基于 Flink CDC 构建 MySQL 和 Postgres 的 Streaming ETL
这篇教程将展示如何基于 Flink CDC 快速构建 MySQL 和 Postgres 的流式 ETL。本教程的演示都将在 Flink SQL CLI 中进行,只涉及 SQL,无需一行 Java / Scala 代码,也无需安装 IDE。
假设我们正在经营电子商务业务,商品和订单的数据存储在 MySQL 中,订单对应的物流信息存储在 Postgres 中。 对于订单表,为了方便进行分析,我们希望让它关联上其对应的商品和物流信息,构成一张宽表,并且实时把它写到 ElasticSearch 中。
接下来的内容将介绍如何使用 Flink MySQL / Postgres CDC 来实现这个需求,系统的整体架构如下图所示:
1.准备阶段
准备一台已经安装了 Docker 的 Linux 或者 MacOS 电脑。
1.1 准备教程所需要的组件
接下来的教程将以
docker-compose
的方式准备所需要的组件。
使用下面的内容创建一个
docker-compose.yml
文件:
version:'2.1'services:postgres:image: debezium/example-postgres:1.1ports:-"5432:5432"environment:- POSTGRES_DB=postgres
- POSTGRES_USER=postgres
- POSTGRES_PASSWORD=postgres
mysql:image: debezium/example-mysql:1.1ports:-"3306:3306"environment:- MYSQL_ROOT_PASSWORD=123456
- MYSQL_USER=mysqluser
- MYSQL_PASSWORD=mysqlpw
elasticsearch:image: elastic/elasticsearch:7.6.0
environment:- cluster.name=docker-cluster
- bootstrap.memory_lock=true
-"ES_JAVA_OPTS=-Xms512m -Xmx512m"- discovery.type=single-node
ports:-"9200:9200"-"9300:9300"ulimits:memlock:soft:-1hard:-1nofile:soft:65536hard:65536kibana:image: elastic/kibana:7.6.0
ports:-"5601:5601"
该 Docker Compose 中包含的容器有:
MySQL
:商品表products
和 订单表orders
将存储在该数据库中, 这两张表将和 Postgres 数据库中的物流表shipments
进行关联,得到一张包含更多信息的订单表enriched_orders
。- Postgres:物流表
shipments
将存储在该数据库中。 - Elasticsearch:最终的订单表
enriched_orders
将写到 Elasticsearch。 - Kibana:用来可视化 ElasticSearch 的数据。
在
docker-compose.yml
所在目录下执行下面的命令来启动本教程需要的组件:
docker-compose up -d
该命令将以
detached
模式自动启动 Docker Compose 配置中定义的所有容器。你可以通过
docker ps
来观察上述的容器是否正常启动了,也可以通过访问
http://localhost:5601/
来查看 Kibana 是否运行正常。
1.2 下载 Flink 和所需要的依赖包
下载 Flink 1.18.0 并将其解压至目录
flink-1.18.0
。
下载以下列出的依赖包,并将它们放到目录
flink-1.18.0/lib/
下:
flink-sql-connector-elasticsearch7-3.0.1-1.17.jar
flink-sql-connector-mysql-cdc-2.5-SNAPSHOT.jar
flink-sql-connector-postgres-cdc-2.5-SNAPSHOT.jar
注:下载链接只对已发布的版本有效,SNAPSHOT 版本需要本地基于
master
或
release
分支编译。
1.3 准备数据
1.3.1 在 MySQL 数据库中准备数据
进入 MySQL 容器
docker-compose exec mysql mysql -u root -p 123456
创建数据库和表
products
、
orders
,并插入数据。
-- MySQLCREATEDATABASE mydb;USE mydb;CREATETABLE products (
id INTEGERNOTNULLAUTO_INCREMENTPRIMARYKEY,
name VARCHAR(255)NOTNULL,
description VARCHAR(512));ALTERTABLE products AUTO_INCREMENT=101;INSERTINTO products
VALUES(default,"scooter","Small 2-wheel scooter"),(default,"car battery","12V car battery"),(default,"12-pack drill bits","12-pack of drill bits with sizes ranging from #40 to #3"),(default,"hammer","12oz carpenter's hammer"),(default,"hammer","14oz carpenter's hammer"),(default,"hammer","16oz carpenter's hammer"),(default,"rocks","box of assorted rocks"),(default,"jacket","water resistent black wind breaker"),(default,"spare tire","24 inch spare tire");CREATETABLE orders (
order_id INTEGERNOTNULLAUTO_INCREMENTPRIMARYKEY,
order_date DATETIMENOTNULL,
customer_name VARCHAR(255)NOTNULL,
price DECIMAL(10,5)NOTNULL,
product_id INTEGERNOTNULL,
order_status BOOLEANNOTNULL-- Whether order has been placed)AUTO_INCREMENT=10001;INSERTINTO orders
VALUES(default,'2020-07-30 10:08:22','Jark',50.50,102,false),(default,'2020-07-30 10:11:09','Sally',15.00,105,false),(default,'2020-07-30 12:00:30','Edward',25.25,106,false);
1.3.2 在 Postgres 数据库中准备数据
进入 Postgres 容器:
docker-compose exec postgres psql -h localhost -U postgres
创建表
shipments
,并插入数据。
-- PGCREATETABLE shipments (
shipment_id SERIALNOTNULLPRIMARYKEY,
order_id SERIALNOTNULL,
origin VARCHAR(255)NOTNULL,
destination VARCHAR(255)NOTNULL,
is_arrived BOOLEANNOTNULL);ALTER SEQUENCE public.shipments_shipment_id_seq RESTART WITH1001;ALTERTABLEpublic.shipments REPLICA IDENTITYFULL;INSERTINTO shipments
VALUES(default,10001,'Beijing','Shanghai',false),(default,10002,'Hangzhou','Shanghai',false),(default,10003,'Shanghai','Hangzhou',false);
2.启动 Flink 集群和 Flink SQL CLI
使用下面的命令跳转至 Flink 目录下
cd flink-1.18.0
使用下面的命令启动 Flink 集群
./bin/start-cluster.sh
启动成功的话,可以在
http://localhost:8081/
访问到 Flink Web UI,如下所示:
使用下面的命令启动 Flink SQL CLI
./bin/sql-client.sh
启动成功后,可以看到如下的页面:
3.在 Flink SQL CLI 中使用 Flink DDL 创建表
首先,开启
checkpoint
,每隔 3 秒做一次
checkpoint
-- Flink SQL
Flink SQL>SET execution.checkpointing.interval=3s;
然后, 对于数据库中的表
products
,
orders
,
shipments
, 使用 Flink SQL CLI 创建对应的表,用于同步这些底层数据库表的数据。
-- Flink SQL
Flink SQL>CREATETABLE products (
id INT,
name STRING,
description STRING,PRIMARYKEY(id)NOT ENFORCED
)WITH('connector'='mysql-cdc','hostname'='localhost','port'='3306','username'='root','password'='123456','database-name'='mydb','table-name'='products');
Flink SQL>CREATETABLE orders (
order_id INT,
order_date TIMESTAMP(0),
customer_name STRING,
price DECIMAL(10,5),
product_id INT,
order_status BOOLEAN,PRIMARYKEY(order_id)NOT ENFORCED
)WITH('connector'='mysql-cdc','hostname'='localhost','port'='3306','username'='root','password'='123456','database-name'='mydb','table-name'='orders');
Flink SQL>CREATETABLE shipments (
shipment_id INT,
order_id INT,
origin STRING,
destination STRING,
is_arrived BOOLEAN,PRIMARYKEY(shipment_id)NOT ENFORCED
)WITH('connector'='postgres-cdc','hostname'='localhost','port'='5432','username'='postgres','password'='postgres','database-name'='postgres','schema-name'='public','table-name'='shipments','slot.name'='flink');
最后,创建
enriched_orders
表, 用来将关联后的订单数据写入 Elasticsearch 中。
-- Flink SQL
Flink SQL>CREATETABLE enriched_orders (
order_id INT,
order_date TIMESTAMP(0),
customer_name STRING,
price DECIMAL(10,5),
product_id INT,
order_status BOOLEAN,
product_name STRING,
product_description STRING,
shipment_id INT,
origin STRING,
destination STRING,
is_arrived BOOLEAN,PRIMARYKEY(order_id)NOT ENFORCED
)WITH('connector'='elasticsearch-7','hosts'='http://localhost:9200','index'='enriched_orders');
4.关联订单数据并且将其写入 Elasticsearch 中
使用 Flink SQL 将订单表
order
与 商品表
products
,物流信息表
shipments
关联,并将关联后的订单信息写入 Elasticsearch 中。
-- Flink SQL
Flink SQL>INSERTINTO enriched_orders
SELECT o.*, p.name, p.description, s.shipment_id, s.origin, s.destination, s.is_arrived
FROM orders AS o
LEFTJOIN products AS p ON o.product_id = p.id
LEFTJOIN shipments AS s ON o.order_id = s.order_id;
现在,就可以在 Kibana 中看到包含商品和物流信息的订单数据。
首先访问
http://localhost:5601/app/kibana#/management/kibana/index_pattern
,创建
index pattern
:
enriched_orders
。
然后就可以在
http://localhost:5601/app/kibana#/discover
看到写入的数据了。
接下来,修改 MySQL 和 Postgres 数据库中表的数据,Kibana 中显示的订单数据也将实时更新:
在 MySQL 的
orders
表中插入一条数据:
--MySQLINSERTINTO orders
VALUES(default,'2020-07-30 15:22:00','Jark',29.71,104,false);
在 Postgres 的
shipment
表中插入一条数据:
--PGINSERTINTO shipments
VALUES(default,10004,'Shanghai','Beijing',false);
在 MySQL 的
orders
表中更新订单的状态:
--MySQLUPDATE orders SET order_status =trueWHERE order_id =10004;
在 Postgres 的
shipment
表中更新物流的状态:
--PGUPDATE shipments SET is_arrived =trueWHERE shipment_id =1004;
在 MySQL 的
orders
表中删除一条数据:
--MySQLDELETEFROM orders WHERE order_id =10004;
每执行一步就刷新一次 Kibana,可以看到 Kibana 中显示的订单数据将实时更新,如下所示:
5.环境清理
本教程结束后,在
docker-compose.yml
文件所在的目录下执行如下命令停止所有容器:
docker-compose down
在 Flink 所在目录
flink-1.18.0
下执行如下命令停止 Flink 集群:
./bin/stop-cluster.sh
版权归原作者 G皮T 所有, 如有侵权,请联系我们删除。