一个数据开发人员使用的辅助工具

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：

$gitclonehttps://github.com/somenzz/database-sync.git
$cddatabase-sync
$docker-composeup-d
Creatingdatabase-sync_postgres_1...done
Creatingdatabase-sync_app_1...done
Creatingdatabase-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：

dockerexec-idatabase-sync_app_1java-jardatabase-sync-1.3.jarmysql_testtestdbsomenzz_userspostgres_testpublicusers--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-syncgit:(master)✗dockerexec-itdatabase-sync_app_1/bin/bash
root@063b1dc76fe1:/app#ls
configdatabase-sync-1.3.jarliblogs
root@063b1dc76fe1:/app#java-jardatabase-sync-1.3.jarmysql_testtestdbsomenzz_userspostgres_testpublicusers-sd

2. 增量复制：

root@063b1dc76fe1:/app#java-jardatabase-sync-1.3.jarmysql_testtestdbsomenzz_userspostgres_testpubliczz_users"create_at>='2018-01-09'"

3. 指定字段：

root@063b1dc76fe1:/app#java-jardatabase-sync-1.3.jarmysql_testtestdbsomenzz_userspostgres_testpubliczz_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：

gitclonehttps://gitee.com/somenzz/database-sync.git
cddatabase-sync
mvnpackage

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
total48
drwxr-xr-x2aaronaaron4096Apr232020lib
-rwxrw-r--1aaronaaron157Jun232020run.sh
drwxrwxr-x2aaronaaron4096Jul32020logs
-rw-rw-r--1aaronaaron24773Mar162021database-sync-1.3.jar
drwxr-xr-x7aaronaaron4096Aug32020jdk1.8.0_231
drwxrwxr-x2aaronaaron4096Feb1917:07config

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)➜targetgit:(master)✗java-jardatabase-sync-1.3.jar-h
Usage:
java-jardatabase-sync-1.0.jar[options]{fromDB}{fromSchema}{fromTable}{toDB}{toSchema}{toTable}[whereClause]
options:
-vor--version:printversionthenexit
-hor--help:printhelpinfothenexit
-sdor--sync-ddl:autosynchronizetablestructure
-ff=col1,col2or--from-fields=col1,col2:specifyfromfields
-tf=col3,col4or--to-fields=col3,col4:specifytofields
--no-featureor-nf:willnotusedatabase'sfeature

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)\ntablespacehdfs\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。