博客
关于我
Oracle-OGG,双向同步过滤OGG自身用户的DML失效,如何处理?
阅读量:443 次
发布时间:2019-03-06

本文共 829 字,大约阅读时间需要 2 分钟。

一、问题与解决方案

在Oracle数据库的双向同步场景中,已发现OGG用户的DML操作未能被有效过滤,导致数据同步过程出现无限循环的情况。 为解决此问题,我们尝试通过调整传输选项参数来实现过滤。以下是具体操作步骤和验证结果。

2.1 参数调整:TRANLOGOPTIONS EXCLUDEUSER

在11g库中,我们尝试通过设置`TRANLOGOPTIONS EXCLUDEUSER ogg01`来过滤OGG用户的DML操作。然而,验证发现该参数在11g抽取进程中仍无法有效过滤OGG用户的插入操作。进一步分析发现,该参数在19c库中的应用效果较好,但11g库中仍存在数据同步问题。

2.2 参数调整:EXCLUDEUSERID

针对11g库中的问题,我们尝试将过滤参数从`EXCLUDEUSER`升级至`EXCLUDEUSERID`。具体做法是:在11g库中设置`TRANLOGOPTIONS EXCLUDEUSERID 84`,其中`84`为OGG用户的用户ID。通过这一调整,发现OGG用户的插入操作确实得到了有效过滤。

2.3 参数调整:EXCLUDETAG

此外,我们还尝试通过设置`DBOPTIONS SETTAG 1234`来实现过滤。对于19c库中的OGG用户,通过设置`TRANLOGOPTIONS EXCLUDETAG 1234`,能够有效过滤相关DML操作。验证结果表明,该参数在19c库中表现良好,且支持双向同步场景下的过滤需求。

总结

通过以上参数调整,我们成功实现了对OGG用户的DML操作过滤。具体做法包括: 1. 在11g库中,通过`TRANLOGOPTIONS EXCLUDEUSERID 84`实现过滤; 2. 在19c库中,通过`DBOPTIONS SETTAG 1234`和`TRANLOGOPTIONS EXCLUDETAG 1234`实现过滤。

这些调整有效解决了双向同步中的无限循环问题,确保了数据同步的稳定性。

转载地址:http://kllyz.baihongyu.com/

你可能感兴趣的文章
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
opencv保存图片路径包含中文乱码解决方案
查看>>
opencv图像分割2-GMM
查看>>
OpenCV(1)读写图像
查看>>
OpenCV:概念、历史、应用场景示例、核心模块、安装配置
查看>>
Openlayers中点击地图获取坐标并输出
查看>>
Openlayers图文版实战,vue项目从0到1做基础配置
查看>>