0
0

什么是Flink CDC，以及如何使用

什么是Flink CDC，以及如何使用

CDC介绍

数据库中的CDC（Change Data Capture，变更数据捕获）是一种用于实时跟踪数据库中数据变化的技术。CDC的主要目的是在数据库中捕获增量数据，以便在需要时可以轻松地将这些数据合并到其他系统或应用程序中。CDC在数据库管理、数据同步、数据集成和数据备份等方面具有广泛的应用。

CDC通常通过以下几种方式实现：

  1. 基于触发器的CDC：在表上创建触发器，当数据发生更改时，触发器会将更改的数据记录到其他系统或表中。
  2. 基于事务日志的CDC：通过读取数据库事务日志，将日志中的更改记录解析为可操作的数据。这种方法通常用于增量备份和恢复。
  3. 基于游标的CDC：在数据库中使用游标，逐行处理数据更改，并将这些更改应用于其他系统或表。
  4. 基于时间戳的CDC：为表中的每个数据行分配一个时间戳，当数据发生更改时，更新相应的时间戳。然后，可以使用时间戳来识别和处理数据更改。
  5. 基于消息队列的CDC：将数据更改作为事件发送到消息队列，以便其他系统或应用程序可以订阅和处理这些事件。

Flink CDC

Flink CDC（Change Data Capture，即数据变更抓取）是一个开源的数据库变更日志捕获和处理框架，它可以实时地从各种数据库（如MySQL、PostgreSQL、Oracle、MongoDB等）中捕获数据变更并将其转换为流式数据。Flink CDC 可以帮助实时应用程序实时地处理和分析这些流数据，从而实现数据同步、数据管道、实时分析和实时应用等功能。

Flink CDC 的主要特点包括：

  1. 支持多种数据库类型：Flink CDC 支持多种数据库，如 MySQL、PostgreSQL、Oracle、MongoDB 等。
  2. 实时数据捕获：Flink CDC 能够实时捕获数据库中的数据变更，并将其转换为流式数据。
  3. 高性能：Flink CDC 基于 Flink 引擎，具有高性能的数据处理能力。
  4. 低延迟：Flink CDC 可以在毫秒级的延迟下处理大量的数据变更。
  5. 易集成：Flink CDC 与 Flink 生态系统紧密集成，可以方便地与其他 Flink 应用程序一起使用。
  6. 高可用性：Flink CDC 支持实时备份和恢复，确保数据的高可用性。

适用于场景？

Flink CDC 可以用于各种场景，如：

  1. 实时数据同步：将数据从一个数据库实时同步到另一个数据库。
  2. 实时数据管道：构建实时数据处理管道，处理和分析数据库中的数据。
  3. 实时数据分析：实时分析数据库中的数据，提供实时的业务洞察。
  4. 实时应用：将数据库中的数据实时应用于实时应用程序，如实时报表、实时推荐等。
  5. 实时监控：实时监控数据库中的数据，检测异常和错误。

Flink CDC 的简单用例

数据库配置

创建数据库和相应的表

创建mydb数据库，并创建user表

createdatabase mydb;createtableuser(
    id bigintprimarykeyauto_increment,
    name varchar(255));INSERTINTO mydb.user(name)VALUES('小明');INSERTINTO mydb.user(name)VALUES('小红');

创建了一个名为 

mydb

的数据库，并在其中创建了一个名为 

user

的表。表中包含一个主键 

id

和一个字符串类型的 

name

字段。还向 

user

表中插入了两条记录，分别是 

'小明'

和 

'小红'

。

开启mysql数据库bin-log日志

1.如果是服务器

在my.cnf中添加binlog配置,并重启mysql数据库


    server-id =123
    log_bin = mysql-bin
    binlog_format = row
    binlog_row_image = full
    expire_logs_days =10
    gtid_mode = on
    enforce_gtid_consistency = on

已经为 MySQL 设置了一些配置参数。下面是对这些参数的解释：

  1. server-id = 123：指定服务器的唯一标识符，通常用于区分不同的数据库服务器。
  2. log_bin = mysql-bin：启用二进制日志记录，以便在数据库出现故障时可以恢复数据。
  3. binlog_format = row：指定二进制日志的记录格式。row 格式会记录每个更改行的详细信息，这对于需要事务完整性的应用程序非常有用。
  4. binlog_row_image = full：设置 row 格式的二进制日志记录行的完整信息，包括列值、注释等。这有助于提高应用程序的可恢复性。
  5. expire_logs_days = 10：设置自动清理过期二进制日志文件的天数。在这个例子中，设置为 10 天。
  6. gtid_mode = on：启用全局事务 ID 模式，这使得基于 GTID 的复制成为可能。
  7. enforce_gtid_consistency = on：强制执行 GTID 一致性，确保事务在不同的 MySQL 实例之间保持一致。

2.如果在Windows使用小皮

在小皮面板里设置，如图：

在这里插入图片描述

打开bin日志开关

搭建Flink CDC java环境

添加maven相关pom

在pom里添加相关Flink CDC依赖

<!--        flink connector 基础包--><dependency><groupId>org.apache.flink</groupId><artifactId>flink-connector-base</artifactId><version>1.14.4</version></dependency><!--        CDC mysql 源--><dependency><groupId>com.ververica</groupId><artifactId>flink-sql-connector-mysql-cdc</artifactId><version>2.3.0</version></dependency><!--        Flink Steam流处理--><dependency><groupId>org.apache.flink</groupId><artifactId>flink-streaming-java_2.11</artifactId><version>1.14.4</version></dependency><!--        flink java客户端--><dependency><groupId>org.apache.flink</groupId><artifactId>flink-clients_2.12</artifactId><version>1.14.4</version></dependency><!--        开启webui支持，默认是8081，默认没有开启--><dependency><groupId>org.apache.flink</groupId><artifactId>flink-runtime-web_2.12</artifactId><version>1.14.4</version></dependency><!--        Flink Table API和SQL API使得在Flink中进行数据处理变得更加简单和高效
通过使用Table API和SQL API，可以像使用传统的关系型数据库一样，通过编写SQL语句或者使用类似于
Java的API进行数据处理和分析--><dependency><groupId>org.apache.flink</groupId><artifactId>flink-table-runtime_2.11</artifactId><version>1.14.4</version></dependency><dependency><groupId>ch.qos.logback</groupId><artifactId>logback-classic</artifactId><version>1.2.11</version></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-api</artifactId><version>2.0.6</version></dependency>

这是一段 Maven 依赖配置，它引入了 Flink Connector Base、CDC MySQL Source、Flink Streaming Java、Flink Java Client、Flink Runtime Web、Flink Table Runtime 和 Logback Classic。

这些依赖库提供了以下功能：

  • Flink Connector Base:Flink 的连接器基础包，用于将 Flink 与其他系统进行集成。
  • CDC MySQL Source:Flink 的 MySQL CDC 源，用于从 MySQL 数据库中读取数据流。
  • Flink Streaming Java:Flink 的 Java 流处理 API,用于编写并发程序以处理数据流。
  • Flink Java Client:Flink 的 Java API,用于在 Java 应用程序中使用 Flink。
  • Flink Runtime Web:Flink 的 Web UI,用于监控和管理 Flink 集群。
  • Flink Table Runtime:Flink 的 Table API,使在 Flink 中进行数据处理变得更加简单和高效。
  • Logback Classic:日志记录库，用于记录应用程序的日志信息。

构建Sink

Flink CDC(Change Data Capture)中的Sink用于将CDC接收到的数据写入外部系统(如数据库或文件系统),以实现数据同步和数据备份等功能，并将其转换为DataStream流。然后，Sink将这个DataStream流写入到外部系统中，以便进行后续的数据处理和分析。

importorg.apache.flink.streaming.api.functions.sink.RichSinkFunction;publicclassCustomSinkextendsRichSinkFunction<String>{@Overridepublicvoidinvoke(String value,Context context)throwsException{System.out.println("json->: "+value);}}

这段代码定义了一个名为CustomSink的类，它继承自RichSinkFunction类。RichSinkFunction是Flink CDC中用于将数据写入外部系统(如数据库或文件系统)的函数接口。CustomSink的作用是将CDC接收到的数据写入外部系统中。具体实现方式由子类CustomSink来定义。由于这个类继承了RichSinkFunction,因此可以使用Flink中的其他RichSink函数特性，例如设置日志级别、配置连接等,invoke则是处理函数。

main配置运行

如下面的代码，构建Flink CDC连接

publicstaticvoidmain(String[] args)throwsException{MySqlSourceBuilder<String> builder =MySqlSource.builder();MySqlSource<String> source = builder.hostname("192.168.2.6").port(3306).databaseList("mydb").tableList("mydb.user").username("root").password("root").deserializer(newJsonDebeziumDeserializationSchema()).includeSchemaChanges(true).build();//        启动webui，绑定本地web-ui端口号Configuration configuration=newConfiguration();
        configuration.setInteger(RestOptions.PORT,8081);StreamExecutionEnvironment env =StreamExecutionEnvironment.getExecutionEnvironment(configuration);

        env.enableCheckpointing(5000);
        env.fromSource(source,WatermarkStrategy.noWatermarks(),"MYSQL Source").addSink(newCustomSink());
        env.execute();}

这段代码是使用Flink构建一个数据流处理任务，从MySQL数据库中读取数据并进行处理。

首先，使用MySqlSourceBuilder创建一个MySqlSource对象，并设置连接参数(hostname、port、databaseList、tableList、username和password)以及反序列化器(JsonDebeziumDeserializationSchema)。然后，创建Configuration对象并设置WebUI端口号(RestOptions.PORT),接着使用StreamExecutionEnvironment创建一个执行环境，启用检查点(checkpointing)并将MySqlSource和自定义的Sink添加到执行环境中。最后，执行整个任务。

操作数据库查看结果

如图所示：

{"before":null,"after":{"id":"1661935564737286146","qu_type":4,"level":1,"image":"","content":"dos查看日期、时间","create_time":1685100091000,"update_time":1685100091000,"remark":"","analysis":""},"source":{"version":"1.6.4.Final","connector":"mysql","name":"mysql_binlog_source","ts_ms":0,"snapshot":"false","db":"mydb","sequence":null,"table":"t_user","server_id":0,"gtid":null,"file":"","pos":0,"row":0,"thread":null,"query":null},"op":"r","ts_ms":1685521801276,"transaction":null}

这段代码是Flink CDC监听到的MySQL数据库binlog中的一条变更数据记录，表示在MySQL的t_user表中发生了一次读取操作，读取的数据记录的内容为：

  • “id”: “1661935564737286146”
  • “qu_type”: 4
  • “level”: 1
  • “image”: “”
  • “content”: “dos查看日期、时间”
  • “create_time”: 1685100091000
  • “update_time”: 1685100091000
  • “remark”: “”
  • “analysis”: “” 其中，before字段为null，表示这是一条insert操作；after字段为变更后的数据内容；source字段表示数据的来源信息，包括MySQL的版本、连接器类型、数据库名称、表名称等；op字段表示操作类型，"r"表示读取操作；ts_ms字段表示变更发生的时间戳；transaction字段表示事务信息，这里为null，表示这是一条非事务性的操作记录。

操作数据JSON讲解

在Flink CDC中，op字段表示MySQL数据库binlog中的操作类型，通常情况下分为以下几种类型：

  1. “c”：表示create，表示对数据库进行了创建操作。
  2. “u”：表示update，表示对数据库进行了更新操作。
  3. “d”：表示delete，表示对数据库进行了删除操作。
  4. “r”：表示read，表示对数据库进行了读取操作。 其中，前三种操作类型都是数据的变更操作，read操作则是指对数据库进行的查询操作。在Flink CDC中，一般只会监听到前三种操作类型，因为只有这三种操作类型才会导致数据库中的数据发生变化，而read操作则只是查询数据，并不会导致数据的变化。
标签： flink 数据库 mongodb
本文转载自: https://blog.csdn.net/qq_30503389/article/details/130972489
版权归原作者 不可大东 所有， 如有侵权，请联系我们删除。
登录后发布评论

“什么是Flink CDC，以及如何使用”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

网络安全法-网络运行安全

使用selenium/drissionpage时如何阻止chrome自动跳转http到https

docker desktop 里部署的Open WebUI 管理员密码忘记了的处理方法

在ubuntu20.04中搭建onsite比赛运行环境

利用开源的低代码表单设计器FcDesigner高效管理和渲染复杂表单结构

Kafka学习笔记

【前端】浏览器输入url到页面呈现发生了什么？

文章导航