跳到主要内容

如何将 PostgreSQL 的数据实时同步到 Clickhouse

ClickHouse 是一个高性能列式存储数据库，它的特点就是一个字，快！但是 ClickHouse 又不仅仅只是快这么简单，它的列式存储方式决定了它非常适用于在线分析处理（OLAP）的场景，在复杂查询和聚合操作的情况下性能非常好。这也就能解释为什么越来越多的企业将其作为实时数仓的首选。

在实际应用中，PostgreSQL 和 ClickHouse 的组合是非常普遍的，可以充分发挥两者的优势，原因如下。

PostgreSQL 作为一个强大的在线事务处理系统（OLTP），具备稳定、扩展性强、功能丰富、高性能等优势，适用于各种规模和类型的 OLTP 场景。但是在实时数据分析上，PostgreSQL 还存在一定的性能短板。

因此，通过 ClickHouse 在执行分析查询时的速度优势能很好地弥补 PostgreSQL 在查询性能上的不足。

如何将 PostgreSQL 的数据实时同步到 ClickHouse？​

众所周知，在两个毫不相干的数据管理系统之间进行数据同步，特别是实时同步，其复杂程度足以让高级 DBA 脑瓜疼。因为有几个不得不解决的问题：

  • 表的初始化：在同步数据之前，需要手动在 ClickHouse 端创建和源端一致的表结构，然后才能从源端接收数据。当源端有大量表且表结构很复杂的情况下，是不是想亖的心都有？
  • 数据结构的映射：两者数据结构不同，怎么确保数据从源端同步过来后的完整性？除非你对两者的数据模型的理解非常极致，且保证绝对不出错，才能达到理想的结果。
  • 实时同步的速率：通过 ClickHouse 进行数据实时分析的大前提是，当前 ClickHouse 中的数据必须是最新的，即和源端的 PostgreSQL 完全一致，分析结果才有意义。要保证这一点，可不是一个轻松的工作。
  • 源端 DDL 语句的联动：最痛的一个点，如何保证源端的数据结构发生变化时，同步链路不中断？那就需要实时捕获源端 PostgreSQL 的 DDL 变更，并及时在目标端的 ClickHouse 中同步执行。

这些问题如果可以顺利解决，那实时同步工作将会相当丝滑。那么如何解决呢？方法自然是有的，而且丝毫不费力。对于上述 4 个问题，NineData 有绝对的发言权，我们先来看看它是如何解决这些问题的：

  • 结构复制：基于目标端数据源的特性，自动高效地完成表的创建、数据结构的映射等工作。
  • 复制性能：基于动态攒批、并行复制、Stream Load 等技术，复制性能轻松达到 200 MB/S。
  • DDL 捕获与执行：实时检测源端中的 DDL 操作，并同步在目标端中执行，保证其他业务变更能够稳定地进行。

轻松解决且非常愉快，下面来看看怎么操作。

步骤一：录入源和目标数据源​

  1. 登录 NineData 控制台，单击数据源管理>数据源，然后在页面中单击创建数据源，选择需要录入的数据源。

    image-20240321112625957

  2. 根据页面提示进行配置，然后单击创建数据源完成创建。

    image-20240319150009254

步骤二：配置同步链路​

  1. 登录 NineData 控制台，单击数据复制>数据复制，然后单击创建复制。

    image-20240319150313727

  2. 根据页面提示配置复制任务，由于我们想要实现长期的实时数据同步，需要在复制类型处额外勾选增量复制。

    image-20240319162149015

  3. 配置完成后启动任务，针对您配置的所有同步对象，NineData 会先对所有的存量数据进行全量迁移，接下来就是实时同步 PostgreSQL 中新增的增量数据，所有新写入的数据都将一条不漏地同步到 Doris，每当目标端的增量数据追平源端时，任务面板中会显示延迟 0 秒，如下图所示。

    image-20240320100557991

步骤三（可选）：校验目标端同步数据的完整性​

除了同步功能以外，NineData 还提供了同步后源端和目标端同步数据的对比功能，以确保目标端数据的完整性。

  1. 登录 NineData 控制台，单击数据复制>数据复制，然后单击步骤二中创建的复制任务 ID。

    image-20240320101420287

  2. 单击数据对比页签，并单击开启数据对比（如果步骤二的任务配置中已勾选开启数据一致性对比，则此处直接展示对比结果）。

    image-20240320101520639

    提示

    开启后，系统将自动对比源端和目标端的同步对象，并给出对比结果。

    image-20240320101823011

  3. 您可以在一段时间后，单击页面中的重新对比，校验最新增量数据的同步结果。

    image-20240320102016394

步骤四（可选）：配置任务异常告警​

由于是长期任务，您可能需要系统实时监控任务状态，在任务有异常时即刻通知您。

  1. 登录 NineData 控制台，单击数据复制>数据复制，然后单击步骤二中创建的复制任务 ID。

    image-20240320101420287

  2. 单击右上角的配置告警。

    image-20240320104731392

  3. 输入策略名称，单击保存配置即可。您可以直接使用内置的默认规则，在任务运行失败，或复制延迟大于等于 10 分钟的时候，发送短信提醒您。您也可以自定义创建规则，根据您的需求来进行通知。

    image-20240320105025912

总结​

至此，您已经得到了一条长期稳定的 PostgreSQL 到 ClickHouse 的实时同步链路，对于需要使用 ClickHouse 实时分析业务数据的用户来说，这样的链路不可或缺。同时，在把存量的旧数据同步至 ClickHouse 后，就可以在 PostgreSQL 端进行旧数据清理，空出存储空间，特别是对于使用云上资源的企业来说，云资源是较为昂贵的，这样做可以极大程度上降低存储成本，转而投入到更为重要的业务中。

最后于 更新