同步CDC和异步CDC

稍微整理了下关于ETL和CDC增量抽取。

ETL： 

Extract（萃取）-Transform（转置）-Load （加载），常用于数据仓库，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据仓库的重要步骤。

CDC：

Change Data Capture（改变数据捕获）是Oracle在数据库级别实现的增量抽取解决方案之一。

CDC能够帮助你识别从上次提取之后发生变化的数据。

利用CDC，在对源表进行INSERT、UPDATE或 DELETE等操作的同时就可以提取数据，并且变化的数据被保存在数据库的变化表中。这样就可以捕获发生变化的数据，然后利用数据库视图以一种可控的方式提供给目标系统。

目前，最为常用的ETL增量数据处理方式有三种:

1.时间戳（弱点：要求业务系统的表必须一个可以标识新旧数据的字段）

2.日志对比

3.全面数据对比（弱点：高网络负载、性能代价高、无法反映数据的历史状态）

4.触发器(优点：抽取性能高。缺点：需要业务表建立触发器，对业务系统有一定的影响。)

CDC的两个模式：

同步：同步CDC主要是采用触发器记录新增数据，基本能够做到实时增量抽取。

异步：异步CDC通过分析已经commit的日志记录来得到增量数据信息，有一定的时间延迟，并且提供了到oracleStreams的接口。

同步CDC在企业版或者标准版中都可以使用，异步CDC则只包含在企业版中。

CDC的发布订立模型：

CDC体系结构基于发布者/订阅者模型。发布者捕捉变化数据并提供给订阅者。订阅者使用从发布者那里获得的变化数据。

CDC几个概念：

源表(Source Table)，业务数据库的需要捕获数据的源表

变化表(Change Table)  ，保存从源表捕获的变化数据(包括各种DML产生的数据)

变化集(Change Set)，是保证事务一致性的数据集合。一个变化集对应多个变化表

订阅视图(Subscription View),提供给读取变化表数据的视图

订阅窗口(Subscription Window) ,定义了查看变化数据的时间范围.就象一个观察变化数据的滑动窗口。变化数据处理完成后，可以对清除订阅窗口。