SphereEx-DBPlusEngine 1.5.0 功能解读：CDC

前一段时间，面向新一代数据架构的数据库增强引擎 SphereEx-DBPlusEngine 正式发布  1.5.0 版本，新增 CDC 和数据库防火墙两大重磅功能，本篇文章笔者就给大家详细介绍 CDC 功能的实现逻辑和技术细节。

CDC

CDC（Change Data Capture）增量数据捕捉。数据库日志（以 MySQL 为例） binlog 是 MySQL 记录变更数据的"二进制日志"，它可以看做是一个消息队列，队列中按顺序保存了 MySQL 中详细的增量变更信息，通过消费队列中的变更条目，下游系统或工具实现了与 MySQL 的实时数据同步。

在实际应用中，CDC主要用于数据同步，数据备份和恢复等方面。通常情况下，CDC都应用于数据流转量较大的场景中，如大规模数据仓库、数据中心、云计算等领域。

01 概述

SphereEx-DBPlusEngine 数据库增强引擎既可以帮助数据库实现单体到分布式转换，又可以实现数据在数据库中的加密存储，进而帮助数据库提升安全性。SphereEx-DBPlusEngine 的 CDC 功能，可以实现对分布式和加密存储等场景下的数据变化的捕捉。加密场景可以通过设置加解密参数，指定明文或密文传输到指定目标，满足不同目标端对数据展现形式的需求。分布式场景支持分布式事务，可以保障源端和目标端分布式事务的一致性。

目前 SphereEx-DBPlusEngine 数据迁移插件所支持的数据库产品为 MySQL、MySQL分支版本、PostgreSQL 和 openGauss，具体版本、环境要求和权限要求如下。

	数据库	版本支持	环境要求	权限要求
1	MySQL	5.1.15 ~ 8.x	my.cnf 配置 log-bin=mysql-bin binlog-format=row binlog-row-image=full --确认命令如下 show variables like '%log_bin%'; show variables like '%binlog%';	GRANT REPLICATION SLAVE, REPLICATION CLIENT ON . TO ${username}@${host} --确认命令如下 SHOW GRANTS FOR 'user';
2	Aurora MySQL	3.02.2	my.cnf 配置 log-bin=mysql-bin binlog-format=row binlog-row-image=full --确认命令如下 show variables like '%log_bin%'; show variables like '%binlog%';	GRANT REPLICATION SLAVE, REPLICATION CLIENT ON . TO ${username}@${host} --确认命令如下 SHOW GRANTS FOR 'user';
3	PostgreSQL	9.4 或以上版本	postgresql.conf 配置： wallevel = logical maxwalsenders = 10 maxreplicationslots = 10 maxconnections = 600	pghba.conf 配置： host replication replacct 0.0.0.0/0 md5
4	openGauss	2.0.1 ~ 3.0.0	postgresql.conf 配置： wallevel = logical maxwalsenders = 10 maxreplicationslots = 10 maxconnections = 600	pghba.conf 配置： host replication replacct 0.0.0.0/0 md5

架构图

核心功能	全量数据采集	增量数据采集
	增量数据和全量数据的衔接	支持事务
	数据解密传输	故障自动切换
	支持资源调度	断点续传

02 基本概念

• CDC 进程

  • CDC（Change Data Capture）是一种数据采集技术，CDC 可以监控 SphereEx-DBPlusEngine 的存储节点中的数据变化，捕捉到数据操作事件，过滤并提取有用信息，最终将这些变化数据发送到指定的目标上。

• 集群

  • 为了提供特定服务而集合在一起的多个节点。

• 源端

  • 原始数据所在的集群。

• 目标端

  • 原始数据将要迁移的目标存储集群。

• 订阅

  • 目标端配置接收源端的变化数据。

• 存量数据

  • 配置 CDC 功能前，存储节点中已有的数据。

• 增量数据

  • CDC 运行过程中，业务系统所产生的新数据。

03 适用场景

CDC主要用于数据同步、数据备份和恢复等方面。通常情况下，CDC都应用于数据流转量较大的场景中，如大规模数据仓库、数据中心、云计算等。同时 CDC 支持将数据写入 Kafka，所有可以消费 Kafka 的目标端都可以作为 SphereEx-DBPlusEngine CDC 的目标端。

04 使用前提

已完成 SphereEx-DBPlusEngine 和目标端数据库环境部署，网络通畅且服务正常。

CDC 需要依赖治理中心（如 Zookeeper），需提前完成部署。

05 使用限制

目前只有 openGauss 的增量数据支持全局排序。由于其它数据库没有提供全局有序的 CSN，还无法做到。

• 支持 openGauss 全局排序

• 支持 Kafka

• 不支持 DDL 变更

• 不支持除 openGauss 以外数据库的全局排序

• 不支持存在外键的表

• 不支持在进行 CDC 服务期间触发了扩缩容，CDC 将停止对该表的变化数据的采集

06 注意事项

在 CDC 运行期间，请务必确保数据库日志不能被清除。

07 原理介绍

技术架构图

主要分为 3 大组成部分：

• CDC 服务端：提供增量数据订阅服务。使用网络通道的情况下，会开启服务端监听端口。

• CDC 协议：使用网络通道的情况下需要。协议使用 protobuf3 定义，数据压缩率和编解码性能较高，不容易出现数据编解码问题。

• CDC 客户端：使用网络通道的情况下需要。连接登录 CDC 服务端之后，订阅并消费增量数据，写入客户自己的目标端。需要引用系统提供的 cdc-client Maven 包。

08 部署 CDC 服务端

目前 CDC 和 Proxy 在相同进程内。一个 Proxy 实例可以同时提供原有的 Proxy 服务以及新的 CDC 服务。

CDC 配置只是在server.yaml新增了 1 个属性

cdc-server-port: 33071

• 说明

配置了这个属性代表需要开启 CDC 服务端口，在所有 proxy 实例，也就是任意一个 proxy 实例都可以提供 CDC 服务。不配置则不开启。

CDC 的状态和 Proxy 类似，重要的数据都在注册中心（比如 ZK），进程里面有对应的状态。

CDC 服务端可以认为是无状态的。

• CDC 服务端参数

参数名称 ：cdc_decrypt_enabled

参数含义：CDC 是否开启将密文解析为明文推送到客户端，支持在线修改

参数值：true/false

默认值：false

09 CDC 消费端示例

需要使用 CDC 客户端和 CDC 服务端进行通信

如下为 CDC 消费端的配置示例

1、首先需要引入 CDC 客户端的 maven 依赖

•    org.apache.shardingsphere    shardingsphere-data-pipeline-cdc-client    ${project.version}

2、基于 CDCClient 进行 CDC 数据同步

import com.google.protobuf.EmptyProto;import com.google.protobuf.InvalidProtocolBufferException;import com.google.protobuf.TimestampProto;import com.google.protobuf.TypeRegistry;import com.google.protobuf.WrappersProto;import com.google.protobuf.util.JsonFormat;import com.google.protobuf.util.JsonFormat.Printer;import lombok.extern.slf4j.Slf4j;import org.apache.shardingsphere.data.pipeline.cdc.client.CDCClient;import org.apache.shardingsphere.data.pipeline.cdc.client.parameter.StartCDCClientParameter;import org.apache.shardingsphere.data.pipeline.cdc.protocol.request.StreamDataRequestBody.SchemaTable;import org.apache.shardingsphere.data.pipeline.cdc.protocol.response.DataRecordResult.Record;
import java.time.LocalDateTime;import java.util.ArrayList;import java.util.Collections;import java.util.List;
@Slf4jpublic final class CDCDemo {        public static void main(final String[] args) {        StartCDCClientParameter parameter = new StartCDCClientParameter();        // Proxy的地址        parameter.setAddress("127.0.0.1");        // CDC 端口，和配置文件中一致        parameter.setPort(33071);        // Proxy的用户名        parameter.setUsername("root");        // Proxy的密码        parameter.setPassword("root");        // 订阅的逻辑库        parameter.setDatabase("sharding_db");        // 是否开启全量        parameter.setFull(true);        // 需要订阅的表        parameter.setSchemaTables(Collections.singletonList(SchemaTable.newBuilder().setTable("t_order").build()));        // 第二个参数是数据消费的逻辑，这里是简单打印下，也可以写到数据库或MQ        Printer printer = JsonFormat.printer().omittingInsignificantWhitespace().usingTypeRegistry(TypeRegistry.newBuilder().add(EmptyProto.getDescriptor().getMessageTypes()).add(TimestampProto.getDescriptor().getMessageTypes()).add(WrappersProto.getDescriptor().getMessageTypes()).build());        CDCClient cdcClient = new CDCClient(parameter, records -> {            List list = new ArrayList<>();            for (Record record : records) {                String print;                try {                    print = printer.print(record);                } catch (final InvalidProtocolBufferException ex) {                    throw new RuntimeException(ex);                }                list.add(print);            }            System.out.printf("%s , received records: %s%n", LocalDateTime.now(), list);        });        cdcClient.start();    }}

FQA

Q:分片表经过 CDC 之后是分片表还是单表

A:单表，CDC 仅是数据捕获和传输，不会捕获和传输结构的变更。