数据加载及集成
1、数据加载
GBase 8a MPP Cluster中,集群加载功能直接集成在GBase 8a MPP Cluster内部,不需要额外部署外部加载工具。
数据加载具备如下一些特性和优点:
1)与集群高度集成;
2)面向用户的SQL接口方式更符合用户的使用习惯;
3)支持单表多数据源并行加载,支持多加载机对单表的并行加载,最大化提升加载性能;
4)支持从通用数据服务器拉取数据,支持ftp/http/hdfs/Kafka/sftp/https等多种文件传输协议;
5)支持普通文本、gzip压缩、snappy压缩、lzo压缩等多种格式数据文件;
6)支持普通文本、定长文本、宽松模式的加载;
7)支持错误数据溯源功能,可以准确定位错误数据在源文件中的位置;
8)加载性能可以随着集群规模的扩展而持续提升。
2、kafka数据集成
数据同步系统通过Oracle Golden Gate(OGG)、GBase RTSync等工具复制Oracle、GBase 8s等数据库的业务数据,通过kafka同步到GBase 8a MPP Cluster,为了应对业务系统可能的峰值,在系统中加入Kafka消息队列作为缓冲区。总体流程如下:
图 4‑1 处理流程
OGG发送端(GoldenGate Extract)从Oracle的在线日志和归档日志中抽取事务信息,生成Trail文件。OGG接收端(GoldenGate Replicat)收到Trail文件抽取事务信息转换为目标格式,并生产事务消息到Kafka。Consumer从Kafka中消费事务消息,将数据更新到8a MPP Cluster中。
Kafka consumer的主要功能就是同步Kafka数据到8a MPP Cluster:
- 根据配置,可以指定需要同步的业务;
- 在同步过程中,提供同步状态查询功能;
- 实现数据同步的高可用性和事务数据一致性。