SQL Server 2008 CDC增量变更捕获详解

Posted 2021-01-30 lenmom

 1 背景：

随着公司业务的成长,数据量也随之的不断增长。随之而来的问题是在做ETL的时候,时间花费也越来越长。为了节省时间开销,我们只想要更新最新的数据,不想要把公司历年所有的数据都进行处理。这种情况就被称为变更数据捕获(Change Data Capture,又名CDC)。在SQLServer2008之前，对数据变更的捕获通常使用触发器把DML操作中的INSERT/UPDATE/DELETE数据记录下来，但是触发器的维护比较困难；时间戳严重依赖于数据库的设计，而且必须在业务代码中对时间字段进行维护。

1.1 适用环境：

仅在SQLServer2008（含）以后的企业版、开发版和评估版中可用，标准版中不可用

1.2 详解：

变更数据捕获的更改数据源为 SQL Server 事务日志。 在将插入、更新和删除应用于跟踪的源表时，将会在日志中添加说明这些更改的项。 日志用作捕获进程的输入来源。 它会读取日志，并在跟踪的表的关联更改表中添加有关更改的信息。 系统将提供一些函数，以枚举在更改表中指定范围内发生的更改，并以筛选的结果集的形式返回该值。 通常，应用程序进程使用筛选的结果集在某种外部环境中更新源表示形式。

 

2 基本操作

相关的存储过程：

Sys.sp_cdc_add_job           --添加job
Sys.sp_cdc_generate_wrapper_function
Sys.sp_cdc_change_job        --修改job配置
Sys.sp_cdc_get_captured_columns     --获取捕获列信息
Sys.sp_cdc_cleanup_change_table     
Sys.sp_cdc_get_ddl_history
Sys.sp_cdc_disable_db   --禁用当前数据的CDC，建议先禁用表，再禁用库
Sys.sp_cdc_help_change_data_capture
Sys.sp_cdc_disable_table     --关闭表捕获
Sys.sp_cdc_help_jobs
Sys.sp_cdc_drop_job          --删除Job
Sys.sp_cdc_scan              
Sys.sp_cdc_enable_db         --启用当前数据库CDC功能
Sys.sp_cdc_start_job         --启动Job
Sys.sp_cdc_enable_table      --开启表捕获
Sys.sp_cdc_stop_job          --停止Job

相关函数：

Cdc.fn_cdc_get_all_changes_<capture_instance>
Sys.fn_cdc_has_column_changed
Cdc.fn_cdc_get_net_changes_<capture_instance>
Sys.fn_cdc_increment_lsn
Sys.fn_cdc_decrement_lsn
Sys.fn_cdc_is_bit_set
Sys.fn_cdc_get_column_ordinal
Sys.fn_cdc_map_lsn_to_time
Sys.fn_cdc_get_max_lsn
Sys.fn_cdc_map_time_to_lsn
Sys.fn_cdc_get_min_lsn

 

3. 操作案例

本节以microsoft发布的adventureworks数据库为例来演示如何配置和使用Sql Server的CDC功能，本文中使用的数据库为SQL Server 2008 R2, AdventureWorks数据库可在这里下载，然后恢复到sql server中来。在操作之前确保SQL Agent服务是启动状态，最好设置为自动启动。

 

3.1 对AdventureWorks启用CDC

USE AdventureWorks
GO
EXECUTE sys.sp_cdc_enable_db;
GO

说明:

sys.sp_cdc_enable_db

作用域: 整个目标库，包含元数据、DDL触发器、cdc架构和cdc用户。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。

返回值： 0，成功； 1，失败。

 

如果执行过程中出现 错误: 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。 原因为某些存储过程使用了具有WITH EXECUTE 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，但是该架构不存在。解决办法为（如果成功，请忽略）：

 

USE AdventureWorks
GO
ALTER AUTHORIZATION ON DATABASE::[AdventureWorks] TO [sa]
GO
EXECUTE sys.sp_cdc_enable_db;
GO

 

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。

3.2 检查AdventureWorks CDC是否开启

SELECT is_cdc_enabled,CASE WHEN is_cdc_enabled=0 THEN ‘CDC OFF ‘ELSE ‘CDC ON‘END as 描述
FROM sys.databases
WHERE NAME = ‘AdventureWorks‘

 数据库CDC开启后，将在当前数据库下创建cdc用户，在架构下面也会增加cdc这个架构，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。如下图所示：

 

当前数据库的系统表下，会创建一些CDC辅助的表，用于在CDC过程中，记录一些系统信息

 3.3 对数据库AdventureWorks中的表开启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，sys.sp_cdc_enable_table的参数列表为：

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‘ ]

说明：

a)  执行sys.sp_cdc_enable_table后，可以通过sys.tables目录视图中的is_tracked_by_cdc列来判断是否创建成功。

b) 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，可以在@captured_column_list参数中指定这些列；

c) 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）。

d) 如果不想控制访问角色，则@role_name必须显式设置为null。如果指定了不存在的角色，执行该存储过程后，会自动创建指定的角色。

 

本节我们选择HumanResources.Department、Person.ADDRESS、Person.Person这三张表开启CDC功能。

USE AdventureWorks;
GO
--表HumanResources.Department
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
--表Person.ADDRESS
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
--表Person.Person
EXECUTE sys.sp_cdc_enable_table
    @source_schema = N‘Person‘
  , @source_name = N‘Person‘
  , @role_name = N‘cdc_Admin‘--可以自动创建
  , @capture_instance=DEFAULT
GO

执行后，

1. 系统表中多出了三张cdc.{Schema}_{TableName}_CT的表，其中SchemaName为被捕获表的架构名称，TableName为被捕获的表名

2. 在SQL Agent下创建了两个Job, cdc.AdventureWorks_cleanup和cdc.AdventureWorks_capture

3. cdc_Admin角色被创建

 

 3.4 验证三张表的CDC开启成功

SELECT  name ,
        is_tracked_by_cdc ,
        CASE WHEN is_tracked_by_cdc = 0 THEN ‘CDC ON‘
             ELSE ‘CDC OFF‘
        END 描述
FROM    sys.tables
WHERE   OBJECT_ID IN( OBJECT_ID(‘HumanResources.Department‘),
                       OBJECT_ID(‘Person.ADDRESS‘),
                       OBJECT_ID(‘Person.Person‘) )

结果如下

 3.5 CDC功能验证

3.5.1 查看HumanResources.Department变更之前的数据

3.5.2 新增数据

INSERT  INTO HumanResources.Department
        ( Name ,
          GroupName ,
          ModifiedDate
        )
        SELECT  Name + ‘1‘ ,
                GroupName + ‘1‘ ,
                GETDATE() ModifiedDate
        FROM    HumanResources.Department

 操作之后的数据增加了16条，

 查询CDC变更表cdc.HumanResources_Department_CT：

SELECT * FROM cdc.HumanResources_Department_CT

结果如下：

可以看到的确多了16条记录，注意__$operation的值

3.5.3 删除HumanResources.Department在3.5.3步中新增的数据

DELETE  FROM HumanResources.Department WHERE DepartmentID>16

查询CDC数据

3.5.4 修改数据

UPDATE  HumanResources.Department SET ModifiedDate=GETDATE()

结果如下

我们发现这次CDC表增加的数据增加了2倍，因为cdc.<capture_instance>_CT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。

__$operation列：1 = 删除、2= 插入、3= 更新（旧值）、4= 更新（新值）
__$start_lsn列：由于更改是来源与数据库的事务日志，保存事务日志的开始序列号（LSN）

 微软不建议直接查询这类表，建议使用cdc.fn_cdc_get_all_changes_<捕获实例> 和cdc.fn_cdc_get_net_changes_<capture_instance>  来查询。

 

4. 常用操作举例

4.1 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

USE AdventureWorks;
GO
--返回所有表的变更捕获配置信息
EXECUTE sys.sp_cdc_help_change_data_capture;
GO

4.2 查看对某个实例(即表)的哪些列做了捕获监控

USE AdventureWorks;
GO
--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

4.3 查看当前库所有的cdc Job

USE AdventureWorks;
GO
--查看当前库所有的cdc Job
SELECT * FROM msdb.dbo.cdc_jobs

4.4 查看当前配置使用sp_cdc_help_jobs

启用cdc之后会自动创建了两个作业，可以先使用sp_cdc_help_jobs来查看

EXECUTE sp_cdc_help_jobs

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）,默认情况下，保留时间为3天.

4.5 修改作业配置

USE AdventureWorks;
GO
--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_job N‘cleanup‘   --job name 为NVARCHAR类型
GO
--启用作业
EXEC sys.sp_cdc_start_job N‘cleanup‘  --job name 为NVARCHAR类型
GO
--再次查看
EXEC sp_cdc_help_jobs
GO

执行后，cleanup作业的运行时间间隔已经被修改成100分钟了.

注意：修改后要先停用（如果已经启用），再启用，才能生效

 4.6 作业的其他操作

USE AdventureWorks;
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
--删除作业
EXEC sys.sp_cdc_drop_job@job_type = N‘cleanup‘ -- nvarchar(20)
GO
--创建作业
EXEC sys.sp_cdc_add_job
    @job_type = N‘cleanup‘,
    @start_job = 0,
    @retention = 5760
GO
--查看作业
EXEC sys.sp_cdc_help_jobs
GO

 4.7 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。

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

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

4.7.2 查询ddl记录表

USE AdventureWorks;
GO
SELECT  * FROM    cdc.ddl_history

我们发现有一条schema的表更记录

4.8 使用CDC的函数来获取更改

 4.8.1 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

USE AdventureWorks;
GO
DECLARE @from_lsn binary(10)   --开始事务序列号
DECLARE @to_lsn   binary(10)   --终止事务序列号
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

4.8.2 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：

a) Smallest greater than;

b) smallest greater than orequal;

c) largest less than;

d) largest less than or equal.

如查询某个时间段插入的数据：

USE AdventureWorks;
GO
--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‘,‘2018-12-29 14:32:00.997‘)
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

结果如下：

4.8.3 sys.fn_cdc_map_lsn_to_time 查询变更时间

USE AdventureWorks;
GO
SELECT [__$operation] ,
       CASE [__$operation] 
       WHEN 1 THEN ‘DELETE‘ 
       WHEN 2 THEN ‘INSERT‘ 
       WHEN 3 THEN ‘BEFORE UPDATE‘
       WHEN 4 THEN ‘AFTER UPDATE‘ 
       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

4.8.4 获取LSN边界

USE AdventureWorks;
GO
SELECT sys.fn_cdc_get_max_lsn()                                   AS [数据库级别的最大LSN],
       sys.fn_cdc_get_min_lsn(‘cdc.HumanResources_Department_CT‘) AS [捕获实例的lsn]

这两个值可以用于上面提到的函数里面用于筛选数据时使用。