数据集成通过JDBC将数据导入MySQL的几种模式
摘要： 目前MySQL JDBC提供了多种将数据写入MySQL的方式，本文将介绍数据集成（DataX、同步中心、原CDP）支持的几种模式： * insert into xxx values (..), (..), (..) * replace into xxx values (..), (..), (..) * insert into xxx values (..), (..),
目前MySQL JDBC提供了多种将数据写入MySQL的方式，本文将介绍数据集成（DataX、同步中心、原CDP）支持的几种模式：
- insert into xxx values (..), (..), (..)
- replace into xxx values (..), (..), (..)
- insert into xxx values (..), (..), (..), … on duplicate key update …
1、功能区别
1.1 insert into 方式
常规的SQL插入，如果提交的MySQL Server端的数据违反了数据库约束（主键冲突、数据类型不匹配）会直接报错；
对应在数据集成中会报脏数据。 常用于向一张空表里面插入数据；
1.2 replace into 方式
与insert into类似，区别：假如将要插入表新记录中主键（PRIMARYKEY或UNIQUE索引）与表中旧记录冲突，replace into自身具有处理冲突的能力：
- 1、当存在pk冲突的时候是先delete再insert
- 2、当存在uk冲突的时候是直接update
** 使用replace into 注意事项 **
- 1、能够使用replace，您必须同时拥有表的insert和delete权限；
- 2、冲突记录：新记录与旧记录的主键值不同，所以其他表中所有与本表老数据主键id建立的关联全部会被破坏；
- 3、冲突记录：所有列的值均取自在热replace语句中被指定的值。所有缺失的列被设置为各自的默认值，即如果您每次同步的不是表的所有列，会存在一些列在旧记录中有值，replace into后无值的情况；
- 4、replace语句会返回一个数，来指示受影响的行的数目。该数是被删除和被插入的行数的和。
1.3 insert into… on duplicate key update 方式
将要插入表新记录中主键（PRIMARYKEY或UNIQUE索引）与表中旧记录冲突（具有相同的值），则update旧记录。
3、Replace into 存在的坑
- 如果库存在主备，基于uk去做replace into时，会造成主备的auto_increment不一致（备库因auto_increment小于实际数据的最大值），在主备切换插入时造成replace into出错，失败一次后，会更新auto_increment为最大值+1；
3.1 实例
master：
use test;
CREATE TABLE `test` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`k` int(10) unsigned NOT NULL,
`v` varchar(100) DEFAULT NULL,
`extra` varchar(200) DEFAULT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `uk_k` (`k`)
) ENGINE=InnoDB ;
insert into test(k,v,extra) values(1,1,'extra1'),(2,2,'extra2',3,3,'extra3');
插入完成后，主库和备库数据和schema完全一致；执行replace into：
replace into test(k,v) values(1,'1-1');
主备库数据一致，但是schema不一致。
主库表结构如下：
CREATE TABLE `test` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`k` int(10) unsigned NOT NULL,
`v` varchar(100) DEFAULT NULL,
`extra` varchar(200) DEFAULT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `uk_k` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=5 DEFAULT CHARSET=gbk;
备库：
CREATE TABLE `test` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`k` int(10) unsigned NOT NULL,
`v` varchar(100) DEFAULT NULL,
`extra` varchar(200) DEFAULT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `uk_k` (`k`)
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=gbk；
原因分析：
binlog中记录的SQL:
### UPDATE test.test
### WHERE
### @1=1
### @2=1
### @3='1'
### @4='extra1'
### SET
### @1=4
### @2=1
### @3='1-1'
### @4=NULL
如第一章节所述：
replace into 当存在uk冲突的时候是直接update，update操作不会涉及到auto_increment的修改。
基于此，一些replace操作会被建议使用insert into on duplicate key update。
2、数据集成最佳实践
目前数据集成对于上述三种模式均已经支持，对应DataX MySQLWriter插件配置项中writeMode字段；
{
"job": {
"setting": {
"speed": {
"channel": 1
}
},
"content": [
{
"reader": {
"name": "streamreader",
"parameter": {
"column": [
{
"value": "DataX",
"type": "string"
}
],
"sliceRecordCount": 1000
}
},
"writer": {
"name": "mysqlwriter",
"parameter": {
"writeMode": "insert/replace/update",
"username": "root",
"password": "root",
"column": [
"id",
"name"
],
"connection": [
{
"jdbcUrl": "jdbc:mysql://127.0.0.1:3306/datax?useUnicode=true&characterEncoding=gbk",
"table": [
"test"
]
}
]
}
}
}
]
}
}
4.1 数据集成如何保证同步到MySQL作业的幂等性
简单解释 幂等性 ：多次运行同一个同步作业得到的结果是一致的；
- 场景一：表中数据可以删除
在数据集成配置同步任务时，配置前置SQL（delete or truncate表的语句），同步任务在每次执行的时候，在真正同步执行前会执行前置SQL，去清空表，这样即可以实现多次运行同步任务的幂等性。
- 场景二：表中数据不能删除，常见回流线上业务MySQL库 配置writeMode为 replace 或者 update，同步的时候即会采用replace into 或者 insert into… on duplicate key update 方式插入MySQL数据库。
参考：
https://askdba.alibaba-inc.com/libary/control/getArticle.do?articleId=12735
https://blog.xupeng.me/2013/10/11/mysql-replace-into-trap/
