ストレージ サービスへのデータのレプリケーション
TiDB v6.5.0 以降、TiCDC は、Amazon S3、GCS、Azure Blob Storage、NFS などのstorageサービスへの行変更イベントの保存をサポートします。このドキュメントでは、TiCDC を使用して増分データをそのようなstorageサービスにレプリケートする変更フィードを作成する方法と、データがどのように保存されるかについて説明します。この文書の構成は次のとおりです。
変更データをstorageサービスにレプリケートする
次のコマンドを実行して、変更フィード タスクを作成します。
cdc cli changefeed create \
--server=http://10.0.10.25:8300 \
--sink-uri="s3://logbucket/storage_test?protocol=canal-json" \
--changefeed-id="simple-replication-task"
出力は次のとおりです。
Info: {"upstream_id":7171388873935111376,"namespace":"default","id":"simple-replication-task","sink_uri":"s3://logbucket/storage_test?protocol=canal-json","create_time":"2023-12-21T18:52:05.566016967+08:00","start_ts":437706850431664129,"engine":"unified","config":{"case_sensitive":false,"enable_old_value":true,"force_replicate":false,"ignore_ineligible_table":false,"check_gc_safe_point":true,"enable_sync_point":false,"sync_point_interval":600000000000,"sync_point_retention":86400000000000,"filter":{"rules":["*.*"],"event_filters":null},"mounter":{"worker_num":16},"sink":{"protocol":"canal-json","schema_registry":"","csv":{"delimiter":",","quote":"\"","null":"\\N","include_commit_ts":false},"column_selectors":null,"transaction_atomicity":"none","encoder_concurrency":16,"terminator":"\r\n","date_separator":"none","enable_partition_separator":false},"consistent":{"level":"none","max_log_size":64,"flush_interval":2000,"storage":""}},"state":"normal","creator_version":"v7.1.3"}
--server
: TiCDC クラスター内の任意の TiCDCサーバーのアドレス。--changefeed-id
: チェンジフィードの ID。形式は^[a-zA-Z0-9]+(\-[a-zA-Z0-9]+)*$
正規表現と一致する必要があります。この ID が指定されていない場合、TiCDC は UUID (バージョン 4 形式) を ID として自動的に生成します。--sink-uri
: チェンジフィードの下流アドレス。詳細はシンク URI を構成するを参照してください。--start-ts
: チェンジフィードの開始 TSO。 TiCDC は、この TSO からのデータの取得を開始します。デフォルト値は現在時刻です。--target-ts
: チェンジフィードの終了 TSO。 TiCDC は、この TSO が発生するまでデータのプルを停止します。デフォルト値は空です。これは、TiCDC がデータのプルを自動的に停止しないことを意味します。--config
: チェンジフィードの設定ファイル。詳細はTiCDC チェンジフィード構成パラメータを参照してください。
シンク URI を構成する
このセクションでは、Amazon S3、GCS、Azure Blob Storage、NFS などのstorageサービスのシンク URI を構成する方法について説明します。シンク URI は、TiCDC ターゲット システムの接続情報を指定するために使用されます。形式は次のとおりです。
[scheme]://[host]/[path]?[query_parameters]
URI の[query_parameters]
については、次のパラメータを設定できます。
パラメータ | 説明 | デフォルト値 | 値の範囲 |
---|---|---|---|
worker-count | データ変更をダウンストリームのクラウドstorageに保存するための同時実行。 | 16 | [1, 512] |
flush-interval | データの変更をダウンストリームのクラウドstorageに保存する間隔。 | 5s | [2s, 10m] |
file-size | バイト数がこのパラメータの値を超える場合、データ変更ファイルはクラウドstorageに保存されます。 | 67108864 | [1048576, 536870912] |
protocol | ダウンストリームに送信されるメッセージのプロトコル形式。 | 該当なし | canal-json とcsv |
enable-tidb-extension | protocol がcanal-json に設定され、 enable-tidb-extension true に設定されている場合、TiCDC はウォーターマークイベント送信し、 TiDB 拡張フィールド Canal-JSON メッセージに追加します。 | false | false とtrue |
注記:
flush-interval
またはfile-size
いずれかが要件を満たす場合、データ変更ファイルはダウンストリームに保存されます。protocol
パラメータは必須です。変更フィードの作成時に TiCDC がこのパラメーターを受け取らない場合、CDC:ErrSinkUnknownProtocol
エラーが返されます。
外部storageのシンク URI を構成する
以下は、Amazon S3 の設定例です。
--sink-uri="s3://bucket/prefix?protocol=canal-json"
以下は GCS の構成例です。
--sink-uri="gcs://bucket/prefix?protocol=canal-json"
以下は、Azure Blob Storage の構成例です。
--sink-uri="azure://bucket/prefix?protocol=canal-json"
ヒント:
TiCDC の Amazon S3、GCS、および Azure Blob Storage の URI パラメーターの詳細については、 外部ストレージ サービスの URI 形式を参照してください。
NFS のシンク URI を構成する
次に、NFS の構成例を示します。
--sink-uri="file:///my-directory/prefix?protocol=canal-json"
ストレージパス構造
このセクションでは、データ変更レコード、メタデータ、および DDL イベントのstorageパス構造について説明します。
データ変更記録
データ変更レコードは次のパスに保存されます。
{scheme}://{prefix}/{schema}/{table}/{table-version-separator}/{partition-separator}/{date-separator}/CDC{num}.{extension}
scheme
:storageタイプを指定します (たとえば、s3
、gcs
、azure
、またはfile
。prefix
: ユーザー定義の親ディレクトリを指定します (例:s3:// **bucket/bbb/ccc**
)。schema
: スキーマ名を指定します (例:s3://bucket/bbb/ccc/ **test**
。table
: テーブル名を指定します (例:s3://bucket/bbb/ccc/test/ **table1**
)。table-version-separator
: テーブルのバージョンごとにパスを区切る区切り文字を指定します (例s3://bucket/bbb/ccc/test/table1/ **9999**
)。partition-separator
: テーブル パーティションごとにパスを区切る区切り文字を指定します (例:s3://bucket/bbb/ccc/test/table1/9999/ **20**
)。date-separator
: トランザクションのコミット日によってファイルを分類します。デフォルト値はday
です。値のオプションは次のとおりです。none
: いいえdate-separator
。たとえば、バージョンtest.table1
が9999
であるすべてのファイルはs3://bucket/bbb/ccc/test/table1/9999
に保存されます。year
: 区切り文字はトランザクションのコミット日の年です (例s3://bucket/bbb/ccc/test/table1/9999/ **2022**
。month
: 区切り文字はトランザクションのコミット日の年と月です (例s3://bucket/bbb/ccc/test/table1/9999/ **2022-01**
)。day
: 区切り文字はトランザクションコミット日の年、月、日です (例:s3://bucket/bbb/ccc/test/table1/9999/ **2022-01-02**
。
num
: データ変更を記録するファイルのシリアル番号を保存します (例s3://bucket/bbb/ccc/test/table1/9999/2022-01-02/CDC **000005** .csv
。extension
: ファイルの拡張子を指定します。 TiDB v6.5.0 は、CSV および Canal-JSON 形式をサポートしています。
注記:
テーブル バージョンは、アップストリーム テーブルで DDL 操作が実行された後にのみ変更され、アップストリーム TiDB が DDL の実行を完了すると、新しいテーブル バージョンが TSO になります。ただし、テーブルのバージョンの変更はテーブルのスキーマの変更を意味しません。たとえば、列にコメントを追加しても、スキーマ ファイルの内容は変更されません。
インデックスファイル
インデックスファイルは、書き込まれたデータが誤って上書きされることを防ぐために使用されます。データ変更レコードと同じパスに保存されます。
{scheme}://{prefix}/{schema}/{table}/{table-version-separator}/{partition-separator}/{date-separator}/meta/CDC.index
インデックス ファイルには、現在のディレクトリで使用されている最大のファイル名が記録されます。例えば:
CDC000005.csv
この例では、このディレクトリ内のファイルCDC000001.csv
~ CDC000004.csv
が占有されています。 TiCDC クラスターでテーブルのスケジューリングまたはノードの再起動が発生すると、新しいノードはインデックス ファイルを読み取り、 CDC000005.csv
が占有されているかどうかを判断します。占有されていない場合、新しいノードはCDC000005.csv
から始まるファイルを書き込みます。占有されている場合はCDC000006.csv
から書き込みを開始するため、他のノードによって書き込まれたデータの上書きが防止されます。
メタデータ
メタデータは次のパスに保存されます。
{protocol}://{prefix}/metadata
メタデータは、次のような JSON 形式のファイルです。
{
"checkpoint-ts":433305438660591626
}
checkpoint-ts
:commit-ts
がcheckpoint-ts
より小さいトランザクションは、ダウンストリームのターゲットstorageに書き込まれます。
DDLイベント
テーブルレベルのDDLイベント
アップストリーム テーブルの DDL イベントによってテーブル バージョンが変更されると、TiCDC は自動的に次の処理を実行します。
新しいパスに切り替えてデータ変更レコードを書き込みます。たとえば、バージョン
test.table1
が441349361156227074
に変更されると、TiCDC はデータ変更レコードを書き込むためにパスs3://bucket/bbb/ccc/test/table1/441349361156227074/2022-01-02/
に変更します。次のパスにスキーマ ファイルを生成して、テーブル スキーマ情報を保存します。
{scheme}://{prefix}/{schema}/{table}/meta/schema_{table-version}_{hash}.json
schema_441349361156227074_3131721815.json
スキーマ ファイルを例に挙げると、このファイル内のテーブル スキーマ情報は次のとおりです。
{
"Table":"table1",
"Schema":"test",
"Version":1,
"TableVersion":441349361156227074,
"Query":"ALTER TABLE test.table1 ADD OfficeLocation blob(20)",
"Type":5,
"TableColumns":[
{
"ColumnName":"Id",
"ColumnType":"INT",
"ColumnNullable":"false",
"ColumnIsPk":"true"
},
{
"ColumnName":"LastName",
"ColumnType":"CHAR",
"ColumnLength":"20"
},
{
"ColumnName":"FirstName",
"ColumnType":"VARCHAR",
"ColumnLength":"30"
},
{
"ColumnName":"HireDate",
"ColumnType":"DATETIME"
},
{
"ColumnName":"OfficeLocation",
"ColumnType":"BLOB",
"ColumnLength":"20"
}
],
"TableColumnsTotal":"5"
}
Table
: テーブル名。Schema
: スキーマ名。Version
:storageシンクのプロトコル バージョン。TableVersion
: テーブルバージョン。Query
: DDL ステートメント。Type
: DDL タイプ。TableColumns
: 1 つ以上のマップの配列。各マップはソース テーブル内の列を記述します。TableColumnsTotal
:TableColumns
配列のサイズ。
データベースレベルのDDLイベント
データベース レベルの DDL イベントがアップストリーム データベースで実行されると、TiCDC はデータベース スキーマ情報を保存するために次のパスにスキーマ ファイルを自動的に生成します。
{scheme}://{prefix}/{schema}/meta/schema_{table-version}_{hash}.json
schema_441349361156227000_3131721815.json
スキーマ ファイルを例に挙げると、このファイル内のデータベース スキーマ情報は次のとおりです。
{
"Table": "",
"Schema": "schema1",
"Version": 1,
"TableVersion": 441349361156227000,
"Query": "CREATE DATABASE `schema1`",
"Type": 1,
"TableColumns": null,
"TableColumnsTotal": 0
}
データ・タイプ
このセクションでは、 schema_{table-version}_{hash}.json
ファイル (以下、次のセクションでは「スキーマ ファイル」と呼びます) で使用されるデータ型について説明します。データ型はT(M[, D])
として定義されています。詳細はデータ型を参照してください。
整数型
TiDB の整数型はIT[(M)] [UNSIGNED]
として定義されます。
IT
は整数型で、TINYINT
、SMALLINT
、MEDIUMINT
、INT
、BIGINT
、またはBIT
のいずれかになります。M
はタイプの表示幅です。
整数型は、スキーマ ファイル内で次のように定義されます。
{
"ColumnName":"COL1",
"ColumnType":"{IT} [UNSIGNED]",
"ColumnPrecision":"{M}"
}
10 進数の型
TiDB の 10 進数タイプはDT[(M,D)][UNSIGNED]
として定義されます。
DT
は浮動小数点型で、FLOAT
、DOUBLE
、DECIMAL
、またはNUMERIC
のいずれかになります。M
はデータ型の精度、または合計桁数です。D
は小数点以下の桁数です。
Decimal タイプは、スキーマ ファイル内で次のように定義されます。
{
"ColumnName":"COL1",
"ColumnType":"{DT} [UNSIGNED]",
"ColumnPrecision":"{M}",
"ColumnScale":"{D}"
}
日付と時刻のタイプ
TiDB の日付タイプはDT
として定義されます。
DT
は日付タイプで、DATE
またはYEAR
になります。
日付タイプはスキーマ ファイル内で次のように定義されます。
{
"ColumnName":"COL1",
"ColumnType":"{DT}"
}
TiDB の時間タイプはTT[(M)]
として定義されます。
TT
は時間のタイプで、TIME
、DATETIME
、またはTIMESTAMP
のいずれかになります。M
は、0 ~ 6 の範囲の秒の精度です。
時間タイプはスキーマ ファイル内で次のように定義されます。
{
"ColumnName":"COL1",
"ColumnType":"{TT}",
"ColumnScale":"{M}"
}
文字列型
TiDB の文字列タイプはST[(M)]
として定義されます。
ST
は文字列タイプで、CHAR
、VARCHAR
、TEXT
、BINARY
、BLOB
、またはJSON
のいずれかになります。M
は文字列の最大長です。
文字列タイプはスキーマ ファイル内で次のように定義されます。
{
"ColumnName":"COL1",
"ColumnType":"{ST}",
"ColumnLength":"{M}"
}
列挙型とセット型
Enum 型と Set 型は、スキーマ ファイル内で次のように定義されます。
{
"ColumnName":"COL1",
"ColumnType":"{ENUM/SET}",
}