如何通过 SQL 表达式过滤 DML

本文档介绍使用 DM 持续增量数据同步时,如何更加精细的过滤 binlog 事件。具体迁移操作可参考已有数据迁移场景:

在进行增量数据迁移时,可以通过如何过滤 binlog 事件功能过滤某些类型的 binlog event,例如不向下游迁移 DELETE 事件以达到归档、审计等目的。但是 binlog event filter 无法以更细粒度判断某一行的 DELETE 事件是否要被过滤。

为了解决上述问题,从 v2.0.5 起,DM 支持在增量数据同步阶段使用binlog value filter过滤迁移数据。DM 支持的 ROW 格式的 binlog 中,binlog event 带有所有列的值。你可以基于这些值配置 SQL 表达式。如果该表达式对于某条行变更的计算结果是 TRUE,DM 就不会向下游迁移该条行变更。

如何过滤 binlog 事件类似,表达式过滤需要在数据迁移任务配置文件里配置,详见下面配置样例。完整的配置及意义,可以参考 DM 完整配置文件示例

name: test
task-mode: all

mysql-instances:
  - source-id: "mysql-replica-01"
    expression-filters: ["even_c"]

expression-filter:
  even_c:
    schema: "expr_filter"
    table: "tbl"
    insert-value-expr: "c % 2 = 0"

上面的示例配置了 even_c 规则,并让 source ID 为 mysql-replica-01 的数据源引用了该规则。even_c 规则的含义是:对于 expr_filter 库下的 tbl 表,当插入的 c 的值为偶数 (c % 2 = 0) 时,不将这条插入语句迁移到下游。下面展示该规则的使用效果。

在上游数据源增量插入以下数据:

INSERT INTO tbl(id, c) VALUES (1, 1), (2, 2), (3, 3), (4, 4);

随后在下游查询 tbl 表,可见只有 c 的值为单数的行迁移到了下游:

MySQL [test]> select * from tbl;

+------+------+
| id   | c    |
+------+------+
|    1 |    1 |
|    3 |    3 |
+------+------+

2 rows in set (0.001 sec)

配置参数及规则说明

  • schema:要匹配的上游数据库库名,不支持通配符匹配或正则匹配。
  • table: 要匹配的上游表名,不支持通配符匹配或正则匹配。
  • insert-value-expr:配置一个表达式,对 INSERT 类型的 binlog event (WRITE_ROWS_EVENT) 带有的值生效。不能与 update-old-value-exprupdate-new-value-exprdelete-value-expr 出现在一个配置项中。
  • update-old-value-expr:配置一个表达式,对 UPDATE 类型的 binlog event (UPDATE_ROWS_EVENT) 更新对应的旧值生效。不能与 insert-value-exprdelete-value-expr 出现在一个配置项中。
  • update-new-value-expr:配置一个表达式,对 UPDATE 类型的 binlog event (UPDATE_ROWS_EVENT) 更新对应的新值生效。不能与 insert-value-exprdelete-value-expr 出现在一个配置项中。
  • delete-value-expr:配置一个表达式,对 DELETE 类型的 binlog event (DELETE_ROWS_EVENT) 带有的值生效。不能与 insert-value-exprupdate-old-value-exprupdate-new-value-expr 出现在一个配置项中。
注意
  • update-old-value-expr 可以与 update-new-value-expr 同时配置。
  • 当二者同时配置时,会将“更新+旧值“满足update-old-value-expr ”更新+新值“满足 update-new-value-expr 的行过滤掉。
  • 当只配置一者时,配置的这条表达式会决定是否过滤整个行变更,即旧值的删除和新值的插入会作为一个整体被过滤掉。

SQL 表达式可以涉及一列或多列,也可使用 TiDB 支持的 SQL 函数,例如 c % 2 = 0a*a + b*b = c*cts > NOW()

TIMESTAMP 类型的默认时区是任务配置文件中指定的时区,默认值是下游时区。可以使用 c_timestamp = '2021-01-01 12:34:56.5678+08:00' 的方式显式指定时区。

配置项 expression-filter 下可以定义多条过滤规则,上游数据源在其 expression-filters 配置项中引用需要的规则使其生效。当有多条规则生效时,匹配到任意一条规则即会导致某个行变更被过滤。

注意

为某张表设置过多的表达式过滤会增加 DM 的计算开销,可能导致数据迁移速度变慢。

文档内容是否有帮助?