SqlServer 变更数据捕获（CDC）

变更数据捕获（Change Data Capture ，简称 CDC）记录 SQL Server 表的插入、更新和删除活动。使用变更数据捕获可以更有效跟踪表对象DML历史操作，对 ETL 等数据转移也非常有用。

变更数据捕获适用版本：

SQL Server 2008 以上的 Enterprise Edition、Developer Edition 和 Evaluation Edition 

变更数据捕获原理：

变更数据捕获的更改数据源为 SQL Server 事务日志。当对表启用变更数据捕获时，系统将生成一个与该表结构类似的副本。当对源表进行插入、更新和删除 时，在事务日志会记录相关操作信息。变更数据捕获代理使用异步进程读取事务日志，将相关操作结果应用到副本表（捕获实例表）中，这样就完成了对源表操作的记录跟踪。

变更数据捕获实例：

在数据库 MyDatabase 中创建测试表：

--	创建测试表
USE MyDatabase
GO
CREATE TABLE CDC_Test
(
	id int not null,
	name varchar(50) not null,
	insertDate datetime not null,
	value numeric(14,4) not null
)
GO

ALTER TABLE CDC_Test 
ADD CONSTRAINT PK_CDC_Test PRIMARY KEY CLUSTERED (id)
GO

CREATE NONCLUSTERED INDEX IX_CDC_Test_NAME ON CDC_Test(name)
GO

CREATE UNIQUE NONCLUSTERED INDEX IX_CDC_Test_insertDate ON CDC_Test(insertDate)
GO

查看数据库或表是否启用了cdc：

--	查看数据库是否启用cdc
SELECT name,is_cdc_enabled FROM sys.databases WHERE is_cdc_enabled = 1


--	查看当前数据库表是否启用cdc
SELECT name,is_tracked_by_cdc FROM sys.tables WHERE is_tracked_by_cdc = 1

对当前数据库启用cdc ：

--	对当前数据库启用cdc
USE MyDatabase
GO
EXECUTE sys.sp_cdc_enable_db;
GO

可能出现以下错误及解决办法：

/*
消息 22830，级别 16，状态 1，过程 sp_cdc_enable_db_internal，第 186 行
无法更新元数据来指示已对数据库 MyDatabase 启用了变更数据捕获。执行命令 'SetCDCTracked(Value = 1)' 时失败。
返回的错误为 15404: '无法获取有关 Windows NT 组/用户 'KK\administrator' 的信息，错误代码 0x54b。'。
请使用此操作和错误来确定失败的原因并重新提交请求。
消息 266，级别 16，状态 2，过程 sp_cdc_enable_db_internal，第 0 行
EXECUTE 后的事务计数指示 BEGIN 和 COMMIT 语句的数目不匹配。上一计数 = 0，当前计数 = 1。
消息 266，级别 16，状态 2，过程 sp_cdc_enable_db，第 0 行
EXECUTE 后的事务计数指示 BEGIN 和 COMMIT 语句的数目不匹配。上一计数 = 0，当前计数 = 1。
消息 3998，级别 16，状态 1，第 1 行
在批处理结束时检测到不可提交的事务。该事务将回滚。
*/

--	原因是数据库所有者为Windows用户，改为“sa”

EXEC dbo.sp_changedbowner @loginame = N'sa', @map = false
GO

--依赖别名已删除

启动数据库cdc后，接着对指定源表启用 cdc ：

--	接着对指定源表启用cdc
EXEC sys.sp_cdc_enable_table 
@source_schema= 'dbo',		--源表架构
@source_name = 'CDC_Test',	--源表
@role_name = 'CDC_Role'		--角色（将自动创建）
GO

--作业 'cdc.MyDatabase_capture' 已成功启动。
--作业 'cdc.MyDatabase_cleanup' 已成功启动。

创建完成后，将看到数据库中创建了以下对象：

--	也可以使用脚本查看跟踪表的信息
EXEC sys.sp_cdc_help_change_data_capture
GO
EXEC sys.sp_cdc_help_change_data_capture 'dbo', 'CDC_Test'
GO

下面介绍系统表中，各表的主要信息：

【cdc.captured_columns】

select * from cdc.captured_columns

每个启用变更数据库捕获的表,其已跟踪的列都可在该系统表中查看（参考： cdc.captured_columns ）

EXEC sys.sp_cdc_get_captured_columns N'dbo_CDC_Test';

建议使用该存储过程返回列的元数据信息 （参考：sys.sp_cdc_get_captured_columns ）

【cdc.change_tables】

select *fromcdc.change_tables

每对一个源表启用变更数据捕获时,该表都会记录其实例表的详细信息（参考：cdc.change_tables）

 

EXEC sys.sp_cdc_help_change_data_capture

EXEC sys.sp_cdc_help_change_data_capture @source_schema='dbo',@source_name='CDC_Test'

最多可为每个源表返回两行，为每个捕获实例返回一行 （参考：sys.sp_cdc_help_change_data_capture）

【cdc.index_columns】

select *fromcdc.index_columns

对源表中的主键列或者启用变更数据捕获时指定的唯一索引列(指定索引优于主键)记录一行，变更数据捕获使用这些索引列来唯一标识源表中的行。默认情况下，将包括源表的主键列。（参考：cdc.index_columns）

EXEC sys.sp_cdc_help_change_data_capture @source_schema = 'dbo' ,@source_name = 'CDC_Test'

或者使用该存储过程查看（如上图）

【cdc.ddl_history】

select *fromcdc.ddl_history

针对启用了变更数据捕获的表所做的每一数据定义语言(DDL)更改返回一行。可以使用此表来确定源表发生DDL更改的时间以及更改的内容。（参考：cdc.ddl_history）

EXEC sys.sp_cdc_get_ddl_history @capture_instance='dbo_CDC_Test'

--测试 DDL 操作后再查看
ALTER TABLE CDC_Test ADD info VARCHAR(20)
ALTER TABLE CDC_Test DROP COLUMN info

【cdc.<capture_instance>_CT】

select *fromcdc.dbo_CDC_Test_CT

捕获实例表：这是最重要的表，该表就是记录源表的所有DML操作记录。每个表对应一个实例表，命名方式为“架构名_表名_CT”

应用于源表的每个插入或删除操作在更改表中各占一行。插入操作生成的行的数据列包含插入后的列值。删除操作生成的行的数据列包含删除前的列值。更新操作需要两行数据：一行用于标识更新前的列值，另一行用于标识更新后的列值。

现在对源表进行插入、更新、删除后，查看该跟踪实例表：

--	进行相关操作
insert into CDC_Test(id,name,insertDate,value)
select 1,'kk',GETDATE(),55
go
update CDC_Test set name = 'hh',value = 50 where  name = 'kk'
go
delete from CDC_Test where id = 1
go

select * from cdc.dbo_CDC_Test_CT

__$start_lsn ： 与相应更改的提交事务关联的日志序列号 (LSN)

__$end_lsn ： （在 SQL Server 2008中，此列始终为 NULL）

__$seqval ：对事务内的行更改顺序

__$operation ：源表DML操作

1 = 删除

2 = 插入

3 = 更新（旧值）

4 = 更新（新值）

__$update_mask ：基于更改表的列序号的位掩码，用于标识那些发生更改的列

再测试 DDL 对更改表的影响：

--	进行相关操作
INSERT INTO CDC_Test(id,name,insertDate,value)SELECT 2,'mm',GETDATE(),0

ALTER TABLE CDC_Test ADD info VARCHAR(20)--添加1新列

INSERT INTO CDC_Test(id,name,insertDate,value) SELECT 2,'mm',GETDATE(),0

ALTER TABLE CDC_Test DROP COLUMN value--删除1列

INSERT INTO CDC_Test(id,name,insertDate) SELECT 3,'hh',GETDATE()


SELECT * FROM cdc.dbo_CDC_Test_CT	--查看更改表

结果总结：

1. 新添加的列（如 info），在更改表中不会添加。但仍可进行跟踪记录操作，只是不在表cdc.captured_columns 中的列则不跟踪记录。

2. 删除了列（如 value），更改表中则标识为null 。即时再添加创建原来的字段，也无效。

增加或者删除一列后，没有记录跟踪，这种情况增么办？

一种方法是：

1. 增删某字段

2. 再对同一个表启用另一个变更数据捕获（新的变更表为源表当前的结构）

3.再根据 ID/时间/唯一键 等从新的跟踪表取数据（非实时获取数据情况，如定期转移数据等）

4. 如觉得每次调用都更改表名，可以使用视图，调用视图查询更改表，视图只要更改对应的表就行。

捕获实例表中的一些约束：

Timestamp/ rowversion  列的数据类型被定义为 binary(8)

 Identity  列的数据类型被定义为 int 或 bigint

 对于 LOB 数据类型 varchar(max)、nvarchar(max)、varbinary(max)、image、text、ntext 和 xml，如果LOB列被更新，则在捕获表才记录更新前的值，否则（即时更新其他列）更新前的值为null。这样节省了空间。
 
Truncate table 将无法对启用跟踪的表使用
 
SWITCH PARTITION  部分行将不会被捕获

【cdc.lsn_time_mapping】

select * from cdc.lsn_time_mapping

当捕获进程提交每批新的更改数据时，将在该表中为每个具有更改表项的事务添加新的项（参考：cdc.lsn_time_mapping）

建议执行 sys.fn_cdc_map_lsn_to_time和sys.fn_cdc_map_time_to_lsn系统函数

结合 cdc.fn_cdc_get_all_changes_<capture_instance> 和cdc.fn_cdc_get_net_changes_<capture_instance>，可获取一段范围内的数据变化情况。

DECLARE @begin_time datetime, @end_time datetime, @begin_lsn binary(10), @end_lsn binary(10);
SET @begin_time = '2015-05-16 00:00:00.000';
SET @end_time = '2015-05-17 00:00:00.000';
SELECT @begin_lsn = sys.fn_cdc_map_time_to_lsn('smallest greater than or equal', @begin_time);
SELECT @end_lsn = sys.fn_cdc_map_time_to_lsn('largest less than', @end_time);
--SELECT @begin_lsn,@end_lsn
SELECT * FROM cdc.fn_cdc_get_all_changes_dbo_CDC_Test( @begin_lsn , @end_lsn , 'all update old' )
SELECT * FROM cdc.fn_cdc_get_all_changes_dbo_CDC_Test( @begin_lsn , @end_lsn , 'all' )
SELECT * FROM cdc.fn_cdc_get_net_changes_dbo_CDC_Test( @begin_lsn , @end_lsn , 'all' )

些统计信息：参考 管理和监视变更数据捕获 (SQL Server)

--如果有连续的空结果集（例如，当捕获作业正在连续运行时），则最后一个现有行中的 empty_scan_count 将递增

--	为变更数据捕获日志扫描会话中遇到的每个错误返回一行
select * from sys.dm_cdc_errors 

--	针对当前数据库中的每个日志扫描会话返回一行。返回的最后一行表示当前会话。
select * from sys.dm_cdc_log_scan_sessions

--	空扫描的会话
SELECT * from sys.dm_cdc_log_scan_sessions where empty_scan_count <> 0

--	返回最近进行的会话的平均滞后时间
SELECT latency FROM sys.dm_cdc_log_scan_sessions WHERE session_id = 0

--	返回最近会话的平均吞吐量
SELECT command_count/duration AS [Throughput] FROM sys.dm_cdc_log_scan_sessions WHERE session_id = 0

--	查看捕获作业或清除作业的信息
--	SELECT * FROM msdb.dbo.sysjobs
SELECT * FROM msdb.dbo.cdc_jobs

EXEC sys.sp_cdc_help_jobs

对作业的更改 (参考 sys.sp_cdc_change_job)

--对作业的更改
EXEC sys.sp_cdc_change_job 
 @job_type = 'capture'
 ,@maxtrans = 1000		--每个扫描循环可以处理的最多事务数
 ,@maxscans = 10		--为了从日志中提取所有行而要执行的最大扫描循环次数
 ,@continuous = 1		--连续运行最多处理(max_trans * max_scans) 个事务
 ,@pollinginterval = 5


EXEC sys.sp_cdc_change_job 
 @job_type = 'cleanup'
 ,@retention = 4320		--更改行将在更改表中保留的分钟数
 ,@threshold = 5000		--清除时可以使用一条语句删除的删除项的最大数量



 --更改后需重启作业
EXEC sys.sp_cdc_stop_job @job_type = N'capture';
EXEC sys.sp_cdc_stop_job @job_type = N'capture';

EXEC sys.sp_cdc_start_job @job_type = N'cleanup';
EXEC sys.sp_cdc_start_job @job_type = N'cleanup';

在可更新订阅的复制中，跟踪表记录有些不同：

在发布启用cdc：
若创建了发布，则cdc的capture作业将不创建，共同使用日志读取器代理（使用sp_replcmds 读取日志）

在发布库更新一行记录，则在跟踪表记录6行（更新了3次）
在订阅库更新一行记录，同步到发布，则在跟踪表记录2行（更新1次）


在订阅启用cdc：

在发布库更新一行记录，同步到订阅，则在跟踪表记录6行（更新了3次）
在订阅库更新一行记录，则在跟踪表记录4行（更新2次）



主要原因是：可更新订阅的校验列 msrepl_tran_version 更新多次。

最后一项，禁用（删除）变更数据捕获：

--	对表禁用变更数据捕获
USE MyDatabase;
GO

EXEC sys.sp_cdc_disable_table
@source_schema = N'dbo',
@source_name   = N'CDC_Test',
@capture_instance = N'dbo_CDC_Test'
GO


--	对数据库禁用变更数据捕获
USE MyDatabase;
GO
EXECUTE sys.sp_cdc_disable_db;
GO

--执行完成后,相关的表、函数、用户、角色、架构、作业都会完全删除！

参考： 变更数据捕获