简述
TDengine 是一款开源、高性能、云原生的时序数据库，专为物联网、车联网、工业互联网、金融、IT 运维等场景优化设计。在工业自动化的时代，时序数据库在电力、轨道交通、智能制造等领域有着广泛的应用。
MySQL 是全球广泛使用的开源关系型数据库，能够高效处理大量数据和复杂查询需求，并且具有较强的稳定性和可靠性。
本文主要介绍如何通过 CloudCanal 实现 TDengine 到 MySQL 数据迁移同步。
应用场景
- 数据备份与归档：将 TDengine 的数据迁移到 MySQL 作为备份或归档，确保数据长期保存和恢复，提升数据的安全性和高可用性。
- 复杂查询：MySQL 支持复杂 SQL 查询和事务处理，适合需要对时序数据进行深度分析或关联查询的场景。
- 数据集成与共享：企业通常会同时使用多种数据库，将 TDengine 的数据同步到 MySQL，便于将时序数据与其他业务数据进行关联分析。
- 数据分析：将 TDengine 的数据同步到 MySQL 后，可再通过 CloudCanal 将数据同步到其他分析型数据库或数仓，支持更复杂的数据分析和操作，满足更多业务需求。
技术点
增量数据同步整体流程
CloudCanal 基于 Query Topic 实现 TDengine 到 MySQL 的数据同步，同步流程如下：
- 创建 Topic，通过 Topic 订阅 TDengine 数据库的变更事件（无法捕获 DELETE 事件）。
- 执行增量数据同步。
- 捕获变更事件，记录表级 offset 位点。
表级别多位点
CloudCanal 支持 TDengine 源端表级别多位点，即可以在表级别进行多位点的配置，确保每个表能够消费各自对应的增量同步位点。位点的具体体现为：
[
{
"db": "us_power",
"table": "s1",
"topic": "canalt7g262cm6jy_increment_us_power_s1",
"offset": 1010,
"vgroup": 3,
"timestamp": 1715828416114
},
{
"db": "us_power",
"table": "s2",
"topic": "canalt7g262cm6jy_increment_us_power_s2",
"offset": 2093,
"vgroup": 3,
"timestamp": 1715828311123
},
...
]
纳秒级时间戳同步
TDengine 最高支持纳秒级 Timestamp 类型，而 MySQL 最高支持微秒级 Timestamp 类型。CloudCanal 支持纳秒级时间戳同步，将 TDengine 纳秒级时间戳转换为 MySQL BIGINT 类型数据。
操作示例
步骤 1: 安装 CloudCanal
请参考 全新安装(Docker Linux/MacOS)，下载安装 CloudCanal 私有部署版本。
步骤 2: 添加数据源
登录 CloudCanal 控制台，点击 数据源管理 > 新增数据源。
步骤 3: 创建任务
点击 同步任务 > 创建任务。
配置源和目标数据源。
选择 数据同步 并勾选 全量初始化。
先取消勾选 自动启动任务，后续仍需要修改个别参数。
选择需要同步的表。
选择表对应的列。
如果是超级表增量同步，可以点击 操作 > 子表订阅过滤条件，设置子表订阅过滤条件，具体可参考 TDengine Query Topic，默认订阅所有子表。
如果需要进行纳秒级时间戳同步，需在对端手动创建表，源端 Timestamp 列要映射到对端 BIGINT 类型列。
点击 确认创建。
任务创建过程将会进行一系列操作，点击 同步设置 > 异步任务，找到任务的创建记录并点击 详情 即可查看。
TDengine 源端的任务创建会有以下几个步骤：
- 分配任务执行机器
- 创建任务状态机
- 完成任务创建
进入任务详情页，点击右上角 功能列表 > 修改任务参数，修改以下任务参数：
- 源端参数 srcTimezone：源端时区，默认 UTC，需要与源端时区保持一致。
- 源端参数 supportTimestampToEpochNano：是否开启 Timestamp-Number 数值转换，默认 false。
- 对端参数 dstTimezone：对端时区，需要与对端时区保持一致。
启动任务，CloudCanal 会自动进行任务流转，其中的步骤包括：
- 全量数据迁移: 已存在的存量数据将会完整迁移到对端。
- 增量数据同步: 增量数据将会持续地同步到对端数据库，并且保持实时（秒级别延迟）。
总结
TDengine 适用于高吞吐的时序数据存储与查询，而 MySQL 适用于事务处理和复杂查询。使用 CloudCanal 进行 TDengine 到 MySQL 数据迁移同步，能够兼顾时序数据的高效存储与业务数据的灵活分析，从而实现时序数据价值的最大化。