产品特性/使用
TapData Cloud 为您提供了云端服务，适合需要快速部署、低前期投资场景，帮助您更好地专注于业务发展而非基础设施管理，注册账号即可领取免费的 Agent 实例，欢迎试用。
TapData Enterprise 可部署在您的本地数据中心，适合对数据敏感性或网络隔离有严格要求的场景，可服务于构建实时数仓，实现实时数据交换，数据迁移等场景。
TapData Community 是一个开源的数据集成平台，提供基础的数据同步和转换功能，可通过 Docker 一键部署，帮助您快速探索和实施数据集成项目。随着项目或企业发展，您可以平滑升级至 TapData Cloud 或 TapData Enterprise，以获得更多高级功能或服务支持。本文列举使用 TapData 过程中的常见问题。
TapData 支持哪些数据源？
TapData 支持丰富的数据库，包括常见关系型、非关系型以及队列型数据源，详情见支持的数据库。
TapData 支持试用吗？
支持。您可以点击“申请试用”，TapData 工程师会联系您并协助您试用。
TapData 如何收费？
TapData 提供 Cloud 和 Enterprise 两种部署方式，满足您多样化的需求：
| 产品 | 适用场景 | 定价说明 |
|---|---|---|
| TapData Cloud | 注册 TapData Cloud 账号即可使用，适合需要快速部署、低前期投资场景，帮助您更好地专注于业务发展而非基础设施管理。 | 免费提供 1 个 SMALL 规格的 Agent 实例（半托管模式），您也可以按照业务需求，订阅更高规格或更多数量的 Agent 实例。更多介绍，见产品计费。 |
| TapData Enterprise | 支持部署至本地数据中心，适合对数据敏感性或网络隔离有严格要求的场景，如金融机构、政府部门或希望完全控制数据的大型企业。 | 基于部署的服务器节点数量，按年支付相应的订阅费用。在正式采购前，您可以点击“申请试用”，TapData 工程师会联系您并协助您试用。更多介绍，见产品定价。 |
连接测试失败怎么办？
创建数据连接时，需要参照页面右侧连接配置帮助，按指南完成相关参数的设定，您也可以参考准备工作完成设置。
配置复制任务时，目标节点推演结果异常？
TapData 会自动基于选择源表来推演目标表结构等信息，此处可能遇到的问题如下：
- 更新条件异常：TapData 会将更新条件自动设置为表的主键，如果没有主键则选用唯一索引字段，无主键和唯一索引时，您需要手动指定更新条件的字段。
- 推演异常：通常是字段类型异常引起，您可以根据页面提示，调整相关字段的类型。
TapData 处理事务的逻辑是什么？
通常一个事务有开始、过程、提交、撤回几种可能，因此事务开始执行后，可能会有多个 SQL 发起，此时 TapData 即捕获这些变更并缓存起来。
长时间未提交的事务会导致每次启停任务将从该事务开始挖掘，为避免影响源库和增量同步的性能，TapData 会清理超过一定时长的未提交事务，如果清理后源库再提交了该事务，可能导致数据不一致。
为避免此类情况发生，请在配置任务时，设置来源节点（如 Oracle 库）的未提交事务生命时长，以符合业务需求。
TapData 是否支持将表发布 API 服务？
TapData Enterprise 可部署在您的本地数据中心，适合对数据敏感性或网络隔离有严格要求的场景，可服务于构建实时数仓，实现实时数据交换，数据迁移等场景。支持（单表），您可以将加工后的表发布为 API 服务，以便其他应用程序可以轻松地访问和获取数据。
如何基于多表的复杂查询发布为 API 服务？
TapData Enterprise 可部署在您的本地数据中心，适合对数据敏感性或网络隔离有严格要求的场景，可服务于构建实时数仓，实现实时数据交换，数据迁移等场景。面对基于多表的复杂查询场景，业界常见的解决方案有物化视图和即席查询（Ad-hoc Query）：
- 物化视图： 物化视图是一种预先计算和存储的虚拟表，它在查询时提供了高性能的数据访问。通过将多表 Join 操作提前执行并将结果存储为物化视图，可以极大地提高查询性能和响应时间，该方案适用于数据变化频率较低的情况，因为每次数据更新时都需要更新物化视图。
- 即席查询： 即席查询是根据用户的需求即时执行的查询，没有提前计算和存储的过程，该方案适用于数据变化频率较高的场景，因为它可以实时获取最新的数据，但在多表 Join 操作时可能会导致较高的查询成本和较长的响应时间。
在 TapData 中，您可以将多表的复杂查询固化为物化视图提供 API 服务，您可以基于查询的复杂程度和对实时性的要求选择下述方案：
实时视图方案
实时视图方案适用于 SQL 语句相对简单，对数据实时性要求高的场景，其核心思想上以多样化的处理节点来实现 SQL 语句中的具体操作（如 Join），最终将处理后的数据实时同步到一个新表，最后基于该表创建并发布 API 服务。
具体步骤如下：
将 SQL 语句中的具体操作以处理节点来替代。如下图所示，我们预先将 customer 和 company 表执行连接（Join）操作（通过连接节点实现），并将其结果存至 join_result 表。
启动任务实现数据的实时同步。
基于新表（join_result）创建并发布 API 服务。
跑批视图方案
面对非常复杂的 SQL 语句（例如 SQL 嵌套、复杂 Join 等），可直接将 SQL 语句在全量阶段执行，将查询结果同步至一个新表，最后基于该表创建并发布 API 服务。该方案适用于 SQL 复杂性高，但对实时性要求不高的场景。
具体步骤如下：
在画布中添加源和目标节点。
提示目标节点需为弱 Scheme 类的数据源，例如如 MongoDB 或 Kafka。
在源节点设置阶段，打开全量自定义查询开关，添加全量数据同步阶段需要执行的 SQL 查询语句（不对增量阶段生效）。
完成目标节点的设置后，单击页面右上角的设置，将同步类型设置为全量，随后基于对实时性的要求设置定期调度的策略。
启动任务，等待任务运行完毕后再基于新表创建并发布 API 服务。