使用SQLServer 2008的CDC功能实现数据变更捕获-阿里云开发者社区

开发者社区> 杰克.陈> 正文

使用SQLServer 2008的CDC功能实现数据变更捕获

简介: 原文: 使用SQLServer 2008的CDC功能实现数据变更捕获 最近由于工作需要,研究了一下2008 CDC功能,觉得还不错,下面整理了一下研究过程,虽然比较粗略,但是基本上能用了,如果有补充请大家回复,我视情况修改原帖,谢谢。
+关注继续查看
原文: 使用SQLServer 2008的CDC功能实现数据变更捕获

最近由于工作需要,研究了一下2008 CDC功能,觉得还不错,下面整理了一下研究过程,虽然比较粗略,但是基本上能用了,如果有补充请大家回复,我视情况修改原帖,谢谢。

背景:

在SQLServer2008之前,对数据变更的捕获通常使用触发器、时间戳等低效高成本的功能来实现,所以很多系统都没有做数据变更或者仅仅对核心表做监控。

自从SQLServer2008引入了数据变更捕获功能(后面简称为CDC)后,解决了很多烦恼问题,如客户2个月前更改了一个数据,但是由于服务器空间不足,经常只能保留一个月的备份。此时客户为了逃避因为更改数据带来的较大负面影响,往往会把责任推给软件开发商或者运维商,如果此时有变更捕获的话,就有证据了,当然分析日志也能实现,但是比较痛苦。

适用环境:

仅在SQLServer2008(含)以后的企业版、开发版和评估版中可用。


详解:

CDC功能主要捕获SQLServer指定表的增删改操作,由于任何操作都会写日志(哪怕truncate),所以CDC的捕获来源于日志文件。日志文件会把更改应用到数据文件中,同时也会标记符合要求的数据标记为需要添加跟踪的项。然后通过一些配套函数,最后写入到数据仓库中。大概流程:

步骤:本文中以:AdventureWorks为例


第一步、对目标库显式启用CDC:

在当前库使用sys.sp_cdc_enable_db。返回0(成功)或1(失败)。注意,无法对系统数据库和分发数据库启用该功能。且执行者需要用sysadmin角色权限。

该存储过程的作用域是整个目标库。包含元数据、DDL触发器、cdc架构和cdc用户。

使用以下代码启用:

USE AdventureWorks

GO

EXECUTE sys.sp_cdc_enable_db;

GO

在一开始直接执行时,出现了报错信息:

消息22830,级别16,状态1,过程sp_cdc_enable_db_internal,第193 行

无法更新元数据来指示已对数据库AdventureWorks 启用了变更数据捕获。执行命令'SetCDCTracked(Value = 1)' 时失败。返回的错误为15517: '无法作为数据库主体执行,因为主体"dbo" 不存在、无法模拟这种类型的主体,或您没有所需的权限。'。请使用此操作和错误来确定失败的原因并重新提交请求。

这里引出了另外一个知识点:错误号 15517 的错误

这种错误会在很多地方出现,如还原数据库的时候也会有可能出现。共同点是:某个/些存储过程使用了具有WITHEXECUTE AS 的选项。使其在当前库具有了某个架构,但是当在别的地方执行时,由于没有这个架构,所以就报错,解决方法:

ALTER AUTHORIZATION ON DATABASE::[AdventureWorks] TO [sa]

经过检查,uspUpdateEmployeeHireInfo这个存储过程的确有:WITH EXECUTE AS CALLER

使用sa的原因是即使sa被禁用,sa还是存在的。所以不会报错。

现在重新执行:

USE AdventureWorks

GO

EXECUTE sys.sp_cdc_enable_db;

GO

启用成功,然后通过以下语句检查是否成功:

SELECT  is_cdc_enabled,CASEWHEN is_cdc_enabled=0THEN 'CDC功能禁用'ELSE 'CDC功能启用'END 描述

FROM    sys.databases

WHERE   NAME = 'AdventureWorks'


创建成功后,将自动添加CDC用户和CDC架构。



创建这两个用户、架构的原因是因为CDC要求独占方式使用这两个架构,所以要单独创建。如果存在了非CDC功能创建的CDC用户、架构的话,则需要先删除该cdc命名的架构,才能开启。


第二步、对目标表启用CDC:

使用db_owner角色的成员执行sys.sp_cdc_enable_table为每个需要跟踪的表创建捕获实例。然后通过sys.tables目录视图中的is_tracked_by_cdc列来判断是否创建成功。

默认情况下会对表的全部列做捕获。如果只需要对某些列做捕获,可以使用@captured_column_list参数指定这些列。

如果要把更改表放到文件组里的话,最好创建单独的文件组(最起码与源表独立)。

 

如果不想控制访问角色,则@role_name必须显式设置为null。

sys.sp_cdc_enable_table

    [ @source_schema = ] 'source_schema',

    [ @source_name = ] 'source_name' ,

    [ @role_name = ] 'role_name'

    [,[ @capture_instance = ] 'capture_instance' ]

    [,[ @supports_net_changes = ] supports_net_changes ]

    [,[ @index_name = ] 'index_name' ]

    [,[ @captured_column_list = ] 'captured_column_list' ]

    [,[ @filegroup_name = ] 'filegroup_name' ]

  [,[ @partition_switch = ] 'partition_switch' ]

 

例子:

HumanResources.Department 这个表开启变更捕获。

USE AdventureWorks

GO

EXEC sys.sp_cdc_enable_table@source_schema= 'HumanResources',

    @source_name = 'Department',@role_name = NULL

然后查询是否成功:

SELECT  name ,

        is_tracked_by_cdc ,

        CASE WHEN is_tracked_by_cdc = 0 THEN 'CDC功能禁用'

             ELSE 'CDC功能启用'

        END 描述

FROM    sys.tables

WHERE   OBJECT_ID= OBJECT_ID('HumanResources.Department')

对表开启以后,可以在下图中看到多了很多cdc架构开头的表:



启动之后,可以看到SQLServer代理里面的作业,也出现了这两个作业:


下面列出相关的存储过程:

Sys.sp_cdc_add_job

说明及例子

Sys.sp_cdc_generate_wrapper_function

说明及例子

Sys.sp_cdc_change_job

说明及例子

Sys.sp_cdc_get_captured_columns

说明及例子

Sys.sp_cdc_cleanup_change_table

说明及例子

Sys.sp_cdc_get_ddl_history

说明及例子

Sys.sp_cdc_disable_db

说明及例子  建议先禁用表,再禁用库

Sys.sp_cdc_help_change_data_capture

说明及例子

Sys.sp_cdc_disable_table

说明及例子

Sys.sp_cdc_help_jobs

说明及例子

Sys.sp_cdc_drop_job

说明及例子

Sys.sp_cdc_scan

说明及例子

Sys.sp_cdc_enable_db

说明及例子

Sys.sp_cdc_start_job

说明及例子

Sys.sp_cdc_enable_table

说明及例子

Sys.sp_cdc_stop_job

说明及例子

 

函数:

Cdc.fn_cdc_get_all_changes_<capture_instance>

说明及例子

Sys.fn_cdc_has_column_changed

说明及例子

Cdc.fn_cdc_get_net_changes_<capture_instance>

说明及例子

Sys.fn_cdc_increment_lsn

说明及例子

Sys.fn_cdc_decrement_lsn

说明及例子

Sys.fn_cdc_is_bit_set

说明及例子

Sys.fn_cdc_get_column_ordinal

说明及例子

Sys.fn_cdc_map_lsn_to_time

说明及例子

Sys.fn_cdc_get_max_lsn

说明及例子

Sys.fn_cdc_map_time_to_lsn

说明及例子

Sys.fn_cdc_get_min_lsn

说明及例子


案例:

下面开始从头到尾做一个实际案例:



先检查原库的内容:可以看到系统表里面只有一个dbo.sysdiagrams表



然后看看SQLServer代理:可以看到也没有相关的作业




步骤二:对数据库启用CDC数据库级别功能。必须显式启用:

Step1、执行以下语句:

USE AdventureWorks

GO

EXEC sys.sp_cdc_enable_db

GO

某些数据库可能存在一些存储过程包含有:execute as 等语句,此时会报错:



文字描述:

消息22830,级别16,状态1,过程sp_cdc_enable_db_internal,第186 行

无法更新元数据来指示已对数据库AdventureWorks 启用了变更数据捕获。执行命令'SetCDCTracked(Value = 1)' 时失败。返回的错误为15517: '无法作为数据库主体执行,因为主体"dbo" 不存在、无法模拟这种类型的主体,或您没有所需的权限。'。请使用此操作和错误来确定失败的原因并重新提交请求。

消息266,级别16,状态2,过程sp_cdc_enable_db_internal,第0 行

EXECUTE 后的事务计数指示BEGIN 和COMMIT 语句的数目不匹配。上一计数= 0,当前计数= 1。

消息266,级别16,状态2,过程sp_cdc_enable_db,第0 行

EXECUTE 后的事务计数指示BEGIN 和COMMIT 语句的数目不匹配。上一计数= 0,当前计数= 1。

消息3998,级别16,状态1,第1 行

在批处理结束时检测到不可提交的事务。该事务将回滚。

如果出现这个错误,目前的解决方法是执行下面语句,原因已在开头说明,对于没有使用EXECUTE AS的库,一般不会有这样的问题:

ALTER AUTHORIZATION ON DATABASE::[AdventureWorks] TO [sa]

然后再次执行,就成功开启了:

USE AdventureWorks

GO

EXEC sys.sp_cdc_enable_db

GO

现在检查是否成功:

SELECT  is_cdc_enabled ,

        CASE WHEN is_cdc_enabled = 0 THEN 'CDC功能禁用'

             ELSE 'CDC功能启用'

        END 描述

FROM    sys.databases

WHERE   NAME = 'AdventureWorks'




现在检查表和作业:




作业没有改变

角色权限中多出了:


步骤三:对某些表开启捕获:

这里选择HumanResources.DepartmentPerson.ADDRESSPerson.Contact 开启:

先来看开启之前的样子:




然后对该表开启:

USE AdventureWorks;

GO

EXECUTE sys.sp_cdc_enable_table

    @source_schema = N'HumanResources'

  , @source_name = N'Department'

  , @role_name = N'cdc_Admin'--可以自动创建

  , @capture_instance=DEFAULT

GO

结果如图:



可以看到在创建的同时,也创建了两个作业: cdc.AdventureWorks_cleanup和cdc.AdventureWorks_capture

也可以看到多了一个角色CDC_ADMIN,是在上面语句中动态创建的:




按照上面步骤把另外两个表也开启了:

USE AdventureWorks;

GO

EXECUTE sys.sp_cdc_enable_table

    @source_schema = N'Person'

  , @source_name = N'ADDRESS'

  , @role_name = N'cdc_Admin'--可以自动创建

  , @capture_instance=DEFAULT

GO

EXECUTE sys.sp_cdc_enable_table

    @source_schema = N'Person'

  , @source_name = N'Contact'

  , @role_name = N'cdc_Admin'--可以自动创建

  , @capture_instance=DEFAULT

GO

可以从系统表中看到:






了3个表,并且是刚才开启CDC功能的表。现在来检查是否开启成功:

SELECT  name ,

        is_tracked_by_cdc ,

        CASE WHEN is_tracked_by_cdc = 0 THEN 'CDC功能禁用'

             ELSE 'CDC功能启用'

        END 描述

FROM    sys.tables

WHERE   OBJECT_ID IN( OBJECT_ID('HumanResources.Department'),

                       OBJECT_ID('Person.ADDRESS'),

                       OBJECT_ID('Person.Contact') )

结果如下:



步骤三:检验:

下面来改动数据:


然后把表中的数据复制一份:

INSERT  INTO HumanResources.Department

        ( Name ,

          GroupName ,

          ModifiedDate

        )

        SELECT  Name + '1' ,

                GroupName + '1' ,

                GETDATE() ModifiedDate

        FROM    HumanResources.Department

结果如下:



然后从cdc.HumanResources_Department_CT 表查询:



可以看到的确多了16条记录。这部分记录证明了,有16条数据从监控到目前为止做了改动,现在再来改动一下:

DELETE  FROM HumanResources.Department WHERE DepartmentID>17

再查询cdc表,可以看到又多了16条记录:




现在来做下update的实验:

UPDATE  HumanResources.Department SET ModifiedDate=GETDATE()

再查看:



现在来分析一下这个表:

可以在联机丛书上查看:cdc.<capture_instance>_CT   可以看到,这样命名的表,是用于记录源表更改的表。对于insert/delete操作,会有对应的一行记录,而对于update,会有两行记录。

       对于__$operation列:1 = 删除、2= 插入、3= 更新(旧值)、4= 更新(新值)

    对于__$start_lsn列:由于更改是来源与数据库的事务日志,所以这里会保存其事务日志的开始序列号(LSN)

       但是微软不检查直接查询这类表,建议使用cdc.fn_cdc_get_all_changes_<捕获实例> cdc.fn_cdc_get_net_changes_<capture_instance来查询

 

下文开始,来熟悉各种函数、存储过程的使用,并尝试一些不正常的操作。

日常使用情景:

1、查询已经开启的捕获实例:

由于可能不记得或者不知道开启了什么表的捕获,所以可以使用以下语句来查找:

--返回所有表的变更捕获配置信息

EXECUTE sys.sp_cdc_help_change_data_capture;

GO

可以看到以下截图:



查看对某个实例(即表)的哪些列做了捕获监控:

EXEC sys.sp_cdc_get_captured_columns

@capture_instance = 'HumanResources_Department' -- sysname

得到下图:



也可以从下面中查找配置信息:

SELECT * FROM msdb.dbo.cdc_jobs

如图:







2、查看当前配置使用sp_cdc_help_jobs:

从上文可以看到,启用cdc之后会自动创建了两个作业,可以先使用以下语句来查看:

sp_cdc_help_jobs

得到的结果:



对于一个大型的OLTP系统,由于数据更改会非常频繁,变更表中的数据会非常多,如果存放过久(最久可以存放100年),那对数据库空间是非常大的挑战。此时可以调整上图中cdc.AdventureWorks_cleanup 中retention(单位:分钟)。


3、修改配置:sp_cdc_change_job:

--显示原有配置:

EXEC sp_cdc_help_jobs

GO

--更改数据保留时间为分钟

EXECUTE sys.sp_cdc_change_job

    @job_type = N'cleanup',

    @retention=100

GO

--停用作业

EXEC sys.sp_cdc_stop_jobN'cleanup'

GO

--启用作业

EXEC sys.sp_cdc_start_jobN'cleanup'

GO

--再次查看

EXEC sp_cdc_help_jobs

GO

得到以下结果:


证明修改成功,此处注意,修改后要先停用(如果已经启用),再启用,才能生效。

4、停止/启用、删除/创建作业:

停止/开始作业,可以使用以下语句:

--停用作业

EXEC sys.sp_cdc_stop_jobN'cleanup'

GO

--启用作业

EXEC sys.sp_cdc_start_jobN'cleanup'

GO

 

删除作业:

EXEC sys.sp_cdc_drop_job@job_type = N'cleanup' -- nvarchar(20)

GO

--查看作业

EXEC sys.sp_cdc_help_jobs

GO

可以看到现在只剩下一个作业了:



创建作业:

EXEC sys.sp_cdc_add_job

    @job_type = N'cleanup',

    @start_job = 0,

    @retention = 5760

--查看作业

EXEC sys.sp_cdc_help_jobs

GO

下面看到已经创建成功:




5、DDL变更捕获:

CDC除了捕获数据变更之外,还能捕获DDL操作的变化。前提是先要确保SQLServer 代理的启用,其实CDC功能都需要确保sql 代理正常运行,因为所有操作都通过代理中的两个作业来实现的。

现在先来对HumanResources.Department 表修改一下,把name的长度加长:

ALTER TABLE HumanResources.Department ALTER COLUMN Name NVARCHAR(120) ;

GO

然后查询ddl记录表:

SELECT  *

FROM    cdc.ddl_history

可以看到:




由于在截图之前已经试了几次,所以里面有3条数据,之所以试了几次,就是因为上面所说的,忘了开SQL代理,所以查不出数据,所以切记要开启SQL代理。

6、使用CDC的函数来获取更改:

A、使用cdc.fn_cdc_get_all_changes_HumanResources_Department 函数报告捕获实例HumanResources_Department 的当前所有可用更改:

DECLARE @from_lsn binary(10), @to_lsn binary(10)

SET @from_lsn =

   sys.fn_cdc_get_min_lsn('HumanResources_Department')

SET @to_lsn   = sys.fn_cdc_get_max_lsn()

SELECT * FROM cdc.fn_cdc_get_all_changes_HumanResources_Department

  (@from_lsn, @to_lsn, N'all update old');

GO





B、获取某个时间段的更改信息:

先根据日志序列号(logsequence number ,LSN)来获取跟踪变更数据:

Sys.fn_cdc_map_time_to_lsn获取变更范围内的最大、最小LSN值。可以使用:

Smallest greater than;smallest greater than orequal;largest less than;largest less than or equal.

如查询某个时间段插入的数据:

--插入数据

INSERT INTO HumanResources.Department(name,GroupName,ModifiedDate)

VALUES('test','abc',GETDATE())

INSERT INTO HumanResources.Department(name,GroupName,ModifiedDate)

VALUES('test1','abc1',GETDATE())

go

--检查数据

DECLARE @bglsn VARBINARY(10)=sys.fn_cdc_map_time_to_lsn('smallest greater than or equal','2012-10-12 12:00:00.997')

DECLARE @edlsn VARBINARY(10)=sys.fn_cdc_map_time_to_lsn('largest less than or equal',GETDATE())

SELECT DepartmentID,GroupName,Name

FROM cdc.HumanResources_Department_CT

WHERE [__$operation]=2 AND [__$start_lsn] BETWEEN @bglsn AND @edlsn

得到以下结果:




C、sys.fn_cdc_map_lsn_to_time 查询变更时间:

SELECT  [__$operation] ,

       CASE [__$operation] WHEN 1 THEN '删除' WHEN 2 THEN '插入' WHEN 3 THEN '更新(捕获的列值是执行更新操作前的值)'

       WHEN 4 THEN '更新(捕获的列值是执行更新操作后的值)' END [类型],

        sys.fn_cdc_map_lsn_to_time([__$start_lsn]) [更改时间] ,

        name ,

        DepartmentID ,

        GroupName ,

        ModifiedDate

FROM    cdc.HumanResources_Department_CT

结果:



注意,由于该表刚好有一个modfieddate字段,所以和更改时间相同.

 

D、获取LSN边界:

SELECT sys.fn_cdc_get_max_lsn()[数据库级别的最大LSN],

sys.fn_cdc_get_min_lsn('cdc.HumanResources_Department_CT')[捕获实例的lsn]

结果如下:


这两个值可以用于上面提到的函数里面用于筛选数据之用。


以上是一边测试一边记录的结果,可能存在很多片面的地方,欢迎拍砖



版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
自然语言处理 NLP(2)
自然语言处理 NLP(2)
5 0
ECS服务器使用体验
部分java开发环境搭建
8 0
自然语言处理 NLP(4)
自然语言处理 NLP(4)
9 0
Java 设计模式
Java 设计模式
3 0
十分钟入门 Pandas
十分钟入门 Pandas
6 0
「开发者说」实验室上钉钉--南大研究生的数字化校园故事
钉钉应用开发不仅完成了实验室数字化运营的定制需求,这段落地的应用开发经验也丰富了我的实践经历,成为我的实习面试宝典。
13 0
一分钟快速搞懂Redis的慢查询分析
慢查询,顾名思义就是比较慢的查询,但是究竟是哪里慢呢?首先,我们了解一下Redis命令执行的整个过程:
7 0
5G商用加速 消费者为何不再期待5G网络?
5G商用加速 消费者为何不再期待5G网络?
6 0
Linux 基础使用指南
Linux 基础使用指南
6 0
Win10 环境下安装压缩包版本 MySQL-8.0.13
Win10 环境下安装压缩包版本 MySQL-8.0.13
5 0
+关注
杰克.陈
一个安静的程序猿~
10427
文章
2
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载