySQL 来源），您必须明确设置此值。如需了解详情，请参阅配置自行管理的 MySQL 数据库。

基于 GTID 的复制的其他限制

  • 仅在使用 Datastream API 时，才能恢复使用基于 GTID 的复制的数据流。
  • 不支持使用 CREATE TABLE ... SELECT 语句从其他表创建表。
  • Datastream 不支持带标记的 GTID。
  • 如需了解适用于基于 GTID 的复制的 MySQL 限制，请参阅 MySQL 文档。

后续步骤