将PostgreSQL的数据实时同步到Doris的技巧分享

2024.04.27

如何将PostgreSQL的数据实时同步到Doris？
步骤一：录入源和目标数据源
步骤二：配置同步链路
步骤三（可选）：校验目标端同步数据的完整性
步骤四（可选）：配置任务异常告警
总结

    PostgreSQL可以说是目前比较抢手的关系型数据库了，除了兼具多样功能和强大性能之外，还具备非常优秀的可扩展性，更重要的是它还开源，能火不是没有理由的。
    虽然PostgreSQL很强大，但是它也有短板，相对于专业的数据分析产品，大致上有下面几点不足：

PostgreSQL本身不太适合用于实时数据分析，尽管PostgreSQL具备扩展能力以支持相应能力，但是在处理大量实时数据时性能可能不会非常理想。
作为一个业务系统，PostgreSQL中历史数据的堆积会严重影响数据库的性能，同时大幅增加存储成本，也是一个不得不解决的问题。

    而 Doris 就是一个专业的数据分析产品，它是一个实时数仓，海量数据下以亚秒级的速度返回查询结果，同时支持高并发点查询以及高吞吐复杂分析场景，非常适用于实时数据的分析与查询。
    因此，我们可以选择Doris搭配PostgreSQL使用，这样就可以相对完美地弥补PostgreSQL的短板。
    太棒了~ 目标定下了，那么问题来了...
    如何将PostgreSQL的数据实时同步到Doris？
    众所周知，在两个毫不相干的数据管理系统之间进行数据同步，特别是实时同步，其复杂程度足以让高级DBA脑瓜疼。因为有几个不得不解决的问题：
    表的初始化：在同步数据之前，需要手动在Doris端创建和源端一致的表结构，然后才能从源端接收数据。当源端有大量表且表结构很复杂的情况下，是不是想亖的心都有？
    数据结构的映射：两者数据结构不同，怎么确保数据从源端同步过来后的完整性？除非你对两者的数据模型的理解非常极致，且保证绝对不出错，才能达到理想的结果。
    实时同步的速率：通过Doris进行数据实时分析的大前提是，当前Doris中的数据必须是最新的，即和源端的PostgreSQL完全一致，分析结果才有意义。要保证这一点，可不是一个轻松的工作。
    源端DDL语句的联动：最痛的一个点，如何保证源端的数据结构发生变化时，同步链路不中断？那就需要实时捕获源端PostgreSQL的DDL变更，并及时在目标端的Doris中同步执行。
    这些问题如果可以顺利解决，那实时同步工作将会相当丝滑。那么如何解决呢？方法自然是有的，而且丝毫不费力。对于上述 4 个问题，NineData有绝对的发言权，我们先来看看它的特性：
    结构复制：基于目标端数据源的特性，自动高效地完成表的创建、数据结构的映射等工作。
    复制性能：基于动态攒批、并行复制、Stream Load等技术，复制性能轻松达到200MB/S。
    DDL捕获与执行：实时检测源端中的DDL操作，并同步在目标端中执行，保证其他业务变更能够稳定地进行。
    轻松解决且非常愉快，下面来看看怎么操作。
    步骤一：录入源和目标数据源
    登录 NineData 控制台，单击数据源管理>数据源，然后在页面中单击创建数据源，选择需要录入的数据源。

根据页面提示进行配置，然后单击创建数据源完成创建。

    步骤二：配置同步链路
    登录NineData控制台，单击数据复制>数据复制，然后单击创建复制。

根据页面提示配置复制任务，由于我们想要实现长期的实时数据同步，需要在复制类型处额外勾选增量复制。

配置完成后启动任务，针对您配置的所有同步对象，NineData会先对所有的存量数据进行全量迁移，接下来就是实时同步PostgreSQL中新增的增量数据，所有新写入的数据都将一条不漏地同步到Doris，每当目标端的增量数据追平源端时，任务面板中会显示延迟 0 秒，如下图所示。

    步骤三（可选）：校验目标端同步数据的完整性
    除了同步功能以外，NineData 还提供了同步后源端和目标端同步数据的对比功能，以确保目标端数据的完整性。
    登录NineData控制台，单击数据复制>数据复制，然后单击步骤二中创建的复制任务 ID。

单击数据对比页签，并单击开启数据对比（如果步骤二的任务配置中已勾选开启数据一致性对比，则此处直接展示对比结果）。

    提示
    开启后，系统将自动对比源端和目标端的同步对象，并给出对比结果。

您可以在一段时间后，单击页面中的重新对比，校验最新增量数据的同步结果。

    步骤四（可选）：配置任务异常告警
    由于是长期任务，您可能需要系统实时监控任务状态，在任务有异常时即刻通知您。
    登录NineData控制台，单击数据复制>数据复制，然后单击步骤二中创建的复制任务 ID。

单击右上角的配置告警。

输入策略名称，单击保存配置即可。您可以直接使用内置的默认规则，在任务运行失败，或复制延迟大于等于 10 分钟的时候，发送短信提醒您。您也可以自定义创建规则，根据您的需求来进行通知。

总结
至此，您已经得到了一条长期稳定的 PostgreSQL 到 Doris 的实时同步链路，对于需要使用 Doris 实时分析业务数据的用户来说，这样的链路不可或缺。同时，在把存量的旧数据同步至 Doris 后，就可以在 PostgreSQL 端进行旧数据清理，空出存储空间，特别是对于使用云上资源的企业来说，云资源是较为昂贵的，这样做可以极大程度上降低存储成本，转而投入到更为重要的业务中。