感謝導語：數據集成產品是數據中臺建設得第壹環節，在構建數據中臺或大數據系統時，首先要將企業內部各個業務系統得數據實現互聯互通，從物理上打破數據孤島。感謝對數據集成產品進行了分析，一起來看一下吧。

數據集成產品致力于異構數據源之間得數據交換與匯聚，該類產品是數據中臺建設得第壹環節，筆者將通過兩篇文章對數據集成產品進行分析。

數據同步，又稱為數據集成、數據遷移，主要用于實現不同系統間得數據流轉。

為什么會有數據同步這類產品？

在企業中，業務得快速發展產生了大量數據，也催生出多種應用系統，各系統承載不同類型得數據，對應著不同得數據存儲方式。

而對于構建數據中臺或大數據系統，首先需要將企業內部各個業務系統得數據實現互聯互通，從物理上打破數據孤島，而這主要通過數據匯聚和同步得能力來實現。

數據同步方式有多種：API接口同步、數據文件同步和數據庫日志解析同步，適用于不同得業務場景。

本次分享得數據同步是基于數據庫日志解析得方式實現，其主要應用場景是：數據從業務系統同步到數倉，和數據從數倉同步到數據應用兩個方面。

一、數據集成產品簡介1. 產品介紹

數據同步致力于保證數據在不同數據源之間被高效準確地遷移。根據數據時效性要求和應用場景，數據同步可分為離線同步和實時同步：

1）離線同步

主要用于大批量數據得周期性遷移，對時效性要求不高，一般采用分布式批量數據同步方式，通過連接讀取數據，讀取數據過程中可以有全量、增量方式，經過統一處理后寫入目標存儲。

成熟得產品有：Sqoop、DataX、kettle等。

2）實時同步

針對數據時效性要求高得場景，其將源端數據得變化實時同步到目標端數據源中，保證源端數據與目標端數據實時保持一致，就可滿足業務實時查詢分析使用數據或實時計算等需求。

成熟得產品有：Canal、otter等。

在實際業務場景中，離線同步和實時同步搭配使用，為保證已有得數據表在目標端數據源中可用，會使用離線同步將該表得歷史數據全量遷移到目標端數據源中，對于增量數據則通過實時集成來增量遷移。

2. 核心流程

數據集成得實現有三個關鍵步驟：數據讀取、數據轉換（映射）、數據寫入，核心流程如下圖所示：

具體流程為：數據集成從源端數據源中讀取數據，按照建好得映射關系及轉換規則，將數據寫入到目標數據源中。其中：

配置源端數據源和目標端數據源，用于連接數據源，獲取數據源得讀、寫權限等建立映射關系：源端數據源中數據表及字段對應到目標端數據源中得哪張表和字段。建立映射關系后，數據集成根據映射關系，將源端數據寫入到對應得目標端數據數據轉換規則：數據寫入時，可能有不同數據格式轉換，敏感數據脫敏展示、無用字段過濾、null值處理等需求，可以制定相應得數據轉換規則來實現數據傳輸通道：可配置任務并發數、數據連接數等任務參數，達到數據集成得任務被高效穩定執行等目得

基于上述流程，數據集成產品得核心功能一般會包含以下4個：

數據集成平臺在進行異構數據源之間得數據遷移時，需要保證遷移任務被高效完成，被遷入目標端數據源得數據是準確可靠得、實時得，數據傳輸過程是安全得等，這是用戶核心點，也是期望平臺達到得目標。

3. 其他大數據產品得聯系和區別

在構建數據倉庫得場景中，數據加載到數倉后，隨后進行數據加工和數據應用，其中涉及得3類大數據產品如下：

1）數據集成：面向數據匯聚與交換

產品流程：配置數據源—創建同步任務—配置調度任務。

核心任務：ETL、校驗、補數、合并。

2）數據加工：面向數據分析

產品流程：創建表—編寫加工邏輯（insert）—配置調度任務。

數據加工方式：離線計算、實時計算、機器學習等。

3）任務調度：工作流編排

產品流程：創建任務節點—配置節點依賴關系—提交并執行。

任務調度：任務執行、任務調度與運維。

聯系：

數據集成和數據加工都是數據生命周期中得一環數據集成任務和數據加工任務其實就是任務調度中得任務節點job，任務調度保證數據被順序采集和加工出來

以用戶畫像分析為例，oss_數據同步和rds_數據同步兩個節點是數據集成任務節點，ods_log_info_d、dws_user_info_all_d、rpy_user_info_d三個節點是數據加工任務節點，繪制各節點間得連線即工作流編排。

提交并執行畫布中得流程節點，數據就會按照箭頭方向執行各節點，產出最終結果。

區別：數據集成和數據加工都基于任務執行和調度實現，兩者雖然都是ETL，但是各自得重點并不相同。

①核心動作

數據集成核心動作是抽數（讀、寫、轉換），也就是數據交換，轉換動作也只是簡單得數據清洗。

數據加工得核心動作是計算邏輯/清洗等加工規則得編寫，加工規則復雜。

②核心目標

數據集成得核心目標，是保證數據被高效準確地遷移到目標端數據源。

數據加工得核心目標，是加工規則編寫準確“翻譯”業務需求。

二、數據集成產品流程

離線集成與實時集成在實際運行中，得側重點是不同得，對于離線集成，面對得是批數據，更多考慮大規模數據量得遷移效率問題；對于實時集成，面對得是流數據，更多考慮數據準確性問題。

數據同步中一般采用先全量在增量得方式來進行數據得遷移，即先將歷史數據全量遷移到目標數據源，完成初始化動作，在進行增量數據得實時同步，這樣保證目標端數據得可用性。當然也有不care歷史數據得場景，此時就無需進行全量遷移得動作。

1. 實時集成

我們主要采用基于日志得CDC方式來實現增量數據得實時同步，CDC即change data capture，捕獲數據得變化。

實時集成通過讀取源端數據庫日志bin_log來捕獲數據得變化情況（insert、update、delete），將其傳輸到kafka topic中，然后通過spark streaming對數據進行轉換/清洗，寫入到stg增量表中，最后將增量數據與全量數據合并到數倉ods表中。

由于數據庫日志抽取一般是獲取所有得數據記錄得變更（增、刪、改），落到目標表時，需要根據主鍵去重，并按照日志時間倒序排列獲取最后狀態得變化情況。

具體得實時集成任務執行邏輯及流程如下所示：

實時集成有以下特點：

源端數據庫產生一條記錄，數據集成實時同步一條記錄流數據在數據傳輸過程中可能會被丟失或延遲

故相較于離線集成，在數據同步鏈路上，實時集成會增加數據校驗和數據合并兩個動作。

數據校驗主要校驗源端和目標端得數據量，保證數據沒有被丟失數據合并則是由ods庫base表和cdc目標庫increment表組成，具體邏輯為：將stg數據按主鍵去重，取最新一條，根據主鍵與ods數據表中得T+1數據合并2. 離線集成

離線集成分為全量和增量兩種方式對大規模數據進行批量遷移。

全量遷移是將某些表得全部歷史數據同步到目標數據源中增量遷移，通常需要使用where子句（RDB）或者query子句（MongoDB）等增量配置參數，同時在結合調度參數（定時任務得重復周期：分鐘、小時、天、周、月等）可實現增量遷移任意指定日期內得數據。

比如，想要實現每日數據得增量同步，各參數可配置為：

Where子句：配置為DS=’${dateformat(yyyy-MM-dd,-1,DAY)}’，配置定時任務：重復周期為1天，每天得凌晨0點自動執行作業

增量遷移得數據可以對目標端數據源表中數據進行追加、覆蓋和更新操作。

：細嗅薔薇，：零號產品er

感謝由 等細嗅薔薇 來自互聯網發布于人人都是產品經理，未經許可，禁止感謝

題圖來自 Unsplash，基于 CC0 協議