SQL Server怎么配置cdc进行ETL
这篇文章给大家分享的是有关SQL Server怎么配置cdc进行ETL的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
企业核心业务系统oltp的数据需要通过ETL同步到数据仓库，原始的ETL流程通过定制化从SQL Server中进行数据抽取，经过生产环境的监控，发现ETL过程的query会对生产系统造成额外负载。于是制定了通过cdc进行增量数据同步的方案:
方案选型中比对了SQL server的trigger,CT,CDC, temporary table各种方式，选型对比如下：
Trigger | CT | CDC | Temporal table | |
Sync way | Synchronous | Synchronous | Asynchronous | Synchronous |
Internal work | Heavy than index | Same as index | Call sp_replcmds to collect from tlog no direct workload. | |
Table part in transaction | Yes | Yes | No | Yes |
Historical Data retention | Manual control | No | Yes | Yes |
通过表格对比可以看到，cdc通过异步非侵入式进行增量数据捕获，使用了sp_replcmds，这个过程和sql server的transactional replication中的log reader agent是相同的，缺点就是会对占用原始database的datafile和logfile，造成数据增长。
在cdc的使用过程中，比较重要的是将cdc数据置于单独的filegroup内，这样，在数据管理恢复和性能上会减少对于原始oltp的影响。具体过程如下：
在db级别启用cdc时需要先将db的默认filegroup改成cdc，这样cdc对应的元数据信息，例如经常变化的表cdc.lsn_time_mapping可以存放到单独的filegroup中
对于表的cdc数据使用@fileGroup_Name参数指定filegroup
--enable cdc filegroup
USE DB1
ALTER DATABASE DB1 ADD FILEGROUP CDC
GO
ALTER DATABASE DB1 ADD FILE
(
NAME='CDC',
FILENAME='D:\DATA\DB_CDC1.ndf',
SIZE = 1024MB,
MAXSIZE = unlimited,
FILEGROWTH=256MB
)TO FILEGROUP CDC
GO
USE DB1
GO
ALTER DATABASE DB1 MODIFY FILEGROUP [CDC] DEFAULT
GO
EXEC sys.sp_cdc_enable_db
GO
ALTER DATABASE DB1 MODIFY FILEGROUP [DATA] DEFAULT
go
EXEC sys.sp_cdc_enable_table @source_schema = N'dbo',@source_name = 'T1',@role_name = N'cdc_Admin',@fileGroup_Name = N'CDC'
CDC建立后有capture job和clean job，当cdc的数据增量非常大的时候，需要适当调整job的参数：
EXEC sys.sp_cdc_change_job
@job_type = 'capture'
,@maxtrans = 5000 --每个扫描循环可以处理的最多事务数
,@maxscans = 100 --为了从日志中提取所有行而要执行的最大扫描循环次数
,@continuous = 1 --连续运行最多处理(max_trans * max_scans)个事务
,@pollinginterval = 1
感谢各位的阅读！关于"SQL Server怎么配置cdc进行ETL"这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
