介绍
需求背景：
有很多业务系统，他们的数据库是相互独立的，俗称数据孤岛，为了做数据统计分析，就需要把这些数据归集在一个数据库中，比如数据仓库，然后多表关联查询，方便开发数据应用。希望能有这样的工具，指定两个数据库和表名，就可以将表从源数据库拷贝到目标数据库中。具体需求如下：
- 能自动同步表结构，如：源表加字段，目标表自动加字段。
- 支持增量或全量复制数据，比如按日期进行复制数据。
- 支持指定字段同步，只同步关心的那些字段。
- 支持主流的关系型数据库: mysql、db2、postgresql、oracle、sqlserver
- 源表和目标表表名可以不同，字段名也可以不同(已存在目标表的情况下)
因为自己要用，我就自己写了一个，顺便熟悉下 java 开发(之前一直用 Python，不得不说，Java 真浪费时间)，本程序的最大用处就是构建集市或数仓所需要的基础层数据源，欢迎感兴趣的朋友一起加入。
程序的使用方法
Docker 方式：
这里用到三个容器:
- app 也就是主程序本身，app 容器使用的程序文件就是 release 目录下的文件，已经做了绑定。
- mysql 测试用的，作为源数据库，已提前放好了有 7000 条测试数据的表 somenzz_users。
- postgres 测试用的，作为目标数据库，没有数据。
先部署，执行 docker-compose up -d 就会自动完成应用和数据库的部署：
- $ git clone https://github.com/somenzz/database-sync.git
- $ cd database-sync
- $ docker-compose up -d
- Creating database-sync_postgres_1 ... done
- Creating database-sync_app_1 ... done
- Creating database-sync_mysql_1 ... done
这样三个容器就启动了，使用 docker ps -a |grep database-sync 可以查看到三个正在运行的容器：
现在直接使用 docker exec -i database-sync_app_1 java -jar database-sync-1.3.jar 来执行程序：
mysql 容器已有测试数据，release/config/config.json 已经配置好了数据库的连接，因此可以直接试用，以下演示的是从 mysql 复制表和数据到 postgres：
1. 全量复制，自动建表：
- docker exec -i database-sync_app_1 java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public users --sync-ddl
如果你不想每次都敲 docker exec -i database-sync_app_1 ，可以进入容器内部执行：
- (py38env) ➜ database-sync git:(master) ✗ docker exec -it database-sync_app_1 /bin/bash
- root@063b1dc76fe1:/app# ls
- config database-sync-1.3.jar lib logs
- root@063b1dc76fe1:/app# java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public users -sd
2. 增量复制：
- root@063b1dc76fe1:/app# java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public zz_users "create_at >= '2018-01-09'"
3. 指定字段：
- root@063b1dc76fe1:/app# java -jar database-sync-1.3.jar mysql_test testdb somenzz_users postgres_test public zz_users -ff="user_id,name,age" -tf="user_id,name,age" "create_at >= '2018-01-09'"
普通方式
程序运行前确保已安装 java 1.8 或后续版本，已经安装 maven，然后 clone 源码，打包：
- git clone https://gitee.com/somenzz/database-sync.git
- cd database-sync
- mvn package
此时你会看到 target 目录，将 target 下的 lib 目录 和 database-sync-1.3.jar 复制出来，放在同一目录下，然后再创建一个 config 目录，在 config 下新建一个 config.json 文件写入配置信息，然后将这个目录压缩，就可以传到服务器运行了，请注意先充分测试，jdk 要求 1.8+
- [aaron@hdp002 /home/aaron/App/Java/database-sync]$ ls -ltr
- total 48
- drwxr-xr-x 2 aaron aaron 4096 Apr 23 2020 lib
- -rwxrw-r-- 1 aaron aaron 157 Jun 23 2020 run.sh
- drwxrwxr-x 2 aaron aaron 4096 Jul 3 2020 logs
- -rw-rw-r-- 1 aaron aaron 24773 Mar 16 2021 database-sync-1.3.jar
- drwxr-xr-x 7 aaron aaron 4096 Aug 3 2020 jdk1.8.0_231
- drwxrwxr-x 2 aaron aaron 4096 Feb 19 17:07 config
你也可以直接下载我打包好的使用。
程序名称叫 database-sync，运行方式是这样的：
- (py38env) ➜ target git:(master) ✗ java -jar database-sync-1.3.jar -h
- Usage:
- java -jar database-sync-1.0.jar [options] {fromDB} {fromSchema} {fromTable} {toDB} {toSchema} {toTable} [whereClause]
- options:
- -v or --version :print version then exit
- -h or --help :print help info then exit
- -sd or --sync-ddl :auto synchronize table structure
- -ff=col1,col2 or --from-fields=col1,col2 :specify from fields
- -tf=col3,col4 or --to-fields=col3,col4 :specify to fields
- --no-feature or -nf :will not use database's feature
帮助说明：
[] 中括号里的内容表示选填，例如 [options] 表示 options 下的参数不是必须的。
1、其中 options 参数解释如下：
- --sync-ddl 或者 -sd : 加入该参数会自动同步表结构。
- --from_fields=col1,col2 或者 -ff=col1,col2 : 指定原表的字段序列，注意 = 前后不能有空格。
- --to_fields=col3,col4 或者 -tf=col3,col4 : 指定目标表的字段序列，注意 = 前后不能有空格。
2、whereClause 表示 where 条件，用于增量更新，程序再插入数据前先按照 where 条件进行清理数据，然后按照 where 条件从原表进行读取数据。whereClause 最好使用双引号包起来，表示一个完整的参数。如："jyrq='2020-12-31'"
{} 大括号里的内容表示必填。
fromDb 是指配置在 config.json 的数据库信息的键，假如有以下配置文件：
- {
- "postgres":{
- "type":"postgres",
- "driver":"org.postgresql.Driver",
- "url":"jdbc:postgresql://localhost:5432/apidb",
- "user": "postgres",
- "password":"aaron",
- "encoding": "utf-8"
- },
- "aarondb":{
- "type":"mysql",
- "driver":"com.mysql.cj.jdbc.Driver",
- "url":"jdbc:mysql://localhost:3306/aarondb?useSSL=false&characterEncoding=utf8&serverTimezone=UTC",
- "user": "aaron",
- "password":"aaron"
- }
- }
fromDb、toDb 可以是 aarondb 或者 postgres。
- fromSchema 读取数据的表的模式名，可以填写 "".
- fromTable 读取数据的表明，必须提供。
- toSchema 写入数据表的模式名，可以填写 ""，可以和 fromSchema 不同.
- toTable 写入数据表的表名，必须提供，当写入表不存在时，自动按读取表的表结构创建，可以和 fromTable 不同。
全量、增量、指定字段的使用样例请参考 Docker 方式。
配置文件说明
配置文件位于 config/config.json，如下所示：
- {
- "sjwb":{
- "type":"db2",
- "driver":"com.ibm.db2.jcc.DB2Driver",
- "url":"jdbc:db2://192.168.1.*:50000/wbsj",
- "user": "****",
- "password":"****",
- "tbspace_ddl": "/*这里可以放置指定表空间的语句*/",
- "encoding":"utf-8"
- },
- "dw_test":{
- "type":"db2",
- "driver":"com.ibm.db2.jcc.DB2Driver",
- "url":"jdbc:db2://192.168.169.*:60990/dwdb",
- "user": "****",
- "password":"****",
- "encoding":"gbk"
- },
- "postgres":{
- "type":"postgres",
- "driver":"org.postgresql.Driver",
- "url":"jdbc:postgresql://10.99.**.**:5432/apidb",
- "user": "****",
- "password":"****",
- "tbspace_ddl": "WITH (compression=no, orientation=orc, version=0.12)\ntablespace hdfs\n",
- "encoding":"utf-8"
- },
- "aarondb":{
- "type":"mysql",
- "driver":"com.mysql.cj.jdbc.Driver",
- "url":"jdbc:mysql://localhost:3306/aarondb?useSSL=false&characterEncoding=utf8&serverTimezone=UTC",
- "user": "****",
- "password":"****",
- "encoding":"utf-8"
- },
- "buffer-rows": 100000
- }
配置文件说明：
type 表示数据库类型，均为小写：
- mysql
- postgres
- db2
- oracle
- sqlserver
tbspace_ddl 表示自动建表时指定的表空间，该选项不是必需的，可以删除。
buffer-rows 表示读取多少行时一块写入目标数据库，根据服务器内存大小自己做调整，100000 行提交一次满足大多数情况了。
encoding 用于表结构同步时确定字段长度，比如说源库的字段是 gbk varchar(10)，目标库是 utf-8，那么就应该为 varchar(15)，这样字段有中文就不会出现截断或插入失败问题，程序这里 2 倍，也就是 varchar(20) ，这样字段长度不会出现小数位。
最后的话
提高数据库间表的复制效率，如果不需要对源表字段进行转换，就丢掉低效的 datastage 和 kettle 吧。
