DataWorks的DB2資料同步的能力支援情況 - DataWorks

DB2資料來源作為資料中樞，為您提供讀取和寫入DB2資料庫的雙向通道，能夠快速解決海量資料的計算問題。本文為您介紹DataWorks的DB2資料同步的能力支援情況。

支援的版本

DB2 Reader和DB2 Writer使用的DB2驅動版本為IBM Data Server Driver for JDBC and SQLJ 4.11.77。DB2驅動和資料庫服務之間的版本映射請參見官網文檔。

使用限制

DB2 Reader和DB2 Writer支援使用Serverless資源群組和獨享Data Integration資源群組，不支援使用公用資源群組和自訂資源群組。
DB2 Writer通過資料同步架構擷取Reader產生的協議資料，通過insert into（當主鍵/唯一性索引衝突時，衝突的行會寫不進去）語句，寫入資料至DB2。另外出於效能考慮採用了PreparedStatement + Batch，並且設定了rewriteBatchedStatements=true，將資料緩衝到線程上下文Buffer中，當Buffer累計到預定閾值時，才發起寫入請求。
說明
整個任務至少需要具備insert into的許可權，是否需要其它許可權，取決於您配置任務時在preSql和postSql中指定的語句。
離線同步支援閱讀檢視表。
目前不支援DB2 AES密碼編譯演算法。

支援的欄位類型

離線讀寫

DB2 Reader和DB2 Writer支援大部分DB2類型，但也存在個別類型未被支援的情況，請注意檢查您的資料類型。

DB2 Reader和DB2 Writer針對DB2類型的轉換列表，如下所示。

類型分類	DB2資料類型
整數類	SMALLINT
浮點類	DECIMAL、REAL和DOUBLE
字串類	CHAR、CHARACTER、VARCHAR、GRAPHIC、VARGRAPHIC、LONG VARCHAR、CLOB、LONG VARGRAPHIC和DBCLOB
日期時間類	DATE、TIME和TIMESTAMP
布爾類	無
二進位類	BLOB

建立資料來源

在進行資料同步任務開發時，您需要在DataWorks上建立一個對應的資料來源，操作流程請參見建立並管理資料來源，詳細的配置參數解釋可在配置介面查看對應參數的文案提示。

資料同步任務開發

資料同步任務的配置入口和通用配置流程可參見下文的配置指導。

單表離線同步任務配置指導

操作流程請參見通過嚮導模式配置離線同步任務、通過指令碼模式配置離線同步任務。
指令碼模式配置的全量參數和指令碼Demo請參見下文的附錄：指令碼Demo與參數說明。

整庫離線讀同步配置指導

操作流程請參見Data Integration側同步任務配置。

常見問題

主備同步資料恢複問題
主備同步問題指DB2使用主從災備，備庫從主庫不間斷通過binlog恢複資料。由於主備資料同步存在一定的時間差，特別在網路延遲等情況下，會導致備庫同步恢複的資料不是一份目前時間的完整鏡像，與主庫有較大差別。
一致性約束
DB2在資料存放區劃分中屬於RDBMS系統，對外可以提供強一致性資料查詢介面。例如，一次同步任務啟動運行過程中，有其它資料來源寫入資料至該庫。由於資料庫本身的快照特性，DB2 Reader完全不會擷取到寫入的更新資料。
上述是在DB2 Reader單執行緒模式下資料同步一致性的特性，DB2 Reader可以根據您配置資訊並發抽取資料，因此不能嚴格保證資料的一致性。
DB2 Reader根據splitPk切分資料後，會先後啟動多個並發任務完成資料同步。多個並發任務不屬於同一個讀事務且存在時間間隔。對於未經處理資料而言，多並發讀取的快照資料可能存在不完整、不一致的情況。
針對多線程的一致性快照需求，目前在技術上無法實現，只能從工程角度解決。工程化的方式存在取捨，在此提供以下解決思路，您可根據自身情況進行選擇：
- 使用單線程同步，即不再進行資料切片。缺點是速度比較慢，但是能夠很好保證一致性。
- 關閉其他資料寫入方，保證當前資料為待用資料，例如鎖表、關閉備庫同步等。缺點是可能影響線上業務。
資料庫編碼問題
DB2 Reader底層使用JDBC進行資料幫浦，JDBC天然適配各類編碼，並在底層進行了編碼轉換。因此DB2 Reader不需您指定編碼，可以自動識別編碼並轉碼。
增量資料同步的方式
DB2 Reader使用JDBC SELECT陳述式完成資料幫浦工作，因此可以使用SELECT…WHERE…進行增量資料幫浦，方式如下：
- 資料庫線上應用寫入資料庫時，填充modify欄位為更改時間戳記，包括新增、更新、刪除（邏輯刪除）。對於該類應用，DB2 Reader只需要where條件後跟上一同步階段時間戳記即可。
- 對於新增流水型資料，DB2 Reader在where條件後跟上一階段最大自增ID即可。
對於業務上無欄位區分新增、修改資料的情況，DB2 Reader無法進行增量資料同步，只能同步全量資料。
SQL安全性
DB2 Reader提供querySql語句交給您自己實現SELECT抽取語句，DB2 Reader本身對querySql不進行任何安全性校正。

附錄：指令碼Demo與參數說明

離線任務指令碼配置方式

如果您配置離線任務時使用指令碼模式的方式進行配置，您需要按照統一的指令碼格式要求，在任務指令碼中編寫相應的參數，詳情請參見通過指令碼模式配置離線同步任務，以下為您介紹指令碼模式下資料來源的參數配置詳情。

Reader指令碼Demo

{
    "type":"job",
    "version":"2.0",//版本號碼
    "steps":[
        {
            "stepType":"db2",//外掛程式名
            "parameter":{
                "password":"",//密碼
                "jdbcUrl":"",//DB2資料庫的JDBC串連資訊
                "column":[
                    "id"
                ],
                "where":"",//篩選條件。
                "splitPk":"",//資料分區
                "table":"",//表名 
                "username":""//使用者名稱
            },
            "name":"Reader",
            "category":"reader"
        },
        { 
            "stepType":"stream",
            "parameter":{},
            "name":"Writer",
            "category":"writer"
        }
    ],
    "setting":{
        "errorLimit":{
            "record":"0"//錯誤記錄數
        },
        "speed":{
             "throttle":true,//當throttle值為false時，mbps參數不生效，表示不限流；當throttle值為true時,表示限流。
             "concurrent":1 //作業並發數。
             "mbps":"12"//限流，此處1mbps = 1MB/s。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
}

Reader指令碼參數

參數	描述	是否必選	預設值
datasource	資料來源名稱，指令碼模式支援添加資料來源，此配置項填寫的內容必須要與添加的資料來源名稱保持一致。	是	無
jdbcUrl	描述的是到DB2資料庫的JDBC串連資訊，jdbcUrl按照DB2官方規範，DB2格式為`jdbc:db2://ip:port/database`，並可以填寫串連附件控制資訊。	是	無
username	資料來源的使用者名稱。	是	無
password	資料來源指定使用者名稱的密碼。	是	無
table	所選取的需要同步的表，一個作業只能支援一個表同步。	是	無
column	所配置的表中需要同步的列名集合，使用JSON的數組描述欄位資訊，預設使用所有列配置。例如[ * ]：支援列裁剪，即可以匯出部分列。支援列換序，即可以不根據表Schema資訊順序匯出列。支援常量配置，您需要遵循DB2的SQL文法格式。例如，`["id", "1", "'const name'", "null", "upper('abc_lower')", "2.3" , "true"]`： id為普通列名。 1為整型數字常量。 'const name'為字串常量（需要加上一對單引號）。 null為空白指標。 upper(‘abc_lower’)為函數運算式。 2.3為浮點數。 true為布爾值。 column必須顯示您指定同步的列集合，不允許為空白。	是	無
splitPk	DB2 Reader進行資料幫浦時，如果指定splitPk，表示您希望使用splitPk代表的欄位進行資料分區。資料同步系統會啟動並發任務進行資料同步，以提高資料同步的效能：推薦splitPk使用者使用表主鍵，因為表主鍵通常情況下比較均勻，因此切分出來的分區也不容易出現資料熱點。目前splitPk僅支援整型資料切分，不支援浮點、字串和日期等其它類型。如果您指定其它非支援類型，DB2 Reader將報錯。	否	""
where	篩選條件，DB2 Reader根據指定的column、table、where條件拼接SQL，並根據該SQL抽取資料。在實際業務情境中，通常會選擇當天的資料進行同步，可以指定where條件為`gmt_create>$bizdate`。where條件可以有效地進行業務增量同步處理。如果該值為空白，代表同步全表所有的資訊。	否	無
querySql	在部分業務情境中，where配置項不足以描述所篩選的條件，您可以通過該配置型來自訂篩選SQL。當您配置該項後，資料同步系統會忽略table、column等配置，直接使用該配置項的內容篩選資料。例如，您需要在多表Join後同步資料，使用`select a,b from table_a join table_b on table_a.id = table_b.id`。當您配置querySql時，DB2 Reader直接忽略table、column、where條件的配置。	否	無
fetchSize	該配置項定義了外掛程式和資料庫伺服器端每次批量資料擷取條數，該值決定了資料同步系統和伺服器端的網路互動次數，能夠較大的提升資料幫浦效能。說明 fetchSize值過大（>2048）可能造成資料同步進程OOM。	否	1024

Writer指令碼Demo

{
    "type":"job",
    "version":"2.0",//版本號碼。
    "steps":[
        {
            "stepType":"stream",
            "parameter":{},
            "name":"Reader",
            "category":"reader"
        },
        {
            "stepType":"db2",//外掛程式名。
            "parameter":{
                "postSql":[],//執行資料同步任務之後率先執行的SQL語句。
                "password":"",//密碼。
                "jdbcUrl":"jdbc:db2://ip:port/database",//DB2資料庫的JDBC串連資訊。
                "column":[
                    "id"
                ],
                "batchSize":1024,//一次性批量提交的記錄數大小。
                "table":"",//表名。
                "username":"",//使用者名稱。
                "preSql":[]//執行資料同步任務之前執行的SQL語句。
            },
            "name":"Writer",
            "category":"writer"
        }
    ],
    "setting":{
        "errorLimit":{
            "record":"0"//錯誤記錄數。
        },
        "speed":{
            "throttle":true,//當throttle值為false時，mbps參數不生效，表示不限流；當throttle值為true時,表示限流。
            "concurrent":1, //作業並發數。
            "mbps":"12"//限流，此處1mbps = 1MB/s。
        }
    },
    "order":{
        "hops":[
            {
                "from":"Reader",
                "to":"Writer"
            }
        ]
    }
}

Writer指令碼參數

參數	描述	是否必選	預設值
jdbcUrl	描述的是到DB2資料庫的JDBC串連資訊，JDBC URL遵循DB2官方規範。DB2格式為jdbc:db2://ip:port/database，您還可以填寫串連附件控制資訊。	是	無
username	資料來源的使用者名稱。	是	無
password	資料來源指定使用者名稱的密碼。	是	無
table	所選取的需要同步的表。	是	無
column	目標表需要寫入資料的欄位，欄位之間用英文逗號分隔。例如："column": ["id", "name", "age"]。如果要依次寫入全部列，使用（）表示。例如"column": [""] 。	是	無
preSql	執行資料同步任務之前率先執行的SQL語句，目前僅允許執行一條SQL語句，例如清除舊資料。	否	無
postSql	執行資料同步任務之後執行的SQL語句，目前嚮導模式僅允許執行一條SQL語句，指令碼模式可以支援多條SQL語句，例如加上某一個時間戳記。	否	無
batchSize	一次性批量提交的記錄數大小，該值可以極大減少資料同步系統與Db2的網路互動次數，並提升整體輸送量。如果該值設定過大，會導致資料同步運行進程OOM異常。	否	1024