全部產品
Search
文件中心

DataWorks:DB2資料來源

更新時間:Oct 25, 2024

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資源群組獨享Data Integration資源群組,不支援使用公用資源群組自訂資源群組

  • 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preSqlpostSql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

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

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。

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。

username

資料來源的使用者名稱。

password

資料來源指定使用者名稱的密碼。

table

所選取的需要同步的表,一個作業只能支援一個表同步。

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 。

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。

""

where

篩選條件,DB2 Reader根據指定的columntablewhere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>$bizdatewhere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。

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tablecolumn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tablecolumnwhere條件的配置。

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。

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。

username

資料來源的使用者名稱 。

password

資料來源指定使用者名稱的密碼 。

table

所選取的需要同步的表 。

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": ["*"]

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。

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。

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。

1024