zoukankan      html  css  js  c++  java
  • SQL Server审计功能入门:CDC(Change Data Capture)

    介绍

    SQL Server 2008引入了CDC(Change Data Capture),它能记录:

    1. 哪些数据行发生了改变

    2. 数据行变更的历史记录,而不仅仅是最终值。

    跟CT(Change Tracking)相比,它通过作业实现异步变更跟踪(像事务复制),而CT是同步实现的。因此它对性能的影响较轻并且不会影响事务。

    典型应用是在提取、传输和加载数据到其它数据源,就像图中的数据仓库。

    clip_image001

    实现

    微软建议CDC结合快照快照隔离级别使用,可以避免读取变更数据与变更数据写入时的读写阻塞。

    需要注意:快照隔离级别会有额外的开销,特别是Tempdb(所有的数据更改都会被版本化存到tempdb)。

    use master
    
    go
    
    create database CDCTest
    
    go
    
    alter database CDCTest set allow_snapshot_isolation on
    
    go
    
    --enable CDC on database CDCTest
    
    use CDCTest
    
    go
    
    exec sys.sp_cdc_enable_db
    
    go

    启用CDC之后会新增一个叫CDC的Schema和一系列的系统表、SP和View。官方建议不要直接查询系统表而是使用对应的系统SP/FN来获取CDC数据。

    clip_image002

    系统对象

    说明

    建议使用的对象

    cdc.captured_columns

    为在捕获实例中跟踪的每一列返回一行

    sys.sp_cdc_get_source_columns

    cdc.change_tables

    为数据库中的每个更改表返回一行

    sys.sp_cdc_help_change_data_capture

    cdc.ddl_history

    针对启用了变更数据捕获的表所做的每一数据定义语言 (DDL) 更改返回一行

    sys.sp_cdc_get_ddl_history

    cdc.lsn_time_mapping

    为每个在更改表中存在行的事务返回一行

    sys.fn_cdc_map_lsn_to_time (Transact-SQL) , sys.fn_cdc_map_time_to_lsn (Transact-SQL)

    cdc.index_column

    为与更改表关联的每一索引列返回一行

    sys.sp_cdc_help_change_data_capture

    msdb.dbo.cdc_jobs

    存储用于捕获和清除作业的变更数据捕获配置参数

    NA

    cdc.<capture_instance>_CT

    对源表启用变更数据捕获时创建的更改表。 该表为对源表执行的每个插入和删除操作返回一行,为对源表执行的每个更新操作返回两行.capture_instance格式=SchameName_TableName

    cdc.fn_cdc_get_all_changes_<capture_instance> ,

    cdc.fn_cdc_get_net_changes_<capture_instance>

    创建测试表并对期启用CDC。使用sys.sp_cdc_enable_table 对表启用CDC。

    --Create a test table for CDC
    
    use CDCTest
    
    GO
    
    create table tb(ID int primary key ,name varchar(20),weight decimal(10,2));
    
    go
    
    EXECUTE sys.sp_cdc_enable_table
    
        @source_schema = N'dbo'
    
      , @source_name = N'tb'
    
      , @role_name = null;
    
    GO

    如果源表是数据库中第一个要启用变更数据捕获的表,并且数据库不存在事务发布,则 sys.sp_cdc_enable_table 还将为数据库创建捕获和清理作业。 它将 sys.tables 目录视图中的 is_tracked_by_cdc 列设置为 1。

    对应的跟踪表cdc.dbo_tb_CT包含了源表所有的变更数据。它包含原来所有的列和5个新的列,结构如图:

    clip_image003

    验证

    当在源表中操行数据更改操作,表cdc.dbo_tb_CT会记录下来。试一下:

    clipboard[22]

    为什么没有数据呢?因为之前介绍过了,CDC是靠作业来捕获变更数据的,我的Agent还没有运行。

    手动启用后,就有数据了。

    clip_image005

    结果列的含义:

    列名

    数据类型

    说明

    __$start_lsn

    binary(10)

    更改提交的LSN。在同一事务中提交的更改将共享同一个提交 LSN 值。

    __$seqval

    binary(10)

    一个事务内可能有多个更改发生,这个值用于对它们进行排序。

    __$operation

    int

    更改操作的类型:

    1 = 删除

    2 = 插入

    3 = 更新(捕获的列值是执行更新操作前的值)。

    4 = 更新(捕获的列值是执行更新操作后的值)。

    __$update_mask

    varbinary(128)

    位掩码,源表中被CDC跟踪的每一列对应一个位。如果 __$operation = 1 或 2,该值将所有已定义的位设置为 1。如果 __$operation = 3 或 4,则只有那些对应已更改列的位设置为 1。

    现在再插入一行,并更新它,然后再删除ID=1的行。再查看结果:

    clip_image006

    简单说明一下跟踪的查询结果:总共5行,第一行和第二行是插入数据,第三行和第四行是更新前后的数据,第五行是删除数据。操作类型由_$operation值可得知。

    简单应用

    前文中创建的tb表,记录了每个人的姓名和体重变化信息。另外某一个数据库(表tb_rs),它是体重变化趋势报表的数据源。它每天同步一次数据,更新自己的数据。怎么用CDC来实现这个需求呢?

          CDC中记录了start_lsn,如果能知道tb_rs上次同步完成时,tb中被同步的最大LSN。那下次同步时,只需要同步tb表中大于此LSN的变更记录即可。

    问题就简单:获取上次同步完成tb的最大LSN,获取大于此LSN的所有变更记录,更新tb_rs。

    insert into tb
    
    values(1,'Ken',70.2),(3,'Joe',66),(4,'Rose',50)
    
    update tb
    
    set weight=70
    
    where ID=3;
    
    delete from tb where name='Rose';
    
    go
    
    DECLARE @begin_time datetime, @end_time datetime, @begin_lsn binary(10), @end_lsn binary(10); 
    
    --get the interval
    
    select @begin_time=GETDATE()-1,@end_time=GETDATE();
    
    --map the time to LSN of the CDC table tb
    
    select  @begin_lsn = sys.fn_cdc_map_time_to_lsn('smallest greater than or equal', @begin_time),
    
      @end_lsn = sys.fn_cdc_map_time_to_lsn('largest less than or equal', @end_time);
    
    --get the net changes within the specified LSNs
    
    SELECT * FROM cdc.fn_cdc_get_net_changes_dbo_tb(@begin_lsn, @end_lsn, 'all');

    clip_image007

    居然没有Rose的记录?Joe的信息被更新过,怎么才一条记录?

    这是因为这里得到是净变更行,也就是最终结果的意思。新增然后又删除,不影响最终结果,所以没有。多次更新同一行的某一列数据,只返回最后更新的结果。

    得到这个结果,我们就可以根据__$operation和实际数据定义同步数据的逻辑了。比如:

    --generate sync statements
    
    SELECT (case __$operation when 2 then 'insert into tb_rs values ('+cast(ID as varchar(2))+', '+Name+', '+cast(weight as varchar(10))+')'
    
            when 4 then 'update tb_rs set name='+name+',weight='+cast(weight as varchar(10))+' where ID='++cast(ID as varchar(2)) END)
    
    FROM cdc.fn_cdc_get_net_changes_dbo_tb(@begin_lsn, @end_lsn, 'all');

    对于更新过的行,同步数据时,我想要先判断出列是否被更改过和被更改的时间。更改过的列才需要被同步,而不是所有列同步一次。以name为例:

    DECLARE @begin_time datetime, @end_time datetime, @begin_lsn binary(10), @end_lsn binary(10); 
    
    --get the interval
    
    select @begin_time=GETDATE()-1,@end_time=GETDATE();
    
    --map the time to LSN of the CDC table tb
    
    select  @begin_lsn = sys.fn_cdc_map_time_to_lsn('smallest greater than or equal', @begin_time),
    
      @end_lsn = sys.fn_cdc_map_time_to_lsn('largest less than or equal', @end_time);
    
    --get the all changes within the specified LSNs
    
    SELECT *,
    
    (Case sys.fn_cdc_has_column_changed('dbo_tb','name',__$update_mask) when 1 then 'Yes' when 0 then 'No' End) as isNameUpdated,
    
    sys.fn_cdc_map_lsn_to_time(__$start_lsn) as updateTime
    
    FROM cdc.fn_cdc_get_all_changes_dbo_tb(@begin_lsn, @end_lsn, 'all')
    
    where __$operation in(3,4);
    
    go

    CDC不仅能记录DML操作,还能记录DDL操作。查询cdc.ddl_history。

    clip_image008

    但有一点要格外注意:新增的列,能被CDC DDL跟踪到,但是新列的数据变更却不能被CDC跟踪到。如果需要跟踪它,先禁用表上的CDC,再启用即可。

     

    CDC Agent Job

    在指定的数据库中首次启用CDC,并且不存在事务复制,则会创建capture和cleanup两个作业:

    clip_image009

         capture作业是用于扫描日志文件,把变更记录写到变更表中。调用sp_MScdc_capture_job来实现,可以根据当前库的实际事务吞吐量来设置扫描参数和扫描间隔,使得在性能开销和跟踪需求间达到合理平衡。

         cleanup作业是清理变更变表中的数据,默认三天的数据。

    所以合理设定cleanup的间隔是非常重要的。

    这两个作业的相关的配置存储在msdb.dbo.cdc_jobs中。当前的默认配置如图:

    clip_image010

     

    总结

        1. CDC使用方便,易于配置,能与同步抽取等应用结合使用。

        2. CDC能满足大多数对数据审计的要求,但不能告诉你“谁”更改了数据。

        3. 虽说CDC是异步的,对应性能影响小,但还是会增加开销,特别是IO读写和容量方面的。开启CDC,每次更改,都至少会额外增加一次数据文件写和日志文件写操作。

  • 相关阅读:
    git分支管理之创建与合并分支
    git分支管理
    git远程仓库之从远程库克隆
    git远程仓库之添加远程库
    git远程仓库
    Git时光机穿梭之删除文件
    Git时光机穿梭之撤销修改
    Git时光机穿梭之管理修改
    Git时光机穿梭之工作区和暂存区
    Git时光机穿梭之版本回退
  • 原文地址:https://www.cnblogs.com/Joe-T/p/4312806.html
Copyright © 2011-2022 走看看