基于oracle的增量数据采集实现总结

• 项目打包方案

在“基于oracle的增量数据采集”一文中提出了基于触发器》物化视图》存储过程》java source》外部程序数据采集方案。本文初步对其进行了实现，利用maven-assembly-plugin进行打包，输出结构如下：bin、conf、lib，分别存放命令文件、配置文件、jar包，需注意在bin目录下命令文件中把conf、lib加入classpath中，详见start.bat、clear.bat

@echo off & setlocal enabledelayedexpansion

set LIB_JARS=""
cd ..\lib
for %%i in (*) do set LIB_JARS=!LIB_JARS!;..\lib\%%i
cd ..\bin

java -Xms64m -Xmx1024m -classpath ..\conf;%LIB_JARS% com.service.data.sync.oracle.producer.SyncDataEnv init
goto end

:end
pause

目前仅配置命令文件start.bat、clear.bat，start.bat：启动初始化数据同步环境(创建java source、存储过程、物化视图、触发器)，clear.bat：清除数据同步环境(删除java source、存储过程、物化视图、触发器)，clear.bat只需把上述命令中init替换为clear即可

maven-jar-plugin，也是一个maven打包插件，可加入lib依赖、指定启动类等。使用java -jar 【jar包】 【args】 命令启动，本项目使用assembly即可

• 需要注意事项

a、配置文件中指定需要同步的表，执行start.bat自动为每个表建立物化视图和触发器，已存在忽略
b、目前不支持二进制、单条数据过长，因为在触发器中拼接的数据类型为varchar2，限制4000；需要特殊处理，未验证
c、向外发布数据应采用异步发送方案，否则会影响业务库的数据提交。java source执行完，业务库中的事务方可提交成功，已验证
d、触发器创建在物化视图的原因在于，在表上建立触发器，未提交已触发。物化视图在未提交前存在物化视图日志中，不会触发
e、尽量减少jar的使用，避免oracle导入jar过多
f、检查是否安装OracleJVM，用sys用户执行"select * from dba_registry where comp_id='JAVAVM'"，没有记录表示未安装，用database configuration assistant安装java组件或者执行$ORACLE_HOME/javavm/install/initjvm.sql脚本
g、在初始化数据同步环境前需在oracle中添加java source所依赖的jar包，目前最简方案把本项目中AbstractSend、HttpUrlSend、SyncDataRunner三个类打包，添加到oracle中；仅使用HttpURLConnection向外发数据，不依赖任何java环*的jar，仅用于测试；正式环境应考虑使用其它异步发送方案，例如消息队列

loadjava -r -f -verbose -resolve -user username/password xxx.jar
loadjava -r -f -user username/password xxx.class
dropjava -r -f -user [option_list] file_list

该命令需要直接在数据库本机的命令行中执行，不能在plsql中执行

• 代码实现

package com.service.data.sync.oracle.producer.send;

/**
 * 把监控获取数据向外发送，
 * @author sheungxin
 *
 */
public abstract class AbstractSend {
	
	/**
	 * 发送消息
	 * @param message
	 */
	public void send(String message){
		beforeSend(message);
		exeSend(message);
		afterSend(message);
	}
	
	/**
	 * 发送消息前执行
	 * @param message
	 */
	private void beforeSend(String message){
		//do something
	}
	
	/**
	 * 实际发送消息实现类
	 * @param message
	 */
	public abstract boolean exeSend(String message);

	/**
	 * 发送消息后执行
	 * @param message
	 */
	private void afterSend(String message){
		//do something
	}
}

消息发送抽象类，把监控的数据变化信息发送出去，可在发送前后做一些操作

package com.service.data.sync.oracle.producer.send;

import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;

/**
 * 使用HttpURLConnection向外发送消息，GET方式，消息有长度限制，仅用于测试
 * @author sheungxin
 *
 */
public class HttpUrlSend extends AbstractSend{
	
	private static final String sendPath="http://192.168.19.99:8181/jeesite/f/list-7.html?params=";
			
	public boolean exeSend(String message){
		boolean flag=true;
		try{
			URL url = new URL(sendPath);
			HttpURLConnection conn = (HttpURLConnection) url.openConnection();
			conn.setRequestMethod("GET");
			conn.setDoInput(true);
			InputStream is = conn.getInputStream();
			is.close();
		}catch(Exception e){
			e.printStackTrace();
			flag=false;
		}
		return flag;
	}

}

本消息发送实现类仅用于测试，不建议使用。在注意事项中提到过，需改用异步发送机制，避免对业务库事物提交产生影响

package com.service.data.sync.oracle.producer;

import java.util.concurrent.BlockingQueue;
import java.util.concurrent.LinkedBlockingQueue;
import com.service.data.sync.oracle.producer.send.AbstractSend;
import com.service.data.sync.oracle.producer.send.HttpUrlSend;

/**
 * 数据同步执行类
 * @author sheungxin
 *
 */
public class SyncDataRunner {
	
	private static final BlockingQueue<String> taskQueue=new LinkedBlockingQueue<String>();
	
	/**
	 * 向队列中添加待发送的消息,队列满后返回false，LinkedBlockingQueue默认Integer.MAX_VALUE
	 * @param message
	 */
	public static boolean addTask(String message){
		return taskQueue.offer(message);
	}
	
	/**
	 * 消费队列中数据，向外发送消息
	 */
	public static void executeTask(){
		AbstractSend httpSend=new HttpUrlSend();
		while(true){
			String message;
			try {
				//堵塞获取待发送消息
				message = taskQueue.take();
				httpSend.send(message);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
		}
	}

}

数据同步实际操作类，仅提供两个方法，addTask用于把监控到的数据放入队列中，在oracle中的java source代码中调用；executeTask用于把队列中的消息向外发送，此处仅单线程向外发送，可考虑多线程，但需注意对oracle性能的影响。具体根据业务情况，单线程+MQ应该也可以满足业务需求。另外，消息存放在队列中，异常情况下有可能会丢失，需要针对可能发生的异常进行特殊处理

关于java代码操作java source、存储过程、物化视图、触发器，这里就不贴代码，主要介绍遇到的一些坑。
1、在创建触发器时，拼接数据需要用到:old、:new，分别为触发事件之前和之后的对象，一直报错，无法创建成功。但是把sql拷贝到plsql可正常执行，通过排除法定位是“:old、:new”引起的。直接使用的JDBC，替换PrepareStatement改用Statement后可以了，PrepareStatement会进行预编译，一直不通过
2、创建java source时，一直异常，也是拷贝到plsql中可成功执行。最后解决方案：Statement.setEscapeProcessing(false)，如果参数为true,则驱动程序在把SQL语句发给数据库前进行转义替换,否则让数据库自己处理

• 其它思路

add2ws 写道

用得着这么麻烦么，直接用kettle插入更新，配合oracle触发器省时省力

根据上述意见，调研了kettle的增量同步方案：
1、全量比对取增量
2、使用时间戳进行数据增量更新
3、使用触发器+快照表进行数据增量更新
方案1，全量比对性能肯定不佳；方案2，需要时间戳，原有业务库不一定支持；方案3，使用快照表记录数据变化情况。网上有部分方案提出：快照表仅记录修改、删除操作，定时删除目标表在快照表中有的数据，再复制源表中没有的数据。这样删除修改数据再添加，有些业务不可取。这样的好处我的理解是可以批量处理数据，若根据操作类型逐条处理效率过低。所以我们需要根据实际业务场景去均衡实时性、性能、一致性、复杂度等去制定方案。
所以上文中的实现方案即替换为：触发器+快照表+快照表扫描程序(也可考虑用kettle)，好处在于与数据库耦合度降低，但实时性、效率可能就差一些

以下这篇帖子对物化视图和ETL进行了讨论，适合自己即可，可以参考下：

引用

http://www.itpub.net/thread-1599897-1-1.html