Data Transmission Service支援將MongoDB(分區叢集架構)的資料同步至MongoDB(複本集架構或分區叢集架構)。本文以ApsaraDB for MongoDB執行個體間的資料同步為例,為您介紹操作步驟。
前提條件
已建立目標ApsaraDB for MongoDB(複本集架構或分區叢集架構)執行個體,建立方式,請參見棄置站台集執行個體或建立分區叢集執行個體。
重要建議目標ApsaraDB for MongoDB執行個體的儲存空間比源ApsaraDB for MongoDB執行個體佔用的儲存空間大10%。
支援的版本,請參見同步方案概覽。
源ApsaraDB for MongoDB分區叢集執行個體的所有Shard節點需要申請串連地址,且各Shard的帳號和密碼需保持一致。申請方法,請參見申請Shard或ConfigServer節點串連地址。
若目標MongoDB為分區叢集架構執行個體,請根據業務需求,在目標ApsaraDB for MongoDB(分區叢集架構)執行個體中建立需要分區的資料庫和集合、配置資料分區、開啟Balancer並進行預分區。更多資訊,請參見設定資料分區以充分利用Shard效能和如何處理分區叢集架構的MongoDB資料分布不均衡。
說明配置資料分區可以避免資料被同步至同一Shard(儲存資料庫資料的組件),導致無法發揮叢集效能;開啟Balancer並進行預分區可以避免資料扭曲問題。
本文以先配置後購買DTS任務為例,無需填寫源ApsaraDB for MongoDB(分區叢集架構)下的Shard數量。
如您先購買後配置DTS任務,則需要在購買DTS任務時填寫其正確的Shard數量。
注意事項
類型 | 說明 |
源和目標庫的限制 |
|
其他限制 |
|
費用說明
同步類型 | 鏈路配置費用 |
庫表結構同步和全量資料同步 | 不收費。 |
增量資料同步 | 收費,詳情請參見計費概述。 |
支援的單向同步架構
目前DTS僅支援兩個ApsaraDB for MongoDB執行個體(分區叢集架構)之間的單向同步,暫不支援多個ApsaraDB for MongoDB執行個體之間的單向同步。
任務步驟說明
同步類型 | 說明 |
庫表結構同步 | 將源ApsaraDB for MongoDB中同步對象的結構同步到目標ApsaraDB for MongoDB中。 |
全量同步 | 將源ApsaraDB for MongoDB同步對象的存量資料全部同步到目標ApsaraDB for MongoDB中。 說明 支援全量同步DATABASE和COLLECTION。 |
增量同步處理 | 在全量同步的基礎上,將源ApsaraDB for MongoDB的累加式更新同步到目標ApsaraDB for MongoDB中。 使用Oplog增量同步處理不支援在任務開始運行後建立的資料庫,支援同步的累加式更新如下:
使用ChangeStream支援同步的累加式更新如下:
|
清理孤立文檔
遷移資料前您需要清除源MongoDB資料庫中的孤立文檔。
如果未清除孤立文檔,將影響遷移效能,而且可能在遷移過程中會遇到_id
衝突的文檔,導致遷移錯誤的資料。
ApsaraDB for MongoDB
MongoDB 4.2以下大版本或4.0.6以下小版本的執行個體在執行清理指令碼時會報錯。如何查看執行個體目前的版本,請參見MongoDB小版本說明。如何升級小版本和大版本,請參見升級資料庫大版本和升級資料庫小版本。
清理孤立文檔需要使用cleanupOrphaned
命令。在MongoDB 4.4及以上版本和MongoDB 4.2及以下版本中的使用方法略有區別,具體操作方式如下。
MongoDB 4.4及以上版本
在可以串連分區叢集執行個體的伺服器上,建立一個用於清理孤立文檔的JS指令碼,指令碼名稱為
cleanupOrphaned.js
。說明該指令碼用於清理多個Shard節點的多個資料庫中所有集合的孤立文檔。如需清理特定集合中的孤立文檔,可自行修改JS指令碼來完成。
// shard執行個體名稱列表 var shardNames = ["shardName1", "shardName2"]; // 資料庫列表 var databasesToProcess = ["database1", "database2", "database3"]; shardNames.forEach(function(shardName) { // 遍曆指定的資料庫列表 databasesToProcess.forEach(function(dbName) { var dbInstance = db.getSiblingDB(dbName); // 擷取該資料庫執行個體的所有集合名稱 var collectionNames = dbInstance.getCollectionNames(); // 遍曆每個集合 collectionNames.forEach(function(collectionName) { // 完整的集合名稱 var fullCollectionName = dbName + "." + collectionName; // 構建 cleanupOrphaned 命令 var command = { runCommandOnShard: shardName, command: { cleanupOrphaned: fullCollectionName } }; // 執行命令 var result = db.adminCommand(command); if (result.ok) { print("Cleaned up orphaned documents for collection " + fullCollectionName + " on shard " + shardName); printjson(result); } else { print("Failed to clean up orphaned documents for collection " + fullCollectionName + " on shard " + shardName); } }); }); });
您需要對指令碼中的
shardNames
和databasesToProcess
參數的值進行修改,具體說明如下:shardNames
:分區叢集執行個體中待清理孤立文檔的Shard節點的ID數組,您可以在執行個體基本資料頁面的Shard列表地區擷取,例如d-bp15a3796d3a****
。databasesToProcess
:待清理孤立文檔的資料庫名稱數組。
在
cleanupOrphaned.js
指令碼所在的目錄下,執行以下命令清理孤立文檔。mongo --host <Mongoshost> --port <Primaryport> --authenticationDatabase <database> -u <username> -p <password> cleanupOrphaned.js > output.txt
參數說明如下。
參數
說明
<Mongoshost>
分區叢集執行個體Mongos節點的串連地址,格式為
s-bp14423a2a51****.mongodb.rds.aliyuncs.com
。<Primaryport>
分區叢集執行個體Mongos節點的連接埠號碼,預設為3717。
<database>
鑒權資料庫名,即資料庫帳號所屬的資料庫。
<username>
資料庫帳號。
<password>
資料庫帳號的密碼。
output.txt
執行結果儲存到output檔案中。
MongoDB 4.2及以下版本
在可以串連分區叢集執行個體的伺服器上,建立一個用於清理孤立文檔的JS指令碼,指令碼名稱為
cleanupOrphaned.js
。說明該指令碼用於清理多個Shard節點中指定資料庫下指定集合的孤立文檔。如需清理資料庫中多個集合的孤立文檔,您可以修改
fullCollectionName
參數並多次執行,也可以自行修改指令碼通過遍曆的方式執行。function cleanupOrphanedOnShard(shardName, fullCollectionName) { var nextKey = { }; var result; while ( nextKey != null ) { var command = { runCommandOnShard: shardName, command: { cleanupOrphaned: fullCollectionName, startingFromKey: nextKey } }; result = db.adminCommand(command); printjson(result); if (result.ok != 1 || !(result.results.hasOwnProperty(shardName)) || result.results[shardName].ok != 1 ) { print("Unable to complete at this time: failure or timeout.") break } nextKey = result.results[shardName].stoppedAtKey; } print("cleanupOrphaned done for coll: " + fullCollectionName + " on shard: " + shardName) } var shardNames = ["shardName1", "shardName2", "shardName3"] var fullCollectionName = "database.collection" shardNames.forEach(function(shardName) { cleanupOrphanedOnShard(shardName, fullCollectionName); });
您需要對指令碼中的
shardNames
和fullCollectionName
參數的值進行修改,具體說明如下:shardNames
:分區叢集執行個體中待清理孤立文檔的Shard節點的ID數組,您可以在執行個體基本資料頁面的Shard列表地區擷取,例如d-bp15a3796d3a****
。fullCollectionName
:需要替換為待清理孤立文檔的集合名稱,格式為資料庫名稱.集合名稱
。
在
cleanupOrphaned.js
指令碼所在的目錄下,執行以下命令清理孤立文檔。mongo --host <Mongoshost> --port <Primaryport> --authenticationDatabase <database> -u <username> -p <password> cleanupOrphaned.js > output.txt
參數說明如下。
參數
說明
<Mongoshost>
分區叢集執行個體Mongos節點的串連地址,格式為
s-bp14423a2a51****.mongodb.rds.aliyuncs.com
。<Primaryport>
分區叢集執行個體Mongos節點的連接埠號碼,預設為3717。
<database>
鑒權資料庫名,即資料庫帳號所屬的資料庫。
<username>
資料庫帳號。
<password>
資料庫帳號的密碼。
output.txt
執行結果儲存到output檔案中。
自建MongoDB
在可以串連自建MongoDB資料庫的伺服器上下載cleanupOrphaned.js指令檔。
wget "https://docs-aliyun.cn-hangzhou.oss.aliyun-inc.com/assets/attach/120562/cn_zh/1564451237979/cleanupOrphaned.js"
修改cleanupOrphaned.js指令檔,將
test
替換為待清理孤立文檔的資料庫名。重要如果您有多個資料庫,您需要重複執行步驟2~步驟3。
執行如下命令,清理Shard節點中指定資料庫下所有集合的孤立文檔。
說明您需要重複執行本步驟,為每個Shard節點清理孤立文檔。
mongo --host <Shardhost> --port <Primaryport> --authenticationDatabase <database> -u <username> -p <password> cleanupOrphaned.js
說明<Shardhost>:Shard節點的IP地址。
<Primaryport>:Shard節點中的Primary節點的服務連接埠。
<database>:鑒權資料庫名,即資料庫帳號所屬的資料庫。
<username>:登入資料庫的帳號。
<password>:登入資料庫的密碼。
樣本:
本案例的自建MongoDB資料庫有三個Shard節點,所以需要分別為這三個節點清除孤立文檔。
mongo --host 172.16.1.10 --port 27018 --authenticationDatabase admin -u dtstest -p 'Test123456' cleanupOrphaned.js
mongo --host 172.16.1.11 --port 27021 --authenticationDatabase admin -u dtstest -p 'Test123456' cleanupOrphaned.js
mongo --host 172.16.1.12 --port 27024 --authenticationDatabase admin -u dtstest -p 'Test123456' cleanupOrphaned.js
操作步驟
本文以先配置後購買DTS任務為例,無需填寫源ApsaraDB for MongoDB(分區叢集架構)下的Shard數量。
如您先購買後配置DTS任務,則需要在購買DTS任務時填寫其正確的Shard數量。
進入目標地區的遷移工作清單頁面(二選一)。
通過DTS控制台進入
在左側導覽列,單擊資料移轉。
在頁面左上方,選擇遷移執行個體所屬地區。
通過DMS控制台進入
說明實際操作可能會因DMS的模式和布局不同,而有所差異。更多資訊。請參見極簡模式控制台和自訂DMS介面布局與樣式。
在頂部功能表列中,選擇
。在遷移任務右側,選擇遷移執行個體所屬地區。
單擊建立任務,配置源庫及目標庫資訊。
類別
配置
說明
無
任務名稱
DTS會自動產生一個任務名稱,建議配置具有業務意義的名稱(無唯一性要求),便於後續識別。
源庫資訊
選擇已有的DMS資料庫執行個體(可選,如未建立可忽略此處選擇,直接在下方設定資料庫資訊即可)
您可以按實際需求,選擇是否使用已有執行個體。
如使用已有執行個體,下方資料庫資訊將自動填入,您無需重複輸入。
如不使用已有執行個體,您需要輸入下方的資料庫資訊。
資料庫類型
選擇MongoDB。
接入方式
選擇雲執行個體。
執行個體地區
選擇源ApsaraDB for MongoDB所屬地區。
是否跨阿里雲帳號
本樣本為同一阿里雲帳號間的同步,選擇不跨帳號。
架構類型
選擇分區叢集架構。
遷移方式
請根據實際情況,選擇增量資料同步的方式。
Oplog(推薦):
若源庫已開啟Oplog日誌,則支援此選項。
說明本地自建MongoDB和ApsaraDB for MongoDB預設已開啟Oplog日誌,且使用此方式同步增量資料時增量同步處理任務的延遲較小(拉取日誌的速度較快),因此推薦選擇Oplog。
ChangeStream:
若源庫已開啟變更流(Change Streams),則支援此選項。
說明源庫為Amazon DocumentDB(非彈性叢集)時,僅支援選擇ChangeStream。
源庫架構類型選擇為分區叢集架構,無需填寫Shard賬號和Shard密碼。
執行個體ID
選擇源ApsaraDB for MongoDB執行個體ID。
鑒權資料庫名稱
填入源ApsaraDB for MongoDB執行個體資料庫帳號所屬的資料庫名稱,若未修改過則預設為admin。
資料庫帳號
填入源ApsaraDB for MongoDB的資料庫帳號,需具備待同步庫、config庫、admin庫和local庫的read許可權。
資料庫密碼
填入該資料庫帳號對應的密碼。
Shard賬號
填入源ApsaraDB for MongoDB的資料庫Shard帳號。
說明若您的源庫為自建MongoDB資料庫,還需要在上方填入Shard節點的shard接入資訊。
Shard密碼
填入源ApsaraDB for MongoDB的資料庫Shard密碼。
目標庫資訊
選擇已有的DMS資料庫執行個體(可選,如未建立可忽略此處選擇,直接在下方設定資料庫資訊即可)
您可以按實際需求,選擇是否使用已有執行個體。
如使用已有執行個體,下方資料庫資訊將自動填入,您無需重複輸入。
如不使用已有執行個體,您需要輸入下方的資料庫資訊。
資料庫類型
選擇MongoDB。
接入方式
選擇雲執行個體。
執行個體地區
選擇目標ApsaraDB for MongoDB所屬地區。
架構類型
選擇目標ApsaraDB for MongoDB所屬的架構類型。
執行個體ID
選擇目標ApsaraDB for MongoDB執行個體ID。
鑒權資料庫名稱
填入目標ApsaraDB for MongoDB執行個體資料庫帳號所屬的資料庫名稱,若未修改過則預設為admin。
資料庫帳號
填入目標ApsaraDB for MongoDB的資料庫帳號,需具備dbAdminAnyDatabase許可權、目標庫的readWrite許可權和local庫的read許可權。
資料庫密碼
填入該資料庫帳號對應的密碼。
串連方式
DTS支援非加密串連、SSL安全連線和Mongo Atlas SSL三種串連方式。串連方式的選項與接入方式和架構類型有關,請以控制台為準。
說明接入方式為雲執行個體時,僅複本集架構的MongoDB資料庫支援此配置項。
若目標庫為自建(接入方式不為雲執行個體)複本集架構的MongoDB資料庫,並且選擇了SSL安全連線,DTS還支援上傳CA認證對串連進行校正。
配置完成後,單擊頁面下方的測試連接以進行下一步。
如果源或目標資料庫是阿里雲資料庫執行個體(例如RDS MySQL、ApsaraDB for MongoDB等),DTS會自動將對應地區DTS服務的IP地址添加到阿里雲資料庫執行個體的白名單中;如果源或目標資料庫是ECS上的自建資料庫,DTS會自動將對應地區DTS服務的IP地址添加到ECS的安全規則中,您還需確保自建資料庫沒有限制ECS的訪問(若資料庫是叢集部署在多個ECS執行個體,您需要手動將DTS服務對應地區的IP地址添到其餘每個ECS的安全規則中);如果源或目標資料庫是IDC自建資料庫或其他雲資料庫,則需要您手動添加對應地區DTS服務的IP地址,以允許來自DTS伺服器的訪問。DTS服務的IP地址,請參見DTS伺服器的IP位址區段。
警告DTS自動添加或您手動添加DTS服務的公網IP位址區段可能會存在安全風險,一旦使用本產品代表您已理解和確認其中可能存在的安全風險,並且需要您做好基本的安全防護,包括但不限於加強帳號密碼強度防範、限制各網段開放的連接埠號碼、內部各API使用鑒權方式通訊、定期檢查並限制不需要的網段,或者使用通過內網(專線/VPN網關/智能網關)的方式接入。
配置任務對象及進階配置。
配置
說明
同步類型
固定選中增量同步處理。預設情況下,您還需要同時選中庫表結構同步和全量同步。預檢查完成後,DTS會將源執行個體中待同步對象的全量資料在目的地組群中初始化,作為後續增量同步處理資料的基準資料。
同步拓撲
請選擇單向同步。
目標已存在表的處理模式
預檢查並報錯攔截:檢查目標資料庫中是否有同名的集合。如果目標資料庫中沒有同名的集合,則通過該檢查專案;如果目標資料庫中有同名的集合,則在預檢查階段提示錯誤,資料同步任務不會被啟動。
說明如果目標庫中同名的集合不方便刪除或重新命名,您可以更改該集合在目標庫中的名稱,詳情請參見設定同步對象在目標執行個體中的名稱。
忽略報錯並繼續執行:跳過目標資料庫中是否有同名集合的檢查項。
警告選擇為忽略報錯並繼續執行,可能導致資料不一致,給業務帶來風險,例如:
在目標庫遇到與源庫主鍵或唯一鍵的值相同的記錄,則會保留目標庫中的該條記錄,即源庫中的該條記錄不會同步至目標庫中。
可能會導致無法初始化資料、只能同步部分的資料或同步失敗。
目標庫對象名稱大小寫策略
您可以配置目標執行個體中同步對象的庫名、表名和列名的英文大小寫策略。預設情況下選擇DTS預設策略,您也可以選擇與源庫、目標庫預設策略保持一致。更多資訊,請參見目標庫對象名稱大小寫策略。
源庫對象
在源庫對象框中單擊待同步對象,然後單擊
將其移動至已選擇對象框。
說明同步對象的選擇粒度為DATABASE、COLLECTION。
已選擇對象
單擊下一步高級配置,進行進階配置。
數據校正配置
若您需要配置資料校正,請參見配置資料校正。
高級配置
配置
說明
選擇調度該任務的專屬叢集
DTS預設將任務調度到共用叢集上,您無需選擇。若您希望任務更加穩定,可以購買專屬叢集來運行DTS同步任務。更多資訊,請參見什麼是DTS專屬叢集。
源庫、目標庫無法串連後的重試時間
在同步任務啟動後,若源庫或目標庫串連失敗則DTS會報錯,並會立即進行持續的重試串連,預設持續重試時間為720分鐘,您也可以在取值範圍(10~1440分鐘)內自訂重試時間,建議設定30分鐘以上。如果DTS在設定的重試時間內重新串連上源庫、目標庫,同步任務將自動回復。否則,同步任務將會失敗。
說明針對同源或者同目標的多個DTS執行個體,如DTS執行個體A和DTS執行個體B,設定網路重試時間時A設定30分鐘,B設定60分鐘,則重試時間以低的30分鐘為準。
由於串連重試期間,DTS將收取任務運行費用,建議您根據業務需要自訂重試時間,或者在源和目標庫執行個體釋放後儘快釋放DTS執行個體。
源庫、目標庫出現其他問題後的重試時間
在同步任務啟動後,若源庫或目標庫出現非串連性的其他問題(如DDL或DML執行異常),則DTS會報錯並會立即進行持續的重試操作,預設持續重試時間為10分鐘,您也可以在取值範圍(1~1440分鐘)內自訂重試時間,建議設定10分鐘以上。如果DTS在設定的重試時間內相關操作執行成功,同步任務將自動回復。否則,同步任務將會失敗。
重要源庫、目標庫出現其他問題後的重試時間的值需要小於源庫、目標庫無法串連後的重試時間的值。
是否限制全量遷移速率
在全量同步階段,DTS將佔用源庫和目標庫一定的讀寫資源,可能會導致資料庫的負載上升。您可以根據實際情況,選擇是否對全量同步任務進行限速設定(設定每秒查詢源庫的速率QPS、每秒全量遷移的行數RPS和每秒全量遷移的數據量(MB)BPS),以緩解目標庫的壓力。
說明僅當同步類型選擇了全量同步時才可以配置。
是否限制增量同步處理速率
您也可以根據實際情況,選擇是否對增量同步處理任務進行限速設定(設定每秒增量同步處理的行數RPS和每秒增量同步處理的數據量(MB)BPS),以緩解目標庫的壓力。
環境標籤
您可以根據實際情況,選擇用於標識執行個體的環境標籤。本樣本無需選擇。
配置ETL功能
選擇是否配置ETL功能。關於ETL的更多資訊,請參見什麼是ETL。
是:配置ETL功能,並在文字框中填寫資料處理語句,詳情請參見在DTS遷移或同步任務中配置ETL。
否:不配置ETL功能。
監控警示
是否設定警示,當同步失敗或延遲超過閾值後,將通知警示連絡人。
不設定:不設定警示。
設定:設定警示,您還需要設定警示閾值和警示通知。更多資訊,請參見在配置任務過程中配置監控警示。
儲存任務並進行預檢查。
若您需要查看調用API介面配置該執行個體時的參數資訊,請將滑鼠游標移動至下一步儲存任務並預檢查按鈕上,然後單擊氣泡中的預覽OpenAPI參數。
若您無需查看或已完成查看API參數,請單擊頁面下方的下一步儲存任務並預檢查。
說明在同步作業正式啟動之前,會先進行預檢查。只有預檢查通過後,才能成功啟動同步作業。
如果預檢查失敗,請單擊失敗檢查項後的查看詳情,並根據提示修複後重新進行預檢查。
如果預檢查產生警告:
對於不可以忽略的檢查項,請單擊失敗檢查項後的查看詳情,並根據提示修複後重新進行預檢查。
對於可以忽略無需修複的檢查項,您可以依次單擊點擊確認警示詳情、確認屏蔽、確定、重新進行預檢查,跳過警示檢查項重新進行預檢查。如果選擇屏蔽警示檢查項,可能會導致資料不一致等問題,給業務帶來風險。
預檢查通過率顯示為100%時,單擊下一步購買。
在購買頁面,選擇資料同步執行個體的計費方式、鏈路規格,詳細說明請參見下表。
類別
參數
說明
資訊配置
計費方式
預付費(訂用帳戶):在建立執行個體時支付費用。適合長期需求,價格比隨用隨付更實惠,且購買時間長度越長,折扣越多。
後付費(隨用隨付):按小時計費。適合短期需求,用完可立即釋放執行個體,節省費用。
資源群組配置
執行個體所屬的資源群組,預設為default resource group。更多資訊,請參見什麼是資源管理。
鏈路規格
DTS為您提供了不同效能的同步規格,同步鏈路規格的不同會影響同步速率,您可以根據業務情境進行選擇。更多資訊,請參見資料同步鏈路規格說明。
訂購時間長度
在預付費模式下,選擇訂用帳戶執行個體的時間長度和數量,包月可選擇1~9個月,包年可選擇1年、2年、3年和5年。
說明該選項僅在付費類型為預付費時出現。
配置完成後,閱讀並勾選《資料轉送(隨用隨付)服務條款》。
單擊購買並啟動,並在彈出的確認對話方塊,單擊確定。
您可在資料同步介面查看具體任務進度。