0


Flink cdc3.0同步实例(动态变更表结构、分库分表同步)

文章目录

前言

在FLink cdc 2.x的版本,各企业做了许多类似的基础功能改造工作(B站 2022年企业flink cdc实践分享 )。
最近Flink CDC 3.0发布,schema 变更自动同步、整库同步、分库分表等增强功能使 Flink CDC 3.0 在更复杂的数据集成与用户业务场景中发挥作用:用户无需在数据源发生 schema 变更时手动介入,大大降低用户的运维成本;只需对同步任务进行简单配置即可将多表、多库同步至下游,并进行合并等逻辑,显著降低用户的开发难度与入门门槛。Flink CDC 3.0 正式发布。
我们今天基于 Flink CDC 3.0 同步 MySQL 到 Doris ,来体验下新上的整库同步、表结构变更同步和分库分表同步的功能。

准备

flink环境

准备 Flink Standalone 集群,下载最新版本 Flink 1.18.0 ,解压后得到 flink-1.18.0 目录。并且设置 FLINK_HOME 为 flink-1.18.0 所在目录。
通过在

conf/flink-conf.yaml

配置文件追加下列参数开启 checkpoint,每隔 3 秒做一次 checkpoint,方便后续观察数据变更。

execution.checkpointing.interval: 3000

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:
在这里插入图片描述
多次执行 start-cluster.sh 可以拉起多个 TaskManager,保证Total Task Slots >= 2, 不然提交任务会有资源不足异常,比如我这里执行了3次。 或者是修改

conf/flink-conf.yaml

资源配置。

docker构建mysql、doris环境

如果有安装这两个组件,就可以免去docker,接下来的教程将以 docker-compose 的方式准备所需要的组件。
由于 Doris 的运行需要内存映射支持,需在宿主机执行如下命令:

sysctl -w vm.max_map_count=2000000

docker 镜像启动,使用下面的内容创建一个

docker-compose.yml

文件:

version:'2.1'services:doris:image: yagagagaga/doris-standalone
    ports:-"8030:8030"-"8040:8040"-"9030:9030"mysql:image: debezium/example-mysql:1.1ports:-"3306:3306"environment:- MYSQL_ROOT_PASSWORD=123456
      - MYSQL_USER=mysqluser
      - MYSQL_PASSWORD=mysqlpw

该 Docker Compose 中包含的容器有:

MySQL: 包含商品信息的数据库

app_db

Doris: 存储从 MySQL 中根据规则映射过来的结果表

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:8030/ 来查看 Doris 是否运行正常。

数据准备

进入 MySQL 容器, 或者通过客户端工具连接到mysql

docker-composeexec mysql mysql -uroot-p123456

创建数据库 app_db 和表

orders,products

并插入数据

-- 创建数据库
CREATE DATABASE app_db;

USE app_db;

-- 创建 orders 表
CREATE TABLE `orders`(`id` INT NOT NULL,
`price` DECIMAL(10,2) NOT NULL,
PRIMARY KEY (`id`));

-- 插入数据
INSERT INTO `orders`(`id`, `price`) VALUES (1, 4.00);
INSERT INTO `orders`(`id`, `price`) VALUES (2, 100.00);

-- 创建 shipments 表
CREATE TABLE `shipments`(`id` INT NOT NULL,
`city` VARCHAR(255) NOT NULL,
PRIMARY KEY (`id`));

-- 插入数据
INSERT INTO `shipments`(`id`, `city`) VALUES (1, 'beijing');
INSERT INTO `shipments`(`id`, `city`) VALUES (2, 'xian');

-- 创建 products 表
CREATE TABLE `products`(`id` INT NOT NULL,
`product` VARCHAR(255) NOT NULL,
PRIMARY KEY (`id`));

Doris 暂时不支持自动创建数据库,需要先创建写入表对应的数据库。
进入 Doris Web UI。http://localhost:8030/,默认的用户名为 root,默认密码为空。
通过 Web UI 创建 app_db 数据库

create database if not exists app_db;

在这里插入图片描述

通过 FlinkCDC cli 提交任务

下载下面列出的二进制压缩包,并解压得到目录

flink-cdc-3.0.0


flink-cdc-3.0.0-bin.tar.gz flink-cdc-3.0.0 下会包含 bin、lib、log、conf 四个目录。

下载下面列出的 connector 包,并且移动到 lib 目录下

  • MySQL pipeline connector 3.0.0
  • Apache Doris pipeline connector 3.0.0在这里插入图片描述

整库同步

编写任务配置 yaml 文件,下面给出了一个整库同步的示例文件 mysql-to-doris.yaml:

################################################################################# Description: Sync MySQL all tables to Doris################################################################################source:type: mysql
  hostname: localhost
  port:3306username: root
  password:123456tables: app_db.\.*
  server-id: 5400-5404server-time-zone: UTC

sink:type: doris
  fenodes: 127.0.0.1:8030username: root
  password:""table.create.properties.light_schema_change:truetable.create.properties.replication_num:1pipeline:name: Sync MySQL Database to Doris
  parallelism:2

其中:
source 中的

tables: app_db.\.*

通过正则匹配同步

app_db

下的所有表。
sink 添加

table.create.properties.replication_num

参数是由于 Docker 镜像中只有一个 Doris BE 节点。

最后,通过命令行提交任务到 Flink Standalone cluster

bash bin/flink-cdc.sh conf/mysql-to-doris.yaml

提交成功后,返回信息如:
在这里插入图片描述
在 Flink Web UI,可以看到一个名为

Sync MySQL Database to Doris

的任务正在运行。job id对应上面的cb049fe4a2112510a77ee46e197054a6
在这里插入图片描述
打开 Doris 的 Web UI,可以看到数据表已经被创建出来,数据能成功写入。
在这里插入图片描述

同步变更

接下来,修改 MySQL 数据库中表的数据,Doris 中显示的订单数据也将实时更新:

INSERT INTO app_db.orders (id, price) VALUES (3, 100.00);
ALTER TABLE app_db.orders ADD amount varchar(100) NULL;
UPDATE app_db.orders SET price=100.00, amount=100.00 WHERE id=1;
DELETE FROM app_db.orders WHERE id=2;
-- 区别于官方再新增一条数据
INSERT INTO app_db.orders VALUES (4, 200, 200.00);

也可以拆开每执行一步,刷新一次 Doris Web UI,可以看到 Doris 中显示的 orders 数据将实时更新,如下所示:
在这里插入图片描述
同样的,去修改 shipments, products 表,也能在 Doris 中实时看到同步变更的结果。

路由变更

Flink CDC 提供了将源表的表结构/数据路由到其他表名的配置,借助这种能力,我们能够实现表名库名替换,整库同步等功能。
下面提供一个配置文件

conf/mysql-to-doris-route.yaml

说明:

################################################################################# Description: Sync MySQL all tables to Doris################################################################################
source:
  type: mysql
  hostname: localhost
  port: 3306
  username: root
  password: 123456
  tables: app_db1.\.*
  server-id: 5400-5404
  server-time-zone: UTC

sink:
  type: doris
  fenodes: 127.0.0.1:8030
  benodes: 127.0.0.1:8040
  username: root
  password: ""
  table.create.properties.light_schema_change: true
  table.create.properties.replication_num: 1

route:
  - source-table: app_db1.orders\.*
    sink-table: app_db1.ods_orders

pipeline:
  name: Sync MySQL Database to Doris
  parallelism: 2

通过上面的 route 配置,使用正则表达式,可以将诸如 app_db1.order_01、app_db1.order_02 的表汇总到 app_db1.ods_orders 中。从而实现分库分表同步的功能。注意,目前还不支持多表中存在相同主键数据的场景,将在后续版本支持。
另外官方文档里的写法存在一个问题。
在这里插入图片描述
正则表达式前面加上’\‘转义,

app_db1.orders\.*

,否则会抛出异常:java.util.regex.PatternSyntaxException: Dangling meta character ‘*’ near index 0 *
在这里插入图片描述
目前已在git提了issue,后面应该会处理这里的问题。
我们在mysql和doris分别创建数据库

app_db1

, 然后初始化mysql

-- 创建表orders_01
CREATE TABLE `orders_01`(`id` int NOT NULL,
  `price` decimal(10,2) NOT NULL,
  `amount` varchar(100) DEFAULT NULL,
  PRIMARY KEY (`id`))ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

-- 创建表orders_02
CREATE TABLE `orders_02`(`id` int NOT NULL,
  `price` decimal(10,2) NOT NULL,
  `amount` varchar(100) DEFAULT NULL,
  PRIMARY KEY (`id`))ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

启动新的job。
在这里插入图片描述
然后在orders_01,orders_02分别插入数据


INSERT INTO `orders_01`(`id`, `price`) VALUES (11, 4.00);
INSERT INTO `orders_02`(`id`, `price`) VALUES (12, 100.00);

在doris里验证,数据都写入了

app_db1.ods_orders

在这里插入图片描述

路由表结构不一致无法同步

看Schema Evolution 设计原理,Flink CDC 3.0 在作业拓扑中引入了 SchemaRegistry,结合 SchemaOperator 协调并控制作业拓扑中的 schema 变更事件处理。当上游数据源发生 schema 变更时,SchemaRegistry 会控制 SchemaOperator 以暂停数据流,并将流水线中的数据从 sink 全部刷出以保证 schema 一致性。当 schema 变更事件在外部系统处理成功后,SchemaOperator 恢复数据流,完成本次 schema 变更的处理。
在这里插入图片描述
所以考虑只修改orders_01,再插入数据看doris同步的变化。

-- 添加sku字段
ALTER TABLE app_db1.orders_01 ADD sku varchar(32) NULL;
-- 向orders_01插入id=13
INSERT INTO `orders_01` VALUES (13, 4.00, 8.00, 'apple01');
-- 向orders_02插入id=14
INSERT INTO `orders_02` VALUES (14, 1.00, 1.00);

可以看到doris中的

app_db1.orders

表结构发生了变化,但是

orders_02

的id=14这条数据没有正常写入。flink异常提示:java.lang.IllegalStateException: Column size does not match the data size
在这里插入图片描述
而当修改orders_02的表结构,也会有异常:Caused by: java.util.concurrent.ExecutionException: java.lang.IllegalArgumentException: status of AddColumnEvent is already existed。并且之后写入的数据无法正常同步。

结尾

flink cdc的功能越来越强,也再尝试解决用户的使用痛点。不过放到生产环境使用还需要建立在更多的实践测试之上。

标签: flink 大数据 cdc

本文转载自: https://blog.csdn.net/yyoc97/article/details/135104812
版权归原作者 yyoc97 所有, 如有侵权,请联系我们删除。

“Flink cdc3.0同步实例(动态变更表结构、分库分表同步)”的评论:

还没有评论