在SQL Server 2008中实现change data capture (CDC) Part One

此文章基于SQL Server 2008 CTP3 (Jun 04, 2007)。

change data capture是在每次对数据库执行insert、update、delete操作的时候，捕获变更数据的方法，这在数据仓库中是常用到的技术手段。Oracle早在9i中就加入了这一特性，在多年后的今天，SQL Server总算是提供了同样的功能。

CDC的原理是每次对源表（Source Tables）执行insert、update、delete时，数据库事务日志会记录DML造成的变更数据，然后捕获处理过程将日志中源表的变更数据写入变更捕获表（Change Tables），最后ETL工具使用CDC查询函数将变更数据抽取到数据仓库。

 

相比起在源表建立促发器，CDC对源表事务性能影响小，而且可以获取变更元数据。

 

这里示范一个CDC过程 

第一步    启用数据库的SQL Server Agent。

第二步    建立一个数据库Database for CDC。

第三步    然后以服务角色sysadmin的用户登录，执行下面的命令：

USE [Database for CDC];

GO

EXECUTE [sys].[sp_cdc_enable_db_change_data_capture];

GO

执行命令后即启用了数据库的CDC特性。启用CDC特性后系统会自动建立名为CDC的构架和用户，并建立了几个用于CDC的数据表。

第四步 建立源表Source_Table，且将column_1列作为唯一索引IX_Source_Table

第五步 执行命令：

EXEC sys.sp_cdc_enable_table_change_data_capture

    @source_schema = 'dbo'

 , @source_name = 'Source_Table'

 , @role_name = 'change_table_user1'

 , @index_name = 'IX_Source_Table'

 , @capture_instance = 'ST_Instance'

 , @supports_net_changes = 1

 , @captured_column_list = 'column_key, column_1, column_2'

 , @filegroup_name = 'PRIMARY';

这个命令指定捕获源表Source_Table的变化，参数说明如下：

 

参数	说明
source_schema	源表的构架名
source_name	源表名
role_name	获取变化数据的数据库角色，如果角色不存在，sp_cdc_enable_table_change_data_capture过程执行成功后会创建角色
index_name	唯一索引名，不是必须的，如果源表没有主键可以指定唯一索引以确定哪一行数据是变更数据
capture_instance	捕获实例，一个源表最多可以有两个实例
supports_net_changes	是否捕捉净变化数据，如果是的话，源表必须有主键或者指定唯一标识列
captured_column_list	需要在变更捕获表中保存的列
filegroup_name	变更捕获表使用的文件组

为源表Source_Table成功建立捕获实例ST_Instance后，系统自动建立了变更捕获表ST_Instance_CT，变更捕获表的命名规则是实例名+CT。

对源表执行DML命令时，每行受到DML影响的数据都会在变更捕获表中保存数据，不同的DML命令在变更捕获表中保存的数据不同。

命令类型	每行数据在变更捕获表的保存情况
insert	保存插入行的数据
delete	保存删除行的数据
update	保存两行数据，一行是更新前的，一行是更新后的

 

 

可以看到，变更捕获表中除了我们需要保存源表的三个列外，还多出了5个以”__$”开头的列，用于记录元数据。

列名	说明
__$start_lsn	日志中序列号，在对源表执行DML时，每个事务有一个日志序列号
__$end_lsn	空，不使用
__$seqval	在一个事务中，DML影响行的序列号
__$operation	识别执行的是何种DML，1=delete，2=insert，3=update（更新前），4=update（更新后）
__$update_mask	用2进制标识哪一列发生变更

可以先试着执行下面的命令，以检验CDC的效果：

insert dbo.source_table

values ('ck_1','c1_1','c2_1','c3_1');

insert dbo.source_table

values ('ck_2','c1_2','c2_2','c3_2');

insert dbo.source_table

values ('ck_3','c1_3','c2_3','c3_3');

update dbo.source_table

set column_2='c2_2_c'

where column_key='ck_2';

update dbo.source_table

set column_key='ck_3_c'

where column_key='ck_3';

delete dbo.source_table

where column_key='ck_3_c';

 

select * from cdc.st_instance_ct;

将cdc.st_instance_ct表中数据列出来后如下：

 

	__$start_lsn	__$end_lsn	__$seqval	__$operation	__$update_mask	column_key	column_1	column_2
1	0x0000002D000001A1002C	NULL	0x0000002D000001A10012	2	0x07	ck_1	c1_1	c2_1
2	0x0000002D000001A90004	NULL	0x0000002D000001A90002	2	0x07	ck_2	c1_2	c2_2
3	0x0000002D000001AB0004	NULL	0x0000002D000001AB0002	2	0x07	ck_3	c1_3	c2_3
4	0x0000002E0000007E0022	NULL	0x0000002E0000007E0020	3	0x04	ck_2	c1_2	c2_2
5	0x0000002E0000007E0022	NULL	0x0000002E0000007E0020	4	0x04	ck_2	c1_2	c2_2_c
6	0x0000002E000000830007	NULL	0x0000002E000000830002	3	0x01	ck_3	c1_3	c2_3
7	0x0000002E000000830007	NULL	0x0000002E000000830002	4	0x01	ck_3_c	c1_3	c2_3
8	0x0000002E0000008A0006	NULL	0x0000002E0000008A0004	1	0x07	ck_3_c	c1_3	c2_3

其中__$update_mask是受影响的列，对insert和delete来说，影响全部的列，所以值是111（十进制的7）；对column_key更新时，值是001（十进制1）；对column_2更新时，值是100（十进制4）。