Flink CDC 系列 - 建構 MySQL 和 Postgres 上的 Streaming ETL

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：

Flink CDC 系列 - 建構 MySQL 和 Postgres 上的 Streaming ETL

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 products 和訂單表 orders 将存儲在該資料庫中，這兩張表将和 Postgres 資料庫中的物流表 shipments 進行關聯，得到一張包含更多資訊的訂單表 enriched_orders ；
Postgres：物流表 shipments 将存儲在該資料庫中；
Elasticsearch：最終的訂單表 enriched_orders 将寫到 Elasticsearch；
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 flink-1.13.2/lib/ 下

[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

，

orders

，并插入資料：

-- 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：
```
./bin/start-cluster.sh           
```
啟動成功的話，可以在 http://localhost:8081/ 通路到 Flink Web UI，如下所示：

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
```
./bin/sql-client.sh           
```
啟動成功後，可以看到如下的頁面：

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

orders

表中插入一條資料：

--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);

orders

表中更新訂單的狀态：

--MySQLUPDATE orders SET order_status = true WHERE order_id = 10004;

shipment

表中更新物流的狀态：

--PGUPDATE shipments SET is_arrived = true WHERE shipment_id = 1004;

在 MYSQL 的 orders 表中删除一條資料：
```
--MySQLDELETE FROM orders WHERE order_id = 10004;           
```
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：

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

Flink CDC 系列 - 建構 MySQL 和 Postgres 上的 Streaming ETL

一、準備階段

1.1 準備教程所需要的元件

1.2 下載下傳 Flink 和所需要的依賴包

1.3 準備資料

1.3.1 在 MySQL 資料庫中準備資料

1.3.2 在 Postgres 資料庫中準備資料

二、啟動 Flink 叢集和 Flink SQL CLI

三、在 Flink SQL CLI 中使用 Flink DDL 建立表

四、關聯訂單資料并且将其寫入 Elasticsearch 中

五、環境清理

六、總結

繼續閱讀

XX系統實施過程問題總結

無元件上傳圖檔到資料庫中，最完整解決方案

【MySQL資料庫】資料庫索引事務1.索引2.事務

27 Best Free Eclipse Plug-ins for Java Developer to be ProductiveCode Quality PluginsText Editor PluginsDependency ManagementVersion Control Integration PluginsFramework Development Continuous Integration Related PluginsOther Utility Plugins

neo4j之cypher使用文檔

CentOS 7,docker安裝

spark/scala關于【資源檔案】加載方法概述外部檔案加載方案測試資源檔案打包入jar包中小結

NOSQL安全攻擊

mybatis_入門程式Mybatis入門

mysql使用source指令導入.sql檔案

【Docker】端口映射問題操作步驟

登入plsql 報錯 the account is locked --使用者被鎖

sqlServer根據經緯查距離

SequoiaDB巨杉資料庫C++驅動概述

win10本地scala和spark安裝安裝scala安裝spark

scala (3) Function 和 Method