数据传输一致性保障：如何避免‘少数据’或‘脏数据’？

在做数据同步的时候，ETLCLoud 一般通过库表输入与库表输出完成抽取数据和同步数据。

而抽取数据到平台并推送数据到目标端这个过程时，数据都是存在平台所在服务器的内存中的，对于一些大表，内存不足以存储整张表的数据，这时就会使用平台自带的分页传输。

而分页传输，数据被分成多批传输到目标端，如果其中有一批数据输出出错，那么流程会直接终止，事务被回滚，而面对这种情况，我们可以在库表输出中配置

输出异常时跳过异常，并配置节点断言。

这样运行流程，即使有数据出错也不会停止流程，能够成功传输的数据还是正常输出。

这时流程的运行记录会标记为警告（流程正常结束但是存在同步失败的数据）。

检查目标表的确实没有传输失败的数据。

根据日志处理了目标表的字段结构后，如何只同步失败的数据而不必同步全部数据呢？

一、出错数据如何同步

首先先确保库表输出配置了记录失败的数据。

这样，流程同步失败的数据会存入到作为 ETL 平台系统数据库的 MongoDB 的库中。

配置一个这样的流程

Mongo 输入组件配置：

查询条件添加过滤条件：

{

$and:[

{"P_TAG_STATUS":1},

{"P_TAG_PROCESSSID":"任务 ID"}

]

}

应用 ID 位置：

任务 ID 为运行记录的任务 ID：

库表输出则配置目标库

运行流程进行失败数据传输：

成功将失败数据进行同步。

二、如何去判断源表和目标表的数据是否一致

同步完数据后如何去判断源表和目标表的数据是否一致呢？

我们创建并设计一个流程

库表输入配置：

源表与目标表都是读取全量数据

双流数据值对比组件：

日志输出的输出内容选包含变量的，因为对比结果存在变量里面

运行流程进行数据对比

打印结果 compareResult 为 true 证明两张表的内容一致。

三、当源表与目标表数据不一致要如何处理

当源表的数据与目标表数据不一致，可能是源端插入、更新、删除的数据都没有同步到目标端，这就可能导致目标表可能少了源表存在的数据、部分数据与源表不一致、多了源表不存在的数据。这种情况下，我们要对两张表进行数据对比，对比出差异数据，根据不同情况同步到目标表：

源表存在目标表不存在的数据：插入到目标表。

源表与目标表都存在但是部分数据不一致的数据：更新到目标表。

源表不存在目标表存在的数据：从目标表删除。

我们可以配置这样的流程进行处理：

双流增量运算配置

两个库表输入就分别全量读取源表与目标表数据。库表输出则选择目标表，将双流增量的数据同步到目标表

本文详细介绍了在使用 ETLCloud 进行数据同步时，如何确保数据传输的一致性，主要分为三个部分：

容错与重试：通过配置“跳过异常”和节点断言，避免因部分数据错误导致整个同步任务失败，并将失败数据记录至 MongoDB，便于后续精准重同步。

一致性校验：通过“双流数据值对比”组件，全量比对源表和目标表的数据，快速验证数据是否一致。

差异修复：当发现数据不一致时，利用“双流增量运算”组件自动识别差异类型（需新增、更新或删除），并生成相应的操作将目标表数据修复至与源表一致。

这套方法体系有效地解决了数据同步过程中可能出现的“少数据”和“脏数据”问题，保障了端到端的数据一致性。