关系数据库数据入湖的场景及方案总结

        关系数据库的数据入湖，有多种场景、多种工具、多种入湖时效要求等，本文梳理相关场景，以及对应的建议方案。

        首先介绍下两种入湖工具：批量数据迁移工具（如CDM）和实时数据接入工具（如CDL）。

        批量数据迁移工具，可以一次全量、一次全量+批次增量的方式将数据从关系数据库的数据迁移到数据湖，往往入湖时效性（从数据产生到数据进入数据湖贴源层）在10多分钟或更长，如15分钟左右，取决于批次增量迁移任务的时间间隔。以下是批量数据迁移工具（CDM）的功能架构图：

        实时数据接入工具（如CDL），可以实时捕获关系数据库的binlog日志，保存在消息队列如Kafka，并支持实时解析binlog日志生成增删改命令来操作数据湖的数据记录，实现关系数据库的数据实时入湖，入湖时效性在秒级或分钟级，一般小于15分钟。以下是实时数据接入工具（CDL）的功能架构图：

场景1：关系数据库有存量历史数据，无实时产生的新数据
方案：
    1、入湖工具：批量数据迁移工具（如CDM）
    2、入湖方式：整表迁移，示意如下：

    3、入湖流程：
        3.1、使用入湖工具，配置关系数据库作为源端，配置HDFS/Hive的目录作为目的端；
        3.2、用入湖工具启动入湖作业，关系数据库-》HDFS目录（数据湖贴源层）。

场景2：关系数据库初始无数据，在建立入湖流程后，关系数据库才开放数据写入
方案：
    前置条件：关系数据库打开binlog日志开关。
    1、入湖工具：实时数据接入工具（如CDL）
    2、入湖方式：实时增量数据入湖，示意如下：

    3、入湖流程：
        3.1、使用入湖工具，配置关系数据库作为源端，配置Hudi文件的目录作为目的端；
        3.2、启动入湖工具运行；
        3.3、关系数据库的实时增量数据入湖；
            3.3.1、数据记录插入、修改、删除到关系数据库；
            3.3.2、关系数据库的数据变化日志被实时捕获到入湖工具；
            3.3.3、入湖工具解析日志，调用Hudi接口插入、修改、删除数据记录到Hudi文件的目录（数据湖贴源层）。

场景3：关系数据库有存量历史数据，且实时产生新数据，数据记录有时间标识字段
方案1：
    1、入湖工具：批量数据迁移工具（如CDM）
    2、入湖方式：首次存量历史数据入湖+持续批次增量数据入湖
    3、入湖时效：近实时（取决于批次调度周期）
    4、入湖流程：
        4.1、假设关系数据库实时产生稳定数量的新数据；
        4.2、使用入湖工具，配置关系数据库作为源端，配置HDFS/Hive的目录作为目的端；
        4.3、用入湖工具，启动存量数据入湖作业，其中Where过滤条件的时间标识字段从初始时间截止到当前时间；
        注：存量数据入湖作业运行时间较久，视存量历史数据量、网络带宽、入湖作业吞吐量等因素决定。在此期间，关系数据库由于不断接受新写入，累积较大量的新数据。
        4.4、持续批次启动增量数据入湖作业，其中Where过滤条件的时间标识字段从上一批次作业的截止时间到到当前时间；每批次迁移数据量逐步减少，批次之间的时间间隔逐步减小并趋向稳定，每批次作业所占用的计算资源也逐步减小并趋向稳定。示意如下：

方案2：
    前置条件：关系数据库打开binlog日志开关。
    1、入湖工具：批量数据迁移工具（如CDM）+ 实时数据接入工具（如CDL）
    2、入湖方式：首次存量历史数据入湖+持续批次增量数据入湖+实时增量数据入湖
    3、入湖时效：前两个阶段非实时，最后阶段进入实时
    4、入湖流程：
        4.1、假设关系数据库实时产生稳定数量的新数据；
        4.2、使用批量数据迁移工具，配置关系数据库作为源端，配置HDFS/Hive的目录作为目的端（表A，文件格式可能是CSV）；
        4.3、用批量数据迁移工具，启动存量数据入湖作业，其中Where过滤条件的时间标识字段从初始时间截止到当前时间；
        注：存量数据入湖作业运行时间较久，视存量历史数据量、网络带宽、入湖作业吞吐量等因素决定。在此期间，关系数据库由于不断接受新写入，累积较大量的新数据。
        4.4、持续批次启动增量数据入湖作业，其中Where过滤条件的时间标识字段从上一批次作业的截止时间到到当前时间；每批次迁移数据量逐步减少，批次之间的时间间隔逐步减小并趋向稳定，每批次作业所占用的计算资源也逐步减小并趋向稳定；
        4.5、某时间点Ts暂停关系数据库的数据写入，确保Ts之前的数据全部由批次作业迁移到了HDFS目录（数据湖贴源层）；
        4.6、停止批量数据迁移工具的批次作业。
        4.7、使用实时数据接入工具，配置关系数据库作为源端，配置Hudi文件的目录作为目的端（表B，文件格式是Hudi）；
        4.8、启动实时数据接入工具运行；
        4.9、此时Te关系数据库开放数据写入；
        4.10、关系数据库的实时增量数据入湖；
            4.10.1、关系数据库的数据变化日志被实时捕获到实时数据接入工具；
            4.10.2、实时数据接入工具解析日志，调用Hudi接口插入、修改、删除数据记录到Hudi文件的目录（数据湖贴源层）。示意如下：

场景4：关系数据库有存量历史数据，且实时产生新数据，数据记录无时间标识字段
方案：
    前置条件：关系数据库打开binlog日志开关。
    1、入湖工具：批量数据迁移工具（如CDM）+ 实时数据接入工具（如CDL）
    2、入湖方式：整表迁移+实时增量数据入湖
    3、入湖时效：最后阶段进入实时
    4、入湖流程：
        4.1、暂停关系数据库的数据写入；
        4.2、使用批量数据迁移工具，配置关系数据库作为源端，配置HDFS/Hive的目录作为目的端（表A，文件格式可能是CSV）；
        4.3、用批量数据迁移工具批量数据迁移工具启动入湖作业，关系数据库-》HDFS目录（数据湖贴源层）；
        4.4、以上存量数据迁移完成后，停止批量数据迁移工具的批次作业；
        4.5、使用实时数据接入工具，配置关系数据库作为源端，配置Hudi文件的目录作为目的端（表B，文件格式是Hudi）；
        4.6、启动实时数据接入工具运行；
        4.7、此时Te关系数据库开放数据写入；
        4.8、关系数据库的实时增量数据入湖；
        4.8.1、关系数据库的数据变化日志被实时捕获到实时数据接入工具；
        4.8.2、实时数据接入工具解析日志，调用Hudi接口插入、修改、删除数据记录到Hudi文件的目录（数据湖贴源层）。示意如下：