Skip to content

Latest commit

 

History

History
344 lines (296 loc) · 20.5 KB

jdbc_zh.md

File metadata and controls

344 lines (296 loc) · 20.5 KB
Raw

Jdbc Connector 介绍

上级文档: connectors

Jdbc Connector 通过 JDBC 直连数据库，通过批式的方式，将数据导入到其他存储或者将其他存储的数据导入到数据库中。JDBC connectors 读取 slaves 以最小化对数据库的影响。

目前支持读取和写入 MySQL、Oracle、PgSQL、SqlServer 四种数据源。

支持的数据类型

MySQL 支持以下数据类型

  • bit
  • tinyint
  • tinyint unsigned
  • smallint
  • smallint unsigned
  • mediumint
  • mediumint unsigned
  • enum
  • int
  • int unsigned
  • bigint
  • bigint unsigned
  • timestamp
  • datetime
  • float
  • float unsigned
  • double
  • double unsigned
  • decimal
  • decimal unsigned
  • real
  • date
  • time
  • year
  • char
  • varchar
  • longvarchar
  • nvar
  • nvarchar
  • longnvarchar
  • tinytext
  • mediumtext
  • longtext
  • text
  • string
  • json
  • blob
  • mediumblob
  • tinyblob
  • longblob
  • binary
  • longvarbinary
  • varbinary
  • geometry
  • multipolygon
  • set

Oracle 支持以下数据类型

  • char
  • varchar
  • interval day
  • interval year
  • intervalds
  • intervalym
  • varchar2
  • nchar
  • nvarchar2
  • long
  • blob
  • clob
  • nclob
  • string
  • character
  • number
  • integer
  • int
  • smallint
  • float
  • double
  • double precision
  • numeric
  • decimal
  • real
  • bit
  • bool
  • date
  • timestamp
  • timestamp with time zone
  • timestamp with local time zone
  • datetime
  • blob
  • bfile
  • raw
  • long raw
  • rowid
  • urowid
  • xmltype
  • binary_float
  • binary_double

PgSQL 支持以下数据类型

  • char
  • bpchar
  • varchar
  • text
  • character varying
  • string
  • character
  • bigint
  • int8
  • integer
  • int
  • int4
  • smallserial
  • serial
  • bigserial
  • smallint
  • int2
  • double
  • money
  • double precision
  • float8
  • numeric
  • decimal
  • real
  • float
  • float4
  • boolean
  • bool
  • date
  • time
  • timetz
  • timestamp
  • timestamptz
  • bytea
  • bit
  • bit varying
  • varbit
  • uuid
  • cidr
  • xml
  • inet
  • macaddr
  • enum
  • json
  • jsonb
  • aclitem
  • _aclitem
  • _int2
  • _int4
  • _float4
  • _text
  • _char
  • cid
  • inet
  • int2vector
  • interval
  • oid
  • _oid
  • pg_node_tree

SqlServer 支持以下数据类型：

  • char
  • varchar
  • text
  • nchar
  • nvarchar
  • ntext
  • bigint
  • int
  • int identity
  • integer
  • smallint
  • tinyint
  • float
  • double precision
  • numeric
  • decimal
  • money
  • real
  • bit
  • date
  • timestamp
  • datetime
  • datetime2
  • time
  • binary
  • varbinary
  • image
  • datetimeoffset
  • smalldatetime
  • sql_variant
  • uniqueidentifier
  • xml

Jdbc Source

在使用MySQL相关功能时，需要再连接参数中增加permitMysqlScheme选项。

主要功能

  • 支持多种分片算法
  • 支持分库分表库的读取
  • 支持表同步和 SQL 同步
  • 支持过滤语句

主要参数

通用参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.JDBCInputFormat Mysql 读取 connector class 名称
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.OracleInputFormat Oracle 读取 connector class 名称
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.PostgresqlInputFormat Pgsql 读取 connector class 名称
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.SqlServerInputFormat SqlServer 读取 connector class 名称
columns - 是 list<map<string,string>> "[ { "name":"id", "type":"int" }, { "name":"name", "type":"varchar" } ] Jdbc 读取的列信息。需要和writer的指定的columns数量保持一致。

数据库连接配置

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
user_name - 是 string abc Jdbc 连接用户名
password - 是 string password Jdbc 连接密码
query_timeout_seconds 300 否 int 300 连接 jdbc timeout 时间
query_retry_times 3 否 int 3 Jdbc 重试次数
connections - 是 [ { "slaves": [ {"db_url": "jdbc:mysql://address=(protocol=tcp)(host=192.168.1.202)(port=3306)/test?permitMysqlScheme&rewriteBatchedStatements=true&autoReconnect=true&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&jdbcCompliantTruncation=false"} ]} ] 连接 Jdbc 的信息

表同步配置参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
db_name - 是 string db Jdbc 连接db 名
table_schema - 否 string schema Jdbc 连接Schema 名称，通常只用于 PgSql
table_name - 表同步必须 string table 同步的表名
split_pk - 表同步必须 string id 分片使用的主键
split_pk_jdbc_type int 否 string Int/String 分片键字段类型，支持数字类型和字符串类型
shard_split_mode accurate 否 string quick, accurate, parallelism 分片方式，accurate 会确保每次只拉取 reader_fetch_size 条数据，分片比较均匀，担心分片会比较慢；parallelism 将所有数据分片按照并发数量进行分片，分片会比较快，但是可能分片不均匀
reader_fetch_size 10000 否 int 10000 每次拉取数据条数

SQL 同步配置参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
customized_sql - SQL 同步必须 string Select id,name from xx.xx where id > 10 自定义拉取SQL语句

其他配置

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
filter - 否 string id>100 读取数据时过滤信息，会通过 where 语句放置在查询语句后

Jdbc Sink

在使用MySQL相关功能时，需要再连接参数中增加permitMysqlScheme选项。

主要功能

  • 支持 TTL 清理，在执行导入任务前会按照用户配置的TTL参数删除过期数据，默认TTL为0，即数据永久有效。
  • 支持多种写入模式：清除式写入模式和覆盖式写入模式
    • 清除式写入: 需要有时间分区字段，写入时，若时间分区已存在，清除已有时间分区数据，再进行写入
    • 覆盖式写入: 不需要时间分区字段，写入时，不清除数据，按照唯一键upsert，用新的数据覆盖旧数据。当写入出现duplicate key的时候，会进行on duplicate key update操作，来更新字段。另外注意分库分表不支持更新分片建，需要配置job.writer.shard_key参数，value为分片建，多个分片建以逗号分隔

主要参数

通用参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.JDBCOutputFormat Mysql 写入 connector class 名称
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.OracleOutputFormat Oracle 写入 connector class 名称
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.PostgresqlOutputFormat Pgsql 写入 connector class 名称
class - 是 string com.bytedance.bitsail.connector.legacy.jdbc.source.SqlServerOutputFormat SqlServer 写入 connector class 名称
columns - 是 list<map<string,string>> "[ { "name":"id", "type":"int" }, { "name":"name", "type":"varchar" } ] Jdbc 写入的列信息。需要和reader的指定的columns数量保持一致。

数据库连接配置

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
user_name - 是 string abc Jdbc 连接用户名
password - 是 string password Jdbc 连接密码
connections - 是 [ { "db_url": "jdbc:mysql://address=(protocol=tcp)(host=192.168.1.202)(port=3306)/test?rewriteBatchedStatements=true&autoReconnect=true&useUnicode=true&characterEncoding=utf-8&zeroDateTimeBehavior=convertToNull&jdbcCompliantTruncation=false" } ] 连接 Jdbc 的信息
db_name - 是 string db Jdbc 连接db 名
table_schema PgSQL 默认为public； Sql server默认为dbo 否 string schema Jdbc 连接Schema 名称，通常只用于 PgSql
table_name - 是 string table 同步的表名

写入模式配置参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
write_mode insert 否 string insert Insert 写入模式。为了保证重复执行结果的一致性。写入前会根据分区列清除数据。最终生成的写入语句类似INSERT INTO xx (xx) VALUES (xx)
write_mode overwrite Overwrite 写入模式。写入前不会清除数据。最终生成的写入语句类似 INSERT INTO xx (xx) VALUES (xx) ON DUPLICATE KEY UPDATE (xx) VALUES(xx)

Insert 模式下会根据 partition 信息进行数据删除，下面的参数针对 insert 模式：

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
partition_name - 是 string date 分区名称，这是一个逻辑概念，写入数据前会根据该字段删除partition value的数据
partition_value - 是 string 20220727 分区值
partition_pattern_format - 否 string yyyyMMdd/yyyy-MM-dd 分区字段模式
mysql_data_ttl 0 否 int 0 数据库数据保存的天数。会根据配置的ddl 和 partition_name 字段的值进行删除操作。比如 ttl 设置为3，partition name 为 date，partition value 设置为 20220727，则会将数据库中所有 date<=20220724 的数据删除
delete_threshold 10000 否 int 10000 删除时，每次删除数据的条数
delete_interval_ms 100 否 int 100 两次删除之间的间隔
写入配置信息
参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
write_batch_interval 100 否 int 100 写入batch 大小
write_retry_times 3 否 int 3 写入时重试次数
retry_interval_seconds 10 否 int 10 两次重试间的间隔

其他配置

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
pre_query - 否 string Select 1 连接数据库后最先执行的语句
verify_query - 否 string Select 1 任务运行后执行的校验语句
shard_key - 否（分片库必须） string id 分片库的分片键，非分片库不用配置

PgSql 写入的定制参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
primary_key - 否 string id 表的主键，pgSQL 删除时如果需要限制速率需要利用主键值使用 select limit语句限制删除速率
upsert_key - 否 string id 唯一性索引，支持覆盖写，PG只支持对单个唯一性索引做覆盖写
delete_threshold_enabled TRUE 否 string Truefalse 是否需要限制删除速率，默认为true，false时不需要提供primary key
is_truncate_mode FALSE 否 string Truefalse 是否为truncate模式，true会先删除全表同时不需要分区列；非truncate模式需要有分区列

Oracle 写入的定制参数

参数名称 参数默认值 参数是否必须 参数类型 建议值 or 示例值 参数含义
primary_key - 是 (Sink) string（区分大小写） ID 表的主键，Oracle 删除时如果需要限制速率需要利用主键值使用 select limit语句限制删除速率
partition_name - 是 string (区分大小写) DATETIME 跟通用参数相同，除了数值必須区分大小写
db_name - 是 string (区分大小写) DB 跟通用参数相同，除了数值必須区分大小写
columns.name - 否 string (区分大小写) COLUMN 跟通用参数相同，除了数值必須区分大小写

相关文档

配置示例文档 Example.