在实时数据仓库建设或迁移的过程中，用户必须考虑如何高效便捷将关系数据库数据同步到实时数仓中来，Apache Doris 用户也面临这样的挑战。而对于从 Oracle 到 Doris 的数据同步，通常会用到以下两种常见的同步方式：

OGG/XStream/LogMiner 工具： 通过该方式先将数据同步到 Kafka 中，然后通过 Routine Load 消费 Kafka 中的数据进行实时同步。这种方式的同步链路相对较长，特别是在上游数据表较多的情况下，需要手动创建大量的 Routine Load 作业，同步流程不仅繁琐，也给用户增加了较大的使用及维护压力。

FlinkCDC： 该方式虽然可以直接将上游数据同步到 Doris 中，并在一定程度上缩短了同步链路，实际在使用过程中还会遇到以下问题：

• 数据同步时，需要在 Flink 中对每张表手动配置参数及字段映射，尤其是在多表或整库同步场景中，不仅带来大量配置工作量，还增加了 FlinkSQL 脚本的维护成本。
• 数据同步时，需要事先在 Doris 中手动逐个创建表，而面对数量庞大的上游表时，手动创建表不仅耗费时间，而且工作效率很低，间接影响数据同步的效率。
• 由于每张 Source 表都会使用同一个链接，因此在整库同步时会给源端造成很大的链接压力。

为了解决上述问题，在新版本的 Doris-Flink-Connector  中，我们实现了 FlinkCDC 的 Datastream API 集成，无需提前在 Doris 中创建表以及映射关系，仅仅通过简单的参数配置就能一键完成从 Oracle 等关系型数据库到 Apache Doris 的整库数据同步。

此外，Doris-Flink-Connector 也可以一键实现万表 MySQL 整库同步至 Apache Doris 中来，具体使用可参考：一键实现万表 MySQL 整库同步至 Apache Doris

同步流程 & 实战演示

---

在进行整库同步前，我们先了解一下具体同步流程：

• 在启动 Flink 任务之前，Doris-Flink-Connector  会自动读取需要同步的 Oracle 表的元数据信息，并自动在 Doris 中创建相应的表。
• 通过 FlinkCDC 提供的 OracleSource 功能，能够从 Oracle 数据库中读取数据，并将其传递到下游进行处理。
• 通过 Flink 的侧输出流功能，根据自定义规则将数据分流到不同的 Doris Sink 中，并同步到 Doris 中来。

通过以上简单操作，即可实现上游 Oracle 数据库的整库数据实时数据接入到 Apache Doris 中。接下来我们通过一个实际案例来详细说明具体的操作步骤：

01  Oracle 环境准备

# 拉取镜像 docker pull registry.cn-hangzhou.aliyuncs.com/helowin/oracle_11g # 启动镜像 docker run -it -d \ --privileged \ -p 1521:1521 \ --name oracle11g \ -e ORACLE_ALLOW_REMOTE=true \ -v /mnt/disk1/oracle:/data/oracle \ registry.cn-hangzhou.aliyuncs.com/helowin/oracle_11g # 进入容器 docker exec -it oracle11g bash 

Oracle 归档日志（Binlog）配置：启动归档日志时，需对日志大小和存放地址进行设置，设置完成需进行重启。该步骤完成后才可进行后续增量数据的同步。

# 进入SQL命令行 [oracle@ef6d9de18e59 ~]$ sqlplus /nolog SQL> conn /as sysdba Connected. SQL> alter system set db_recovery_file_dest_size = 10G; System altered. SQL> alter system set db_recovery_file_dest = '/home/oracle/oracle-data' scope=spfile; System altered. SQL> shutdown immediate; Database closed. Database dismounted. ORACLE instance shut down. SQL> startup mount; ORACLE instance started. Total System Global Area 1603411968 bytes Fixed Size 2213776 bytes Variable Size 402655344 bytes Database Buffers 1174405120 bytes Redo Buffers 24137728 bytes Database mounted. SQL> alter database archivelog; Database altered. SQL> alter database open; Database altered. # 检查日志归档是否开启 SQL> archive log list; Database log mode Archive Mode Automatic archival Enabled Archive destination USE_DB_RECOVERY_FILE_DEST Oldest online log sequence 1 Next log sequence to archive 1 Current log sequence 1 # 启用补充日志记录 SQL> ALTER DATABASE ADD SUPPLEMENTAL LOG DATA; Database altered. #创建用户 CREATE USER admin IDENTIFIED BY admin123; GRANT dba TO admin; 

数据准备

[oracle@ef6d9de18e59 ~]$ sqlplus admin/admin123  SQL> CREATE TABLE PERSONS(       ID NUMBER(10),       NAME VARCHAR2(128) NOT NULL,       PRIMARY KEY(ID)    ); Table created. SQL> INSERT INTO "PERSONS" VALUES (1, 'zhangsan'); SQL> INSERT INTO "PERSONS" VALUES (2, 'lisi'); SQL> INSERT INTO "PERSONS" VALUES (3, 'wangwu'); SQL> CREATE TABLE PERSONS_1(       ID NUMBER(10),       NAME VARCHAR2(128) NOT NULL,       PRIMARY KEY(ID)    ); Table created. SQL> INSERT INTO "PERSONS_1" VALUES (1, 'zhangsan'); SQL> INSERT INTO "PERSONS_1" VALUES (2, 'lisi'); SQL> INSERT INTO "PERSONS_1" VALUES (3, 'wangwu'); 

02  Flink 环境配置

将 FlinkCDC-Oracle 的依赖和 Doris-Flink-Connector 包放到 Flink 的 lib 目录下，同时启动 Flink 集群。

# 下载相关依赖 wget https://repo.maven.apache.org/maven2/com/ververica/flink-sql-connector-oracle-cdc/2.3.0/flink-sql-connector-oracle-cdc-2.3.0.jar wget https://repository.apache.org/content/repositories/snapshots/org/apache/doris/flink-doris-connector-1.16/1.5.0-SNAPSHOT/flink-doris-connector-1.16-1.5.0-20230811.065053-1.jar -O flink-doris-connector-1.16-1.5.0-SNAPSHOT.jar # 启动Flink集群 bin/start-cluster.sh 

03  一键提交整库同步作业

本次同步以 PERSON 开头的所有的表。

<FLINK_HOME>/bin/flink run \      -Dexecution.checkpointing.interval=10s \      -Dparallelism.default=1 \      -c org.apache.doris.flink.tools.cdc.CdcTools \      ./lib/flink-doris-connector-1.16-1.5.0-SNAPSHOT.jar \      oracle-sync-database \      --database test_db \      --oracle-conf hostname=127.0.0.1 \      --oracle-conf port=1521 \      --oracle-conf username=admin \      --oracle-conf password=admin123 \      --oracle-conf database-name=HELOWIN \      --oracle-conf schema-name=ADMIN \      --including-tables "PERSONS.*" \      --sink-conf fenodes=127.0.0.1:8030 \      --sink-conf username=root \      --sink-conf password=\      --sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \      --sink-conf sink.label-prefix=label \      --table-conf replication_num=1 

详细参数可参考：https://doris.apache.org/zh-CN/docs/dev/ecosystem/flink-doris-connector

提交成功后，可以在 FlinkWeb 上看到该同步任务的状态。

进入 Doris 可以查看自动创建的表以及同步成功的全量数据。

mysql> use test_db; Reading table information for completion of table and column names You can turn off this feature to get a quicker startup with -A Database changed mysql> show tables; +-------------------+ | Tables_in_test_db | +-------------------+ | PERSONS | | PERSONS_1 | +-------------------+ 2 rows in set (0.00 sec) mysql> select * from PERSONS; +------+----------+ | ID | NAME | +------+----------+ | 2 | lisi | | 3 | wangwu | | 1 | zhangsan | +------+----------+ 3 rows in set (0.01 sec) mysql> select * from PERSONS_1; +------+----------+ | ID | NAME | +------+----------+ | 2 | lisi | | 3 | wangwu | | 1 | zhangsan | +------+----------+ 3 rows in set (0.01 sec) 

在 Oracle 中模拟实时增删改数据

INSERT INTO PERSONS VALUES(4,'doris'); UPDATE PERSONS SET name = 'zhangsan-update' WHERE ID =1; DELETE PERSONS WHERE ID =2;  

在 Doris 中进行验证，可以确认增量数据已经成功同步。

mysql> select * from PERSONS;                                                                                                                               +------+-----------------+                                                                                                                                  | ID   | NAME            |                                                                                                                                  +------+-----------------+                                                                                                                                  |    1 | zhangsan-update |                                                                                                                                  |    4 | doris           |                                                                                                                                  |    3 | wangwu          |                                                                                                                                  +------+-----------------+                                                                                                                                  3 rows in set (0.01 sec)   

通过以上操作，成功实现将 Oracle 中数据整库同步到 Doris 中，同时也实现了上游全量与增量数据的自动接入。

实际使用反馈

---

原先将 Oracle 数据同步到 Doris 中时，需要手动创建 Source 和 Sink 表，而使用 Doris-Flink-Connector 后可以实现多表、整库数据一键同步，极大简化了开发流程，该工具还能实现字段类型自动转换，数据同步更加简单便捷。

—— 远景动力 资深大数据工程师 孙全隆

在使用 Doris-Flink-Connector 之前，我们一般是通过 DataX 定时从业务系统中抽取数据，当进行全量同步时，抽取数据会对业务系统造成一定的压力，且该方式只能做到小时级的同步。期间我们也尝试了 FlinkCDC，该方式虽然可以实现数据实时写入 Doris ，但每个表都需要手动创建新任务，配置工作量大且会浪费服务器资源。而 Doris-Flink-Connector 可以实现一键化脚本操作，为我们减少了繁杂的手工配置流程，高效稳定的实现了整库数据快速同步。

—— 郑煤机数耘科技 资深大数据工程师 杨开元

Doris-Flink-Connector  一键操作即可快速实现 Oracle 数据整库同步到 Doris，节省了手动配置以及编写复杂同步代码的步骤，避免了手动同步中可能出现数据不一致的问题。不仅能提高数据的准确性和可靠性，也极大提升了工作的效率。

—— 海程邦达 资深大数据工程师 王新

在实时数仓的建设过程中，对于 ODS 贴源数据层的同步需求，Doris-Flink-Connector  能够很好的解决全量数据、增量数据、增量表、表结构变更自动监听。同时它也对 Stream Load 逻辑进行了优化，可以避免频繁对空数据进行 Load，减轻了数据库压力。此外，Doris-Flink-Connector 能够帮助我们节省大量 Flink 集群资源，特别是业务变更频繁时期，能很好及时的同步上游状态，确保上下游数据的一致性。

——旺小宝 数据架构师 米华军

我们在 MySQL 和 Orcale 两个场景下均进行了全量 + 增量的尝试，Doris-Flink-Connector 是真正的拆箱即用，真正实现了一键式操作、无感知建表，这为开发人员节省了不少时间成本，同时在使用期间遇到问题，SelectDB 技术同学的响应速度非常给力，帮助我们快速推进数据同步工作。

—— 博思软件 资深大数据开发工程师 刘工

总结

---

Doris-Flink-Connector 通过集成 FlinkCDC，能够将上游 Oracle 数据库中的数据快速同步到 Doris 中。特别是在整库同步场景中，用户只需执行一键导入命令，即可快速将整个数据库的全量和增量数据导入到 Doris 中。这一功能的引入大大降低了数据同步的门槛，使数据同步变得更加简单高效。

# 作者介绍： 吴迪， SelectDB 生态研发工程师。