本篇教程将展示如何基于 Flink CDC 快速建構 MySQL 和 Postgres 的流式 ETL。
Flink-CDC 項目位址:
https://github.com/ververica/flink-cdc-connectors
本教程的示範基于 Docker 環境,都将在 Flink SQL CLI 中進行,隻涉及 SQL,無需一行 Java/Scala 代碼,也無需安裝 IDE。
假設我們正在經營電子商務業務,商品和訂單的資料存儲在 MySQL 中,訂單對應的物流資訊存儲在 Postgres 中。
對于訂單表,為了友善進行分析,我們希望讓它關聯上其對應的商品和物流資訊,構成一張寬表,并且實時把它寫到 ElasticSearch 中。
接下來的内容将介紹如何使用 Flink Mysql/Postgres CDC 來實作這個需求,系統的整體架構如下圖所示:
![](https://img.laitimes.com/img/__Qf2AjLwojIjJCLyojI0JCLicGcq5iM1UTL5gTNx0ycwRXLw0SO5QzNwADMwADMwAjNhEyX4Ekc3lzdvF2R1IzcnJzSzUVMw40Qx80LcJTavwVYyRHeldWbp9CXt92Yu4GZjlGbh5yZtl2Lc9CX6MHc0RHaiojIsJye.jpg)
一、準備階段
準備一台已經安裝了 Docker 的 Linux 或者 MacOS 電腦。
1.1 準備教程所需要的元件
接下來的教程将以
docker-compose
的方式準備所需要的元件。
使用下面的内容建立一個
docker-compose.yml
檔案:
version: '2.1'
services:
postgres:
image: debezium/example-postgres:1.1
ports:
- "5432:5432"
environment:
- POSTGRES_PASSWORD=1234
- POSTGRES_DB=postgres
- POSTGRES_USER=postgres
- POSTGRES_PASSWORD=postgres
mysql:
image: debezium/example-mysql:1.1
ports:
- "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: -1
hard: -1
nofile:
soft: 65536
hard: 65536
kibana:
image: elastic/kibana:7.6.0
ports:
- "5601:5601"
該 Docker Compose 中包含的容器有:
- MySQL:商品表
和 訂單表products
将存儲在該資料庫中, 這兩張表将和 Postgres 資料庫中的物流表orders
進行關聯,得到一張包含更多資訊的訂單表shipments
;enriched_orders
- Postgres:物流表
将存儲在該資料庫中;shipments
- Elasticsearch:最終的訂單表
将寫到 Elasticsearch;enriched_orders
- Kibana:用來可視化 ElasticSearch 的資料。
在
docker-compose.yml
所在目錄下執行下面的指令來啟動本教程需要的元件:
docker-compose up -d
該指令将以 detached 模式自動啟動 Docker Compose 配置中定義的所有容器。你可以通過 docker ps 來觀察上述的容器是否正常啟動了,也可以通過通路
http://localhost:5601/來檢視 Kibana 是否運作正常。
注:本教程接下來用到的容器相關的指令也都需要在
docker-compose.yml
所在目錄下執行。
1.2 下載下傳 Flink 和所需要的依賴包
- 下載下傳 Flink 1.13.2 [1] 并将其解壓至目錄
flink-1.13.2
- 下載下傳下面列出的依賴包,并将它們放到目錄
下flink-1.13.2/lib/
[1] https://downloads.apache.org/flink/flink-1.13.2/flink-1.13.2-bin-scala_2.11.tgz
1.3 準備資料
1.3.1 在 MySQL 資料庫中準備資料
- 進入 MySQL 容器:
docker-compose exec mysql mysql -uroot -p123456
- 建立資料庫和表
,products
,并插入資料:orders
-- MySQL CREATE DATABASE mydb; USE mydb; CREATE TABLE products ( id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY, name VARCHAR(255) NOT NULL, description VARCHAR(512) ); ALTER TABLE products AUTO_INCREMENT = 101; INSERT INTO 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"); CREATE TABLE orders ( order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY, order_date DATETIME NOT NULL, customer_name VARCHAR(255) NOT NULL, price DECIMAL(10, 5) NOT NULL, product_id INTEGER NOT NULL, order_status BOOLEAN NOT NULL -- Whether order has been placed ) AUTO_INCREMENT = 10001; INSERT INTO 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 資料庫中準備資料
- 進入 Postgres 容器:
docker-compose exec postgres psql -h localhost -U postgres
- 建立表
shipments
-- PG CREATE TABLE shipments ( shipment_id SERIAL NOT NULL PRIMARY KEY, order_id SERIAL NOT NULL, origin VARCHAR(255) NOT NULL, destination VARCHAR(255) NOT NULL, is_arrived BOOLEAN NOT NULL ); ALTER SEQUENCE public.shipments_shipment_id_seq RESTART WITH 1001; ALTER TABLE public.shipments REPLICA IDENTITY FULL; INSERT INTO shipments VALUES (default,10001,'Beijing','Shanghai',false), (default,10002,'Hangzhou','Shanghai',false), (default,10003,'Shanghai','Hangzhou',false);
二、啟動 Flink 叢集和 Flink SQL CLI
- 使用下面的指令跳轉至 Flink 目錄下:
cd flink-1.13.2
- 使用下面的指令啟動 Flink 叢集:
啟動成功的話,可以在 http://localhost:8081/ 通路到 Flink Web UI,如下所示:./bin/start-cluster.sh
Flink CDC 系列 - 建構 MySQL 和 Postgres 上的 Streaming ETL - 使用下面的指令啟動 Flink SQL CLI
啟動成功後,可以看到如下的頁面:./bin/sql-client.sh
三、在 Flink SQL CLI 中使用 Flink DDL 建立表
首先,開啟 checkpoint,每隔 3 秒做一次 checkpoint。
-- Flink SQL Flink SQL> SET execution.checkpointing.interval = 3s;
然後, 對于資料庫中的表
products
,
orders
shipments
,使用 Flink SQL CLI 建立對應的表,用于同步這些底層資料庫表的資料。
-- Flink SQLFlink SQL> CREATE TABLE products ( id INT, name STRING, description STRING, PRIMARY KEY (id) NOT ENFORCED ) WITH ( 'connector' = 'mysql-cdc', 'hostname' = 'localhost', 'port' = '3306', 'username' = 'root', 'password' = '123456', 'database-name' = 'mydb', 'table-name' = 'products' );Flink SQL> CREATE TABLE orders ( order_id INT, order_date TIMESTAMP(0), customer_name STRING, price DECIMAL(10, 5), product_id INT, order_status BOOLEAN, PRIMARY KEY (order_id) NOT ENFORCED ) WITH ( 'connector' = 'mysql-cdc', 'hostname' = 'localhost', 'port' = '3306', 'username' = 'root', 'password' = '123456', 'database-name' = 'mydb', 'table-name' = 'orders' );Flink SQL> CREATE TABLE shipments ( shipment_id INT, order_id INT, origin STRING, destination STRING, is_arrived BOOLEAN, PRIMARY KEY (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' );
最後,建立
enriched_orders
表, 用來将關聯後的訂單資料寫入 Elasticsearch 中。
-- Flink SQLFlink SQL> CREATE TABLE 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, PRIMARY KEY (order_id) NOT ENFORCED ) WITH ( 'connector' = 'elasticsearch-7', 'hosts' = 'http://localhost:9200', 'index' = 'enriched_orders' );
四、關聯訂單資料并且将其寫入 Elasticsearch 中
使用 Flink SQL 将訂單表
order
與 商品表
products
,物流資訊表
shipments
關聯,并将關聯後的訂單資訊寫入 Elasticsearch 中。
-- Flink SQLFlink SQL> INSERT INTO enriched_orders SELECT o.*, p.name, p.description, s.shipment_id, s.origin, s.destination, s.is_arrived FROM orders AS o LEFT JOIN products AS p ON o.product_id = p.id LEFT JOIN shipments AS s ON o.order_id = s.order_id;
啟動成功後,可以通路
http://localhost:8081/#/job/running 在 Flink Web UI 上看到正在運作的 Flink Streaming Job,如下圖所示:
現在,就可以在 Kibana 中看到包含商品和物流資訊的訂單資料。
首先通路
http://localhost:5601/app/kibana#/management/kibana/index_pattern建立 index pattern
enriched_orders
。
然後就可以在
http://localhost:5601/app/kibana#/discover看到寫入的資料了。
接下來,修改 MySQL 和 Postgres 資料庫中表的資料,Kibana 中顯示的訂單資料也将實時更新。
- 在 MySQL 的
表中插入一條資料:orders
--MySQLINSERT INTO ordersVALUES (default, '2020-07-30 15:22:00', 'Jark', 29.71, 104, false);
- 在 Postgres 的
shipment
--PGINSERT INTO shipmentsVALUES (default,10004,'Shanghai','Beijing',false);
-
表中更新訂單的狀态:orders
--MySQLUPDATE orders SET order_status = true WHERE order_id = 10004;
-
表中更新物流的狀态:shipment
--PGUPDATE shipments SET is_arrived = true WHERE shipment_id = 1004;
- 在 MYSQL 的
表中删除一條資料:orders
每執行一步就重新整理一次 Kibana,可以看到 Kibana 中顯示的訂單資料将實時更新,如下所示:--MySQLDELETE FROM orders WHERE order_id = 10004;
Flink CDC 系列 - 建構 MySQL 和 Postgres 上的 Streaming ETL
五、環境清理
本教程結束後,在
docker-compose.yml
檔案所在的目錄下執行如下指令停止所有容器:
docker-compose down
在 Flink 所在目錄
flink-1.13.2
下執行如下指令停止 Flink 叢集:
./bin/stop-cluster.sh
六、總結
在本文中,我們以一個簡單的業務場景展示了如何使用 Flink CDC 快速建構 Streaming ETL。希望通過本文,能夠幫助讀者快速上手 Flink CDC ,也希望 Flink CDC 能滿足你的業務需求。
更多 Flink CDC 相關技術問題,可掃碼加入社群釘釘交流群~
近期熱點
更多 Flink 相關技術問題,可掃碼加入社群釘釘交流群
第一時間擷取最新技術文章和社群動态,請關注公衆号~
活動推薦
阿裡雲基于 Apache Flink 建構的企業級産品-實時計算Flink版現開啟活動:
99 元試用
實時計算Flink版(包年包月、10CU)即有機會獲得 Flink 獨家定制衛衣;另包 3 個月及以上還有 85 折優惠!
了解活動詳情:
https://www.aliyun.com/product/bigdata/sc