基于OGG Datahub插件将Oracle数据同步上云
一、背景介绍
随着数据规模的不断扩大，传统的RDBMS难以满足OLAP的需求，本文将介绍如何将Oracle的数据实时同步到阿里云的大数据处理平台当中，并利用大数据工具对数据进行分析。
OGG（Oracle GoldenGate）是一个基于日志的结构化数据备份工具，一般用于Oracle数据库之间的主从备份以及Oracle数据库到其他数据库（DB2, MySQL等）的同步。下面是Oracle官方提供的一个OGG的整体架构图，从图中可以看出OGG的部署分为源端和目标端两部分组成，主要有Manager，Extract，Pump，Collector，Replicat这么一些组件。
Manager：在源端和目标端都会有且只有一个Manager进程存在，负责管理其他进程的启停和监控等；
Extract：负责从源端数据库表或者事务日志中捕获数据，有初始加载和增量同步两种模式可以配置，初始加载模式是直接将源表数据同步到目标端，而增量同步就是分析源端数据库的日志，将变动的记录传到目标端，本文介绍的是增量同步的模式；
Pump：Extract从源端抽取的数据会先写到本地磁盘的Trail文件，Pump进程会负责将Trail文件的数据投递到目标端；
Collector：目标端负责接收来自源端的数据，生成Trail文件
Replicat：负责读取目标端的Trail文件，转化为相应的DDL和DML语句作用到目标数据库，实现数据同步。
本文介绍的Oracle数据同步是通过OGG的Datahub插件实现的，该Datahub插件在架构图中处于Replicat的位置，会分析Trail文件，将数据的变化记录写入Datahub中，可以使用流计算对datahub中的数据进行实时分析，也可以将数据归档到MaxCompute中进行离线处理。
二、安装步骤
0. 环境要求
源端已安装好Oracle
源端已安装好OGG（建议版本Oracle GoldenGate V12.1.2.1）
目标端已安装好OGG Adapters（建议版本Oracle GoldenGate Application Adapters 12.1.2.1）
java 7
（下面将介绍Oracle/OGG相关安装和配置过程，Oracle的安装将不做介绍，另外需要注意的是：Oracle/OGG相关参数配置以熟悉Oracle/OGG的运维人员配置为准，本示例只是提供一个可运行的样本，Oracle所使用的版本为ORA11g）
1. 源端OGG安装
下载OGG安装包解压后有如下目录：
目前oracle一般采取response安装的方式，在response/oggcore.rsp中配置安装依赖，具体如下：
执行命令：
本示例中，安装后OGG的目录在/home/oracle/u01/ggate，安装日志在/home/oracle/u01/ggate/cfgtoollogs/oui目录下，当silentInstall{时间}.log文件里出现如下提示，表明安装成功：
执行/home/oracle/u01/ggate/ggsci命令，并在提示符下键入命令：CREATE SUBDIRS，从而生成ogg需要的各种目录（dir打头的那些）。
至此，源端OGG安装完成。
2. 源端Oracle配置
以dba分身进入sqlplus：sqlplus / as sysdba
3. OGG源端mgr配置
以下是通过ggsci对ogg进行配置
配置mgr
edit params mgr
启动mgr（运行日志在ggate/dirrpt中）
start mgr
查看mgr状态
info mgr
查看mgr配置
view params mgr
4. OGG源端extract配置
以下是通过ggsci对ogg进行配置
配置extract（名字可任取，extract是组名）
edit params extract
增加extract进程（ext后的名字要跟上面extract对应，本例中extract是组名）
add ext extract,tranlog, begin now
删除某废弃进程DP_TEST
delete ext DP_TEST
添加抽取进程，每个队列文件大小为200m
add exttrail ./dirdat/st,ext extract, megabytes 200
启动抽取进程（运行日志在ggate/dirrpt中）
start extract extract
至此，extract配置完成，数据库的一条变更可以在ggate/dirdat目录下的文件中看到
5. 生成def文件
源端ggsci起来后执行如下命令，生成defgen文件,并且拷贝到目标端dirdef下
edit params defgen
在shell中执行如下命令，生成ogg_test.def
./defgen paramfile ./dirprm/defgen.prm
6. 目标端OGG安装和配置
解压adapter包
将源端中dirdef/ogg_test.def文件拷贝到adapter的dirdef下
执行ggsci起来后执行如下命令，创建必须目录
create subdirs
编辑mgr配置
edit params mgr
启动mgr
start mgr
7. 源端ogg pump配置
启动ggsci后执行如下操作：
编辑pump配置
edit params
添加投递进程，从某一个队列开始投
add ext pump,exttrailsource ./dirdat/st
备注：投递进程，每个队文件大小为200m
add rmttrail ./dirdat/st,ext pump,megabytes 200
启动pump
start pump
启动后，结合上面adapter的配置，可以在目标端的dirdat目录下看到过来的trailfile
8. Datahub插件安装和配置
依赖环境：jdk1.7。
配置好JAVA_HOME, LD_LIBRARY_PATH，可以将环境变量配置到~/.bash_profile中，例如
修改环境变量后，请重启adapter的mgr进程
下载datahub-ogg-plugin.tar.gz并解压:
修改conf路径下的javaue.properties文件，将{YOUR_HOME}替换为解压后的路径
修改conf路径下的log4j.properties文件，将{YOUR_HOME}替换为解压后的路径
修改conf路径下的configure.xml文件，修改方式见文件中的注释
在ggsci下启动datahub writer
edit params dhwriter
添加dhwriter
add extract dhwriter, exttrailsource ./dirdat/st
启动dhwriter
start dhwriter
三、使用场景
这里会用一个简单的示例来说明数据的使用方法，例如我们在Oracle数据库有一张商品订单表orders（oid int, pid int, num int），该表有三列，分别为订单ID, 商品ID和商品数量。
将这个表通过OGG Datahub进行增量数据同步之前，我们需要先将源表已有的数据通过DataX同步到MaxCompute中。增量同步的关键步骤如下：
（1）在Datahub上创建相应的Topic，Topic的schema为(string record_id, string optype, string readtime, bigint oid_before, bigint oid_after, bigint pid_before, bigint pid_after, bigint num_before, bigint num_after)；
（2）OGG Datahub的插件按照上述的安装流程部署配置，其中列的Mapping配置如下：
其中optype和readtime字段是记录数据库的数据变更类型和时间，optype有"I", "D", "U"三种取值，分别对应为“增”，“删”，“改”三种数据变更操作。
（3）OGG Datahub插件部署好成功运行后，插件会源源不断的将源表的数据变更记录输送至datahub中，例如我们在源订单表中新增一条记录（1，2，1），datahub里收到的记录如下：
修改这条数据，比如把num改为20，datahub则会收到的一条变更数据记录，如下：
实时计算
在前一天的离线计算的基础数据上，我们可以写一个StreamCompute流计算的分析程序，很容易地对数据进行实时汇总，例如实时统计当前总的订单数，每种商品的销售量等。处理思路就是对于每一条到来的变更数据，可以拿到变化的数值，实时更新统计变量即可。
离线处理
为了便于后续的离线分析，我们也可以将Datahub里的数据归档到MaxCompute中，在MaxCompute中创建相应Schema的表：
createtableorders_log(record_idstring, optypestring, readtimestring, oid_beforebigint, oid_afterbigint, pid_beforebigint, pid_afterbigint, num_beforebigint, num_afterbigint);
在Datahub上创建MaxCompute的数据归档，上述流入Datahub里的数据将自动同步到MaxCompute当中。建议将同步到MaxCompute中的数据按照时间段进行划分，比如每一天的增量数据都对应一个独立分区。这样当天的数据同步完成后，我们可以处理对应的分区，拿到当天所有的数据变更，而与和前一天的全量数据进行合并后，即可得到当天的全量数据。为了简单起见，先不考虑分区表的情况，以2016-12-06这天的增量数据为例，假设前一天的全量数据在表orders_base里面，datahub同步过来的增量数据在orders_log表中，将orders_base与orders_log做合并操作，可以得到2016-12-06这天的最终全量数据写入表orders_result中。这个过程可以在MaxCompute上用如下这样一条SQL完成。
四、常见问题
Q：目标端报错 OGG-06551 Oracle GoldenGate Collector: Could not translate host name localhost into an Internet address.
A：目标端机器hostname在/etc/hosts里面重新设置localhost对应的ip
Q：找不到jvm相关的so包
A：将jvm的so路径添加到LD_LIBRARY_PATH后，重启mgr
例如：exportLD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$JAVA_HOME/lib/amd64:$JAVA_HOME/lib/amd64/server
Q：有了DDL语句，比如增加一列，源端ogg没有问题，但是adapter端的ffwriter和jmswriter进程退出，且报错： 2015-06-11 14:01:10 ERROR OGG-01161 Bad column index (5) specified for table OGG_TEST.T_PERSON, max columns = 5.
A：由于表结构改变，需要重做def文件，将重做的def文件放入dirdef后重启即可。
本文作者：冶善
本文为云栖社区原创内容，未经允许不得转载。
