SQL Server 2008引入了CDC(Change Data Capture),它能记录:
1. 哪些数据行发生了改变
2. 数据行变更的历史记录,而不仅仅是最终值。
跟CT(Change Tracking)相比,它通过作业实现异步变更跟踪(像事务复制),而CT是同步实现的。因此它对性能的影响较轻并且不会影响事务。
典型应用是在提取、传输和加载数据到其它数据源,就像图中的数据仓库。
微软建议CDC结合快照快照隔离级别使用,可以避免读取变更数据与变更数据写入时的读写阻塞。
需要注意:快照隔离级别会有额外的开销,特别是Tempdb(所有的数据更改都会被版本化存到tempdb)。 use master
go
create database CDCTest
go
alter database CDCTest set allow_snapshot_isolation on
go
--enable CDC on database CDCTest
use CDCTest
go
exec sys.sp_cdc_enable_db
go
启用CDC之后会新增一个叫CDC的Schema和一系列的系统表、SP和View。官方建议不要直接查询系统表而是使用对应的系统SP/FN来获取CDC数据。
系统对象 | 说明 | 建议使用的对象 |
cdc.captured_columns | 为在捕获实例中跟踪的每一列返回一行 | |
cdc.change_tables | 为数据库中的每个更改表返回一行 | |
cdc.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 | |
cdc.lsn_time_mapping | 为每个在更改表中存在行的事务返回一行 | sys.fn_cdc_map_lsn_to_time (Transact-SQL) , sys.fn_cdc_map_time_to_lsn (Transact-SQL) |
cdc.index_column | 为与更改表关联的每一索引列返回一行 | |
msdb.dbo.cdc_jobs | 存储用于捕获和清除作业的变更数据捕获配置参数 | NA |
cdc.<capture_instance>_CT | 对源表启用变更数据捕获时创建的更改表。 该表为对源表执行的每个插入和删除操作返回一行,为对源表执行的每个更新操作返回两行.capture_instance格式=SchameName_TableName |
创建测试表并对期启用CDC。使用sys.sp_cdc_enable_table 对表启用CDC。 --Create a test table for CDC
use CDCTest
GO
create table tb(ID int primary key ,name varchar(20),weight decimal(10,2));
go
EXECUTE sys.sp_cdc_enable_table
@source_schema = N'dbo'
, @source_name = N'tb'
, @role_name = null;
GO
如果源表是数据库中第一个要启用变更数据捕获的表,并且数据库不存在事务发布,则 sys.sp_cdc_enable_table 还将为数据库创建捕获和清理作业。 它将 sys.tables 目录视图中的 is_tracked_by_cdc 列设置为 1。
对应的跟踪表cdc.dbo_tb_CT包含了源表所有的变更数据。它包含原来所有的列和5个新的列,结构如图:
当在源表中操行数据更改操作,表cdc.dbo_tb_CT会记录下来。试一下:
为什么没有数据呢?因为之前介绍过了,CDC是靠作业来捕获变更数据的,我的Agent还没有运行。
手动启用后,就有数据了。
结果列的含义:
列名 | 数据类型 | 说明 |
__$start_lsn | binary(10) | 更改提交的LSN。在同一事务中提交的更改将共享同一个提交 LSN 值。 |
__$seqval | binary(10) | 一个事务内可能有多个更改发生,这个值用于对它们进行排序。 |
__$operation | int | 更改操作的类型: 1 = 删除 2 = 插入 3 = 更新(捕获的列值是执行更新操作前的值)。 4 = 更新(捕获的列值是执行更新操作后的值)。 |
__$update_mask | varbinary(128) | 位掩码,源表中被CDC跟踪的每一列对应一个位。如果 __$operation = 1 或 2,该值将所有已定义的位设置为 1。如果 __$operation = 3 或 4,则只有那些对应已更改列的位设置为 1。 |
现在再插入一行,并更新它,然后再删除ID=1的行。再查看结果:
简单说明一下跟踪的查询结果:总共5行,第一行和第二行是插入数据,第三行和第四行是更新前后的数据,第五行是删除数据。操作类型由_$operation值可得知。
前文中创建的tb表,记录了每个人的姓名和体重变化信息。另外某一个数据库(表tb_rs),它是体重变化趋势报表的数据源。它每天同步一次数据,更新自己的数据。怎么用CDC来实现这个需求呢?
CDC中记录了start_lsn,如果能知道tb_rs上次同步完成时,tb中被同步的最大LSN。那下次同步时,只需要同步tb表中大于此LSN的变更记录即可。
问题就简单:获取上次同步完成tb的最大LSN,获取大于此LSN的所有变更记录,更新tb_rs。
insert into tb
values(1,'Ken',70.2),(3,'Joe',66),(4,'Rose',50)
update tb
set weight=70
where ID=3;
delete from tb where name='Rose';
go
DECLARE @begin_time datetime, @end_time datetime, @begin_lsn binary(10), @end_lsn binary(10);
--get the interval
select @begin_time=GETDATE()-1,@end_time=GETDATE();
--map the time to LSN of the CDC table tb
select @begin_lsn = sys.fn_cdc_map_time_to_lsn('smallest greater than or equal', @begin_time),
@end_lsn = sys.fn_cdc_map_time_to_lsn('largest less than or equal', @end_time);
--get the net changes within the specified LSNs
SELECT * FROM cdc.fn_cdc_get_net_changes_dbo_tb(@begin_lsn, @end_lsn, 'all');
居然没有Rose的记录?Joe的信息被更新过,怎么才一条记录?
这是因为这里得到是净变更行,也就是最终结果的意思。新增然后又删除,不影响最终结果,所以没有。多次更新同一行的某一列数据,只返回最后更新的结果。
得到这个结果,我们就可以根据__$operation和实际数据定义同步数据的逻辑了。比如: --generate sync statements
SELECT (case __$operation when 2 then 'insert into tb_rs values ('+cast(ID as varchar(2))+', '+Name+', '+cast(weight as varchar(10))+')'
when 4 then 'update tb_rs set name='+name+',weight='+cast(weight as varchar(10))+' where ID='++cast(ID as varchar(2)) END)
FROM cdc.fn_cdc_get_net_changes_dbo_tb(@begin_lsn, @end_lsn, 'all');
对于更新过的行,同步数据时,我想要先判断出列是否被更改过和被更改的时间。更改过的列才需要被同步,而不是所有列同步一次。以name为例: DECLARE @begin_time datetime, @end_time datetime, @begin_lsn binary(10), @end_lsn binary(10);
--get the interval
select @begin_time=GETDATE()-1,@end_time=GETDATE();
--map the time to LSN of the CDC table tb
select @begin_lsn = sys.fn_cdc_map_time_to_lsn('smallest greater than or equal', @begin_time),
@end_lsn = sys.fn_cdc_map_time_to_lsn('largest less than or equal', @end_time);
--get the all changes within the specified LSNs
SELECT *,
(Case sys.fn_cdc_has_column_changed('dbo_tb','name',__$update_mask) when 1 then 'Yes' when 0 then 'No' End) as isNameUpdated,
sys.fn_cdc_map_lsn_to_time(__$start_lsn) as updateTime
FROM cdc.fn_cdc_get_all_changes_dbo_tb(@begin_lsn, @end_lsn, 'all')
where __$operation in(3,4);
go
CDC不仅能记录DML操作,还能记录DDL操作。查询cdc.ddl_history。
但有一点要格外注意:新增的列,能被CDC DDL跟踪到,但是新列的数据变更却不能被CDC跟踪到。如果需要跟踪它,先禁用表上的CDC,再启用即可。
在指定的数据库中首次启用CDC,并且不存在事务复制,则会创建capture和cleanup两个作业:
capture作业是用于扫描日志文件,把变更记录写到变更表中。调用sp_MScdc_capture_job来实现,可以根据当前库的实际事务吞吐量来设置扫描参数和扫描间隔,使得在性能开销和跟踪需求间达到合理平衡。
cleanup作业是清理变更变表中的数据,默认三天的数据。
所以合理设定cleanup的间隔是非常重要的。
这两个作业的相关的配置存储在msdb.dbo.cdc_jobs中。当前的默认配置如图:
1. CDC使用方便,易于配置,能与同步抽取等应用结合使用。
2. CDC能满足大多数对数据审计的要求,但不能告诉你“谁”更改了数据。
3. 虽说CDC是异步的,对应性能影响小,但还是会增加开销,特别是IO读写和容量方面的。开启CDC,每次更改,都至少会额外增加一次数据文件写和日志文件写操作。
本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。