SQL Server CDC最佳实践

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：

1. 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

2. 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