TiDB数据同步OceanBase实践

最近公司的业务数据库想从TiDB迁移到OceanBase数据库，但是如何将数据迁移到OceanBase是一个严峻的问题。经过多方面了解，发现OceanBase提供的OMS数据迁移工具支持从TiDB迁移到OceanBase，并且支持数据的增量同步，不过需要Kafka的支持。因此先提前做了个测试，验证下整个同步过程，以下是验证的记录，供各位参考。

环境介绍

以下各种组件安装过程不详细说明，具体安装过程在各产品官方网站都有详细说明，后面只介绍具体的配置过程

TiDB环境

TiDB版本：v5.4.3

TiDB的部署是在一台单机上混部了TiDB Server、TiKV以及PD，TiCDC单节点部署在另外一台机器上

[root@OB3 bin]# ./cdc cli capture list --pd=http://172.24.255.70:2379
[
  {
    "id": "c0769fd8-78fa-4841-8103-586099d8fcf6",
    "is-owner": true,
    "address": "172.24.255.55:8300"
  }
]

OceanBase环境

OceanBase版本：V4.2.0_CE

Kafka环境

Kafka版本：3.1.0（TiCDC目前支持的最高版本是3.1.0版本）

Zookeeper版本：3.6.3

这里做测试，所以Kafka和zookeeper都是单机部署，没有采用集群部署，zookeeper用的是3.1.0版本自带的zookeeper，实际效果是一样的。

[root@OB3 kafka]# ./bin/kafka-broker-api-versions.sh --bootstrap-server 172.24.255.55:9092 --version
3.1.0 (Commit:37edeed0777bacb3)

[root@OB3 bin]# ./zookeeper-shell.sh 172.24.255.55:2181 version
Connecting to 172.24.255.55:2181
ZooKeeper CLI version: 3.6.3--6401e4ad2087061bc6b9f80dec2d69f2e3c8660a, built on 04/08/2021 16:35 GMT

OMS环境

OMS版本：V4.1.1_CE

OMS采用的单节点部署

配置过程

创建TiCDC同步任务

TiCDC支持向mysql兼容、tidb以及Kafka中同步数据，这里因为需要OMS同步TiDB的增量数据，而增量数据是从Kafka中获取，因此需要创建TiCDC到Kafka的同步任务，创建示例如下：

./cdc cli changefeed create --pd=http://172.24.255.70:2379 \
--sink-uri="kafka://172.24.255.55:9092/test-topic?protocol=open-protocol&kafka-version=3.1.0&partition-num=1&max-message-bytes=67108864&replication-factor=1" \
--changefeed-  --sort-engine="unified"

这条命令会在TiCDC中创建一个名字为simple-replication-task的同步任务，并且会在Kafka中创建一个名字为test-topic的topic。创建完成之后，会收到如下信息

Create changefeed successfully!
ID: simple-replication-task
Info: {"sink-uri":"kafka://172.24.255.55:9092/test-topic?protocol=open-protocol\u0026kafka-version=3.1.0\u0026partition-num=1\u0026max-message-bytes=67108864\u0026replication-factor=1","opts":{"max-message-bytes":"1048588"},"create-time":"2023-10-09T15:41:57.1669333+08:00","start-ts":444815721665658881,"target-ts":0,"admin-job-type":0,"sort-engine":"unified","sort-dir":"","config":{"case-sensitive":true,"enable-old-value":true,"force-replicate":false,"check-gc-safe-point":true,"filter":{"rules":["*.*"],"ignore-txn-start-ts":null},"mounter":{"worker-num":16},"sink":{"dispatchers":null,"protocol":"open-protocol","column-selectors":null},"cyclic-replication":{"enable":false,"replica-id":0,"filter-replica-ids":null,"id-buckets":0,"sync-ddl":false},"scheduler":{"type":"table-number","polling-time":-1},"consistent":{"level":"none","max-log-size":64,"flush-interval":1000,"storage":""}},"state":"normal","error":null,"sync-point-enabled":false,"sync-point-interval":600000000000,"creator-version":"v5.4.3"}

在Kafka中查看topic

[root@OB3 kafka]# bin/kafka-topics.sh --bootstrap-server 172.24.255.55:9092 --list
__consumer_offsets
test-topic

这里有的参数简单说明下：

• --pd：指定TiCDC任务同步源端TiDC集群的pd信息
• --changefeed-id：指定同步任务的ID，如果不指定会自动生成
• --sink-uri：同步任务下游地址，需按照下面格式配置，目前 scheme 支持 mysql/tidb/kafka/pulsar：
• [scheme]://[userinfo@][host]:[port][/path]?[query_parameters]
• --sort-engine：指定 changefeed 使用的排序引擎。因 TiDB 和 TiKV 使用分布式架构，TiCDC 需要对数据变更记录进行排序后才能输出。该项支持 unified（默认）/memory/file：
• unified：优先使用内存排序，内存不足时则自动使用硬盘暂存数据。该选项默认开启。
• memory：在内存中进行排序。 不建议使用，同步大量数据时易引发 OOM。
• file：完全使用磁盘暂存数据。已经弃用，不建议在任何情况使用。
• 其他包括：--start-ts、--target-ts、--config配置，具体可参考官网，这里不过多介绍，本次同步任务也未用到。

实际同步到下游配置，是通过sink-uri决定，这里再简单说明下sink-uri中参数含义，在这次创建的任务中--sink-uri参数内容如下：

--sink-uri="kafka://172.24.255.55:9092/test-topic?protocol=open-protocol&kafka-version=3.1.0&partition-num=1&max-message-bytes=67108864&replication-factor=1"

• 除了上面这些配置，另外还有加密等配置，这里没有使用加密方式。

另外，OMS 社区版仅支持 TiCDC Open Protocol，不支持其它协议，因此在sink-uri中指定protocol时，必须制定protocol=open-protocol

在以上创建完成之后，在TiDB中创建表并插入数据

MySQL [test]> create table test_table(id int primary key, name varchar(20));
Query OK, 0 rows affected (0.08 sec)

MySQL [test]> show tables;
+----------------+
| Tables_in_test |
+----------------+
| test_table     |
+----------------+
1 row in set (0.00 sec)

MySQL [test]> insert into test_table values(1,'OceanBase');
Query OK, 1 row affected (0.00 sec)

可以在Kafka中看到增量信息

[root@OB3 kafka]# ./bin/kafka-console-consumer.sh --bootstrap-server 172.24.255.55:9092 --topic test-topic
Q{"q":"CREATE TABLE `test_table` (`id` INT PRIMARY KEY,`name` VARCHAR(20))","t":3}
Q{"u":{"id":{"t":3,"h":true,"f":11,"v":1},"name":{"t":15,"f":64,"v":"OceanBase"}}}

OMS创建数据源

OMS上创建数据源时，需要创建两个数据源，一个是Kafka的，一个是TiDB的，在配置TiDB数据源时，需要关联Kafka数据源，因此这里先创建Kafka数据源。

Kafka数据源

进入到OMS数据源管理页面，新建数据源，选择Kakfa数据源，因为这里未使用SSL和认证，所以取消勾选，填写完成之后测试连接，连接成功之后确定即可添加成功。

TiDB数据源

同样进入到新建数据源页面，选择TiDB数据源，填写对应的信息，同时绑定Kafka，然后关联上一步创建的Kafka即可，选择创建好的test-topic，然后进行连接测试，测试成功之后确定即可添加TiDB数据源

OceanBase数据源

方式基本相同

OMS创建迁移任务

在OMS数据迁移页面，点击创建迁移项目，输入项目名称，源和目标之后，点击下一步

根据需求选择同步任务配置，这里勾选结构迁移、全量迁移、增量同步（Insert、Update、Delete）以及全量校验，注意这里不支持DDL同步，然后点击下一步

选择要同步的对象，这里可以直接指定对象，也可以选择匹配规则。我直接用了匹配规则，test库下所有对象都同步，然后点击校验，预览对象，因为目前TiDB的test库下只有test_table这张表，因此可以看到最终对象这里只显示了test_table，然后继续点击下一步

配置迁移选项，这里选择同步和校验的速率，速率越高，对资源的消耗越大。另外有高级配置中，目标端表对象存在记录时处理策略，以及是否允许索引后置，索引后置指OMS在完成对应表全量数据迁移、同步后创建非唯一键的索引，配置完成之后，进行预检查

预检查如果失败，需要检查失败原因，另外对于一些告警，也建议进行修复下，然后再开始同步任务。确认无误之后启动项目即可。

任务启动之后，会先进行全量迁移，即将原表中已有数据先迁移过来，完成之后会继续执行增量同步任务。

同步测试

在TiDB端执行insert、update、delete操作，可以看到在OceanBase端同步成功。

另外在OMS上可以看到变更的统计信息