MySQL准实时同步到PostgreSQL, Greenplum的方案之一 - rds_dbsync

3 minute read

背景

rds_dbsync是阿里云数据库内核组开源的一个数据实时同步工具。

可以解析MySQL的binlog,或者PostgreSQL的WAL日志,实现增量的实时同步。同时支持全量不落地迁移功能。

rds_dbsync功能介绍

1、全量不落地迁移(从mysql到pgsql,从pgsql到pgsql,从mysql或pgsql到Greenplum)。

支持并行。

2、DDL转换

3、增量实时同步(从mysql到pgsql,从pgsql到pgsql,从mysql或pgsql到Greenplum)

注意,rds_dbsync增量实时同步功能不支持DDL,仅支持DML。因此如果有DDL操作,建议保持目标端处于源端的超集即可。

例如

1、用户需要将字段改长。

先加目标端,再加源端。

2、用户需要删字段。

先删源端,再删目标端。

3、用户需要加字段。

先加目标端,再加源端。

rds_dbsync功能模块

1、mysql2pgsql,全量迁移命令。

2、binlog_miner,解析mysql binlog,并写入临时PG库的命令。

3、binlog_loader,从临时PG库将BINLOG取出,并在目标库回放的命令(会合并多条为一条,提高效率)。

下载rds_dbsync

建议下载二进制,CentOS 6 x64 选择el6,CentOS 7 x64选择el7。

https://github.com/aliyun/rds_dbsync/releases

编译rds_dbsync

1、安装mysql mysql-5.7.3-m13

https://downloads.mysql.com/archives/get/file/MySQL-5.7.3_m13-1.linux_glibc2.5.src.rpm

https://downloads.mysql.com/archives/community/

pic

2、安装PostgreSQL

参考《PostgreSQL 10 + PostGIS + Sharding(pg_pathman) + MySQL(fdw外部表) on ECS 部署指南(适合新用户)》

3、修改makefile

# Minimal requriement: Mysql >= 5.6, Pgsql >= 9.3  
mysql_source_dir=mysql-5.7.3-m13  
mysql_install_dir=/usr/local/mysql  
mysql_include_dir=$(mysql_install_dir)/include  
mysql_lib_dir=$(mysql_install_dir)/lib  
  
pgsql_install_dir=/usr/pgsql-9.4  

4、make

5、打包依赖动态库,拷贝到对应目录

《Linux 批量依赖库拷贝(ldd)》

6、拷贝mysql share到对应目录

cp -r /usr/local/mysql/share ....  

7、最终目录结构

# ls -la mysql2pgsql.bin.el7.20171025/  
  
drwxr-xr-x 2 59147 users 4096 Oct 25 12:49 bin  
drwxr-xr-x 2 59147 users 4096 Oct 25 12:48 lib  
drwxr-xr-x 2 59147 users 4096 Oct 25 12:48 share  
  
  
# cd bin  
[root@izuf64ame76453g49tfw8pz bin]# ll  
total 10612  
-rwxr-xr-x 1 root  root    209352 Oct 25 12:05 binlog_loader  
-rwxr-xr-x 1 root  root  10268656 Oct 25 12:05 binlog_miner  
-rw-r--r-- 1 59147 users        4 Jan 18  2017 loader_table_list.txt  
-rw-r--r-- 1 59147 users      646 Apr 24  2017 my.cfg  
-rwxr-xr-x 1 root  root    135416 Oct 25 12:05 mysql2pgsql  
-rwxr-xr-x 1 root  root    236736 Oct 25 12:05 pgsql2pgsql  

一、全量迁移说明

mysql2pgsql

工具 mysql2pgsql 支持不落地的把 MYSQL 中的表迁移到 HybridDB/Greenplum Database/PostgreSQL/PPAS。

此工具的原理是,同时连接源端 mysql 数据库和目的端数据库,从 mysql 库中通过查询得到要导出的数据,然后通过 COPY 命令导入到目的端。

此工具支持多线程导入(每个工作线程负责导入一部分数据库表)。

参数配置

修改配置文件 my.cfg、配置源和目的库连接信息。

  • 源库 mysql 的连接信息如下:

    注意:源库 mysql 的连接信息中,用户需要有对所有用户表的读权限。

[src.mysql]  
host = "192.168.1.1"  
port = "3306"  
user = "test"  
password = "test"  
db = "test"  
encodingdir = "share"  
encoding = "utf8"  

encodingdir,指mysql软件的share目录,例如,建议将/usr/local/mysql/share拷贝到存放mysql2pgsql二进制文件的上一层目录下,与bin平级。

encoding,指目标端pgsql数据库的字符集(即我们从mysql库读取的数据,将转换为这个编码,目的是方便写入目标端的PGSQL)。

  • 目的库 pgsql (包括 PostgreSQL、PPAS 和 HybridDB for PostgreSQL )的连接信息如下:

    注意:目的库 pgsql 的连接信息,用户需要对目标表有写的权限。

[desc.pgsql]  
connect_string = "host=192.168.1.1 dbname=test port=5888  user=test password=pgsql"  

mysql2pgsql 用法

mysql2pgsql 的用法如下所示:

./mysql2pgsql -l <tables_list_file> -d -n -j <number of threads> -s <schema of target able>   

参数说明:

  • -l:可选参数,指定一个文本文件,文件中含有需要同步的表;如果不指定此参数,则同步配置文件中指定数据库下的所有表。<tables_list_file>为一个文件名,里面含有需要同步的表集合以及表上查询的条件,其内容格式示例如下:

不带任何东西的冒号,会忽略。带有条件的,将使用后面的SQL拖取对应的数据。

table1 : select * from table_big where column1 < '2016-08-05'  
table2 :   
table3  
table4 : select column1, column2 from tableX where column1 != 10  
table5 : select * from table_big where column1 >= '2016-08-05'  
  • -d:可选参数,表示只生成目的表的建表 DDL 语句,不实际进行数据同步。

  • -n:可选参数,需要与-d一起使用,指定在 DDL 语句中不包含表分区定义。

  • -j:可选参数,指定使用多少线程进行数据同步;如果不指定此参数,会使用 5 个线程并发。

  • -s:可选参数,指定目标表的schema,一次命令只能指定一个schema。如果不指定此参数,则数据会导入到public下的表。

典型用法

全库迁移

全库迁移的操作步骤如下所示:

1. 通过如下命令,获取目的端对应表的 DDL。

./mysql2pgsql -d  

2. 根据这些 DDL,再加入 distribution key 等信息,在目的端创建表。

3. 执行如下命令,同步所有表:

./mysql2pgsql  

此命令会把配置文件中所指定数据库中的所有 mysql 表数据迁移到目的端。过程中使用 5 个线程(即缺省线程数为 5),读取和导入所有涉及的表数据。

部分表迁移

1. 编辑一个新文件 tab_list.txt,放入如下内容:

t1   
t2 : select * from t2 where c1 > 138888  

2. 执行如下命令,同步指定的 t1 和 t2 表(注意 t2 表只迁移符合 c1 > 138888 条件的数据):

./mysql2pgsql -l tab_list.txt  

mysql2pgsql 二进制安装包下载

下载地址:单击这里

mysql2pgsql 源码编译说明

查看源码编译说明,单击这里

二、增量同步说明

增量同步前,建议先进行一次全量同步,并记录下全量同步的开始时间点。这个时间点之后的binlog都需要抽取。

rds_dbsync实现了增量的幂等操作,因此我们仅需要一个全量同步开始的大致时间即可(比如10点开始全量同步,10点以前的时间都可以作为增量同步的binlog解析开始时间)。

mysql2gp(包含了binlog_miner和binlog_loader) 使用和部署说明

一 mysql2gp 介绍

mysql2gp 实现了从 MySQL 中迁移增量数据到 PostgreSQL 或 Greenplum

其中增量数据来自于 MySQL 的 binlog, 结合全量数据迁移工具 mysql2pgsql 可以把 MySQL 中的数据完整的迁移到 PostgreSQL Greenplum 中,且保持准实时同步。

1.1 支持特性和限制

1、 支持拉取 MySQL 5.1 5.5 5.6 5.7 版本的 binlog,需要设置源端mysql数据库的 binlog 相关参数(RDS MYSQL无需设置,已默认开启)

	binlog_format = ROW  
	binlog_row_image = FULL  

2、 支持同步指定表的各类数据变化到目标DB中,包括对应行的 insert update delete。

3、 数据同步的表需要有单列主键。

4、 支持对主键进行修改。

5、 暂时不支持异构数据库的 DDL 同步。

6、 支持指定表镜像方式同步到 PostgreSQL 或 Greenplum(配置文件方式)。

7、 支持指定模式的表同步。

1.2 mysql2gp 实现架构

mysql2gp 的实现方式:

1、 在客户端主机(也可以部署在其他主机)上启动一个临时 PG 数据库,用于临时存放从 MySQL 拉去到的 binlog 数据。

2、 binlog_miner 从源 MySQL 的一个 binlog 文件开始,拉取和解析 binlog 并存放到临时 PG 中。

3、 binlog_loader 从临时 PG 中读取增量数据,并做适当的处理(主要是合并单条记录的多次操作,减少目标端的压力,提高性能),最终批量写入到目标 PostgreSQL 或 Greenplum 中去。

1.3 mysql2gp 模块介绍

mysql2gp 分为5个部分

1、 binlog_miner 用于拉取MySQL 目标库中的 binlog, 并保存到临时 PGSQL DB 中。

2、 binlog_loader 用于读取临时 PGSQL DB 中的 binlog 数据并加载到目标库中。

3、 my.cfg 配置文件,设置需要同步数据的源和目标数据库的链接信息和相关参数。

4、 loader_table_list.txt 配置文件,设置需要同步的表名列表,用回车符隔开。

5、 临时 PGSQL DB,用户保存增量数据的临时数据库。这个DB建议和 binlog_miner binlog_loader 部署在同一个主机。

二 mysql2gp 部署

建议临时 PGSQL DB 和客户端二进制部署在同主机

部署步骤:

2.1 部署临时 PGSQL DB

在目标主机部署一个临时 PGSQL DB 用户存放临时数据,主机需要为临时数据预留足够的保存增量数据的空间。部署完成后获得一个连接临时 PG DB 的连接串,如

dbname=test port=5432 user=test password=pgsql  

2.2 配置文件

2.2.1 MySQL 相关

my.cnf

[src.mysql]  
host = "192.168.1.1"  
port = "3301"  
user = "test"  
password = "123456"  
db = "test"  
encodingdir = "share"  
encoding = "utf8"  
binlogfile = "mysql-bin.000001"  

注意:

1、 连接MySQL 的数据库用户需要有 select 权限和拉取 binlog 的权限。

2、 binlogfile 为读取 binlog 的启始文件,必须设置。该配置和全量数据同步工具配合使用。

通常在开始同步全量 MySQL 数据时记录当前正在写的 binlog 文件名,并配置到增量同步的 my.cnf 中。

下次启动,不需要解析binlogfile,解析到的binlog偏移信息会记录在临时 PGSQL DB中。

如果要删除增量任务,需要清空临时 PGSQL DB库。每个任务,需要一个临时 PGSQL DB库。

2.2.2 临时PGSQL DB数据库

my.cnf

[local.pgsql]  
connect_string = "dbname=test host=127.0.0.1 port=5432 user=test password=pgsql"  

注意:

1、 连接本地数据库可以不指定 host 信息(默认使用/tmp下的unix socket连,这个需要在临时PGSQL DB库的postgresql.conf中设置它的unix_socket_directories参数,并选择/tmp目录),这样的链接模式效率较高。

2.2.3 目的数据库

my.cnf

[desc.pgsql]  
connect_string = "host=192.167.1.2 dbname=postgres port=5432 user=test password=pgsql"  
target_schema = "test"  

注意:

1、 target_schema 用于指定目标表存在的 schema,也可以不指定,不指时默认 schema 为 public。

2.2.4 设置需要同步的表

1、 my.cnf

[binlogloader]  
loader_table_list = "loader_table_list.txt"  

2、 loader_table_list.txt

a  
b  

2.3 启动同步进程

2.3.1 启动 binlog 拉取进程

推荐命令行:

	nohup ./binlog_miner 1>minner.log 2>&1 &  

2.3.2 启动 binlog 写入进程

推荐命令行:

	nohup ./binlog_loader 1>loader.log 2>&1 &  

定时任务和监控

监控binlog_miner, binlog_loader的进程状态,如果进程异常,自动重启。

crontab -e  
  
* * * * * 包含监控+启动逻辑的shell脚本  

下载

https://downloads.mysql.com/archives/community/

https://github.com/aliyun/rds_dbsync/releases

https://www.postgresql.org/ftp/source/

Flag Counter

digoal’s 大量PostgreSQL文章入口