SQL Server審計功能入門：CDC（Change Data Capture）

介紹

SQL Server 2008引入了CDC(Change Data Capture),它能記錄：

1. 哪些數據行發生了改變

2. 數據行變更的歷史記錄，而不僅僅是最終值。

跟CT(Change Tracking)相比，它通過作業實現異步變更跟蹤(像事務復制)，而CT是同步實現的。因此它對性能的影響較輕並且不會影響事務。

典型應用是在提取、傳輸和加載數據到其它數據源，就像圖中的數據倉庫。

實現

微軟建議CDC結合快照快照隔離級別使用，可以避免讀取變更數據與變更數據寫入時的讀寫阻塞。

需要注意：快照隔離級別會有額外的開銷，特別是Tempdb(所有的數據更改都會被版本化存到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

啟用CDC之后會新增一個叫CDC的Schema和一系列的系統表、SP和View。官方建議不要直接查詢系統表而是使用對應的系統SP/FN來獲取CDC數據。

系統對象	說明	建議使用的對象
cdc.captured_columns	為在捕獲實例中跟蹤的每一列返回一行	sys.sp_cdc_get_source_columns
cdc.change_tables	為數據庫中的每個更改表返回一行	sys.sp_cdc_help_change_data_capture
cdc.ddl_history	針對啟用了變更數據捕獲的表所做的每一數據定義語言 (DDL) 更改返回一行	sys.sp_cdc_get_ddl_history
cdc.lsn_time_mapping	為每個在更改表中存在行的事務返回一行	sys.fn_cdc_map_lsn_to_time (Transact-SQL) , sys.fn_cdc_map_time_to_lsn (Transact-SQL)
cdc.index_column	為與更改表關聯的每一索引列返回一行	sys.sp_cdc_help_change_data_capture
msdb.dbo.cdc_jobs	存儲用於捕獲和清除作業的變更數據捕獲配置參數	NA
cdc.<capture_instance>_CT	對源表啟用變更數據捕獲時創建的更改表。 該表為對源表執行的每個插入和刪除操作返回一行，為對源表執行的每個更新操作返回兩行.capture_instance格式=SchameName_TableName	cdc.fn_cdc_get_all_changes_<capture_instance> , cdc.fn_cdc_get_net_changes_<capture_instance>

創建測試表並對期啟用CDC。使用sys.sp_cdc_enable_table 對表啟用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

如果源表是數據庫中第一個要啟用變更數據捕獲的表，並且數據庫不存在事務發布，則 sys.sp_cdc_enable_table 還將為數據庫創建捕獲和清理作業。 它將 sys.tables 目錄視圖中的 is_tracked_by_cdc 列設置為 1。

對應的跟蹤表cdc.dbo_tb_CT包含了源表所有的變更數據。它包含原來所有的列和5個新的列，結構如圖：

驗證

當在源表中操行數據更改操作，表cdc.dbo_tb_CT會記錄下來。試一下：

為什么沒有數據呢？因為之前介紹過了，CDC是靠作業來捕獲變更數據的，我的Agent還沒有運行。

手動啟用后，就有數據了。

結果列的含義：

列名	數據類型	說明
__$start_lsn	binary(10)	更改提交的LSN。在同一事務中提交的更改將共享同一個提交 LSN 值。
__$seqval	binary(10)	一個事務內可能有多個更改發生，這個值用於對它們進行排序。
__$operation	int	更改操作的類型： 1 = 刪除 2 = 插入 3 = 更新（捕獲的列值是執行更新操作前的值）。 4 = 更新（捕獲的列值是執行更新操作后的值）。
__$update_mask	varbinary(128)	位掩碼，源表中被CDC跟蹤的每一列對應一個位。如果 __$operation = 1 或 2，該值將所有已定義的位設置為 1。如果 __$operation = 3 或 4，則只有那些對應已更改列的位設置為 1。

現在再插入一行，並更新它，然后再刪除ID=1的行。再查看結果：

簡單說明一下跟蹤的查詢結果：總共5行，第一行和第二行是插入數據，第三行和第四行是更新前后的數據，第五行是刪除數據。操作類型由_$operation值可得知。

簡單應用

前文中創建的tb表，記錄了每個人的姓名和體重變化信息。另外某一個數據庫(表tb_rs)，它是體重變化趨勢報表的數據源。它每天同步一次數據，更新自己的數據。怎么用CDC來實現這個需求呢？

      CDC中記錄了start_lsn,如果能知道tb_rs上次同步完成時，tb中被同步的最大LSN。那下次同步時，只需要同步tb表中大於此LSN的變更記錄即可。

問題就簡單：獲取上次同步完成tb的最大LSN,獲取大於此LSN的所有變更記錄，更新tb_rs。

• 由sys.fn_cdc_map_time_to_lsn可以將時間映射到對應的LSN，時間就是前一天。
• 由cdc.fn_cdc_get_net_changes_<capture_instance>能得到一天內的所有的凈變更記錄。
• 由變更記錄自定義同步邏輯和語句。

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');

居然沒有Rose的記錄？Joe的信息被更新過，怎么才一條記錄？

這是因為這里得到是凈變更行，也就是最終結果的意思。新增然后又刪除，不影響最終結果，所以沒有。多次更新同一行的某一列數據，只返回最后更新的結果。

得到這個結果，我們就可以根據__$operation和實際數據定義同步數據的邏輯了。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');

對於更新過的行，同步數據時，我想要先判斷出列是否被更改過和被更改的時間。更改過的列才需要被同步，而不是所有列同步一次。以name為例：

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不僅能記錄DML操作，還能記錄DDL操作。查詢cdc.ddl_history。

但有一點要格外注意：新增的列，能被CDC DDL跟蹤到，但是新列的數據變更卻不能被CDC跟蹤到。如果需要跟蹤它，先禁用表上的CDC，再啟用即可。

 

CDC Agent Job

在指定的數據庫中首次啟用CDC，並且不存在事務復制，則會創建capture和cleanup兩個作業：

     capture作業是用於掃描日志文件，把變更記錄寫到變更表中。調用sp_MScdc_capture_job來實現，可以根據當前庫的實際事務吞吐量來設置掃描參數和掃描間隔，使得在性能開銷和跟蹤需求間達到合理平衡。

     cleanup作業是清理變更變表中的數據，默認三天的數據。

所以合理設定cleanup的間隔是非常重要的。

這兩個作業的相關的配置存儲在msdb.dbo.cdc_jobs中。當前的默認配置如圖：

 

總結

    1. CDC使用方便，易於配置，能與同步抽取等應用結合使用。

    2. CDC能滿足大多數對數據審計的要求，但不能告訴你“誰”更改了數據。

    3. 雖說CDC是異步的，對應性能影響小，但還是會增加開銷，特別是IO讀寫和容量方面的。開啟CDC，每次更改，都至少會額外增加一次數據文件寫和日志文件寫操作。