This documentation is for an unreleased version of Apache Flink CDC. We recommend you use the latest stable version.
Streaming ELT 同步 MySQL 到 StarRocks #
这篇教程将展示如何基于 Flink CDC 快速构建 MySQL 到 StarRocks 的 Streaming ELT 作业,包含整库同步、表结构变更同步和分库分表同步的功能。
本教程的演示都将在 Flink CDC CLI 中进行,无需一行 Java/Scala 代码,也无需安装 IDE。
准备阶段 #
准备一台已经安装了 Docker 的 Linux 或者 MacOS 电脑。
准备 Flink Standalone 集群 #
-
下载 Flink 1.18.0 ,解压后得到 flink-1.18.0 目录。
使用下面的命令跳转至 Flink 目录下,并且设置 FLINK_HOME 为 flink-1.18.0 所在目录。cd flink-1.18.0
-
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。
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:
多次执行 start-cluster.sh 可以拉起多个 TaskManager。
准备 Docker 环境 #
使用下面的内容创建一个 docker-compose.yml
文件:
version: '2.1'
services:
StarRocks:
image: starrocks/allin1-ubuntu:3.2.6
ports:
- "8080:8080"
- "9030:9030"
MySQL:
image: debezium/example-mysql:1.1
ports:
- "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
- StarRocks: 存储从 MySQL 中根据规则映射过来的结果表
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:8030/ 来查看 StarRocks 是否运行正常。
在 MySQL 数据库中准备数据 #
-
进入 MySQL 容器
docker-compose exec MySQL mysql -uroot -p123456
-
创建数据库
app_db
和表orders
,products
,shipments
,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`) ); -- 插入数据 INSERT INTO `products` (`id`, `product`) VALUES (1, 'Beer'); INSERT INTO `products` (`id`, `product`) VALUES (2, 'Cap'); INSERT INTO `products` (`id`, `product`) VALUES (3, 'Peanut');
通过 Flink CDC 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-3.3-SNAPSHOT
;
flink-cdc-3.3-SNAPSHOT-bin.tar.gz flink-cdc-3.3-SNAPSHOT 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; 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。 请注意,您需要将 jar 移动到 Flink CDC Home 的 lib 目录,而非 Flink Home 的 lib 目录下。
您还需要将下面的 Driver 包放在 Flink
lib
目录下,或通过--jar
参数将其传入 Flink CDC CLI,因为 CDC Connectors 不再包含这些 Drivers: -
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-starrocks.yaml:
################################################################################ # Description: Sync MySQL all tables to StarRocks ################################################################################ source: type: mysql hostname: localhost port: 3306 username: root password: 123456 tables: app_db.\.* server-id: 5400-5404 server-time-zone: UTC sink: type: starrocks name: StarRocks Sink jdbc-url: jdbc:mysql://127.0.0.1:9030 load-url: 127.0.0.1:8080 username: root password: "" table.create.properties.replication_num: 1 pipeline: name: Sync MySQL Database to StarRocks 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 StarRocks BE 节点。
-
最后,通过命令行提交任务到 Flink Standalone cluster
bash bin/flink-cdc.sh mysql-to-starrocks.yaml
提交成功后,返回信息如:
Pipeline has been submitted to cluster.
Job ID: 02a31c92f0e7bc9a1f4c0051980088a0
Job Description: Sync MySQL Database to StarRocks
在 Flink Web UI,可以看到一个名为 Sync MySQL Database to StarRocks
的任务正在运行。
通过数据库连接工具例如 Dbeaver 等连接到 jdbc:mysql://127.0.0.1:9030, 可以查看 StarRocks 中写入了三张表的数据。
同步变更 #
进入 MySQL 容器:
docker-compose exec mysql mysql -uroot -p123456
接下来,修改 MySQL 数据库中表的数据,StarRocks 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INSERT INTO app_db.orders (id, price) VALUES (3, 100.00);
-
在 MySQL 的
orders
表中增加一个字段ALTER TABLE app_db.orders ADD amount varchar(100) NULL;
-
在 MySQL 的
orders
表中更新一条数据UPDATE app_db.orders SET price=100.00, amount=100.00 WHERE id=1;
-
在 MySQL 的
orders
表中删除一条数据DELETE FROM app_db.orders WHERE id=2;
通过连接工具,我们可以看到 StarRocks 上也在实时发生着这些变更:
同样的,去修改 shipments
, products
表,也能在 StarRocks 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说明:
################################################################################
# Description: Sync MySQL all tables to StarRocks
################################################################################
source:
type: mysql
hostname: localhost
port: 3306
username: root
password: 123456
tables: app_db.\.*
server-id: 5400-5404
server-time-zone: UTC
sink:
type: starrocks
name: StarRocks Sink
jdbc-url: jdbc:mysql://127.0.0.1:9030
load-url: 127.0.0.1:8030
username: root
password: ""
table.create.properties.replication_num: 1
route:
- source-table: app_db.orders
sink-table: ods_db.ods_orders
- source-table: app_db.shipments
sink-table: ods_db.ods_shipments
- source-table: app_db.products
sink-table: ods_db.ods_products
pipeline:
name: Sync MySQL Database to StarRocks
parallelism: 2
通过上面的 route
配置,会将 app_db.orders
表的结构和数据同步到 ods_db.ods_orders
中。从而实现数据库迁移的功能。
特别地,source-table 支持正则表达式匹配多表,从而实现分库分表同步的功能,例如下面的配置:
route:
- source-table: app_db.order\.*
sink-table: ods_db.ods_orders
这样,就可以将诸如 app_db.order01
、app_db.order02
、app_db.order03
的表汇总到 ods_db.ods_orders 中。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。
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