Flink1.11引入了CDC的connector,通過這種方式可以很友善地捕獲變化的資料,大大簡化了資料處理的流程。Flink1.11的CDC connector主要包括: MySQL CDC Postgres CDC canal-json debezium-json changelog-json
和
,同時對Kafka的Connector支援
以及
的format。本文主要分享以下内容:
- CDC簡介
- Flink提供的 table format
- 使用過程中的注意點
- mysql-cdc的操作實踐
- canal-json的操作實踐
- changelog-json的操作實踐
簡介
Flink CDC Connector 是ApacheFlink的一組資料源連接配接器,使用變化資料捕獲change data capture (CDC)從不同的資料庫中提取變更資料。Flink CDC連接配接器将Debezium內建為引擎來捕獲資料變更。是以,它可以充分利用Debezium的功能。
特點
- 支援讀取資料庫快照,并且能夠持續讀取資料庫的變更日志,即使發生故障,也支援exactly-once 的處理語義
- 對于DataStream API的CDC connector,使用者無需部署Debezium和Kafka,即可在單個作業中使用多個資料庫和表上的變更資料。
- 對于Table/SQL API 的CDC connector,使用者可以使用SQL DDL建立CDC資料源,來監視單個表上的資料變更。
使用場景
- 資料庫之間的增量資料同步
- 審計日志
- 資料庫之上的實時物化視圖
- 基于CDC的維表join
- …
Flink提供了一系列可以用于table connector的table format,具體如下:
Formats | Supported Connectors |
---|---|
CSV | Apache Kafka, Filesystem |
JSON | Apache Kafka, Filesystem, Elasticsearch |
Apache Avro | |
Debezium CDC | Apache Kafka |
Canal CDC | |
Apache Parquet | Filesystem |
Apache ORC |
使用MySQL CDC的注意點
如果要使用MySQL CDC connector,對于程式而言,需要添加如下依賴:
<dependency>
<groupId>com.alibaba.ververica</groupId>
<artifactId>flink-connector-mysql-cdc</artifactId>
<version>1.0.0</version>
</dependency>
如果要使用Flink SQL Client,需要添加如下jar包:flink-sql-connector-mysql-cdc-1.0.0.jar,将該jar包放在Flink安裝目錄的lib檔案夾下即可。
使用canal-json的注意點
如果要使用Kafka的canal-json,對于程式而言,需要添加如下依賴:
<!-- universal -->
<dependency>
<groupId>org.apache.flink</groupId>
<artifactId>flink-connector-kafka_2.11</artifactId>
<version>1.11.0</version>
</dependency>
如果要使用Flink SQL Client,需要添加如下jar包:flink-sql-connector-kafka_2.11-1.11.0.jar,将該jar包放在Flink安裝目錄的lib檔案夾下即可。由于Flink1.11的安裝包 的lib目錄下并沒有提供該jar包,是以必須要手動添加依賴包,否則會報如下錯誤:
[ERROR] Could not execute SQL statement. Reason:
org.apache.flink.table.api.ValidationException: Could not find any factory for identifier 'kafka' that implements 'org.apache.flink.table.factories.DynamicTableSourceFactory' in the classpath.
Available factory identifiers are:
datagen
mysql-cdc
使用changelog-json的注意點
如果要使用Kafka的changelog-json Format,對于程式而言,需要添加如下依賴:
<dependency>
<groupId>com.alibaba.ververica</groupId>
<artifactId>flink-format-changelog-json</artifactId>
<version>1.0.0</version>
</dependency>
如果要使用Flink SQL Client,需要添加如下jar包:flink-format-changelog-json-1.0.0.jar,将該jar包放在Flink安裝目錄的lib檔案夾下即可。
建立MySQL資料源表
在建立MySQL CDC表之前,需要先建立MySQL的資料表,如下:
-- MySQL
/*Table structure for table `order_info` */
DROP TABLE IF EXISTS `order_info`;
CREATE TABLE `order_info` (
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '編号',
`consignee` varchar(100) DEFAULT NULL COMMENT '收貨人',
`consignee_tel` varchar(20) DEFAULT NULL COMMENT '收件人電話',
`total_amount` decimal(10,2) DEFAULT NULL COMMENT '總金額',
`order_status` varchar(20) DEFAULT NULL COMMENT '訂單狀态,1表示下單,2表示支付',
`user_id` bigint(20) DEFAULT NULL COMMENT '使用者id',
`payment_way` varchar(20) DEFAULT NULL COMMENT '付款方式',
`delivery_address` varchar(1000) DEFAULT NULL COMMENT '送貨位址',
`order_comment` varchar(200) DEFAULT NULL COMMENT '訂單備注',
`out_trade_no` varchar(50) DEFAULT NULL COMMENT '訂單交易編号(第三方支付用)',
`trade_body` varchar(200) DEFAULT NULL COMMENT '訂單描述(第三方支付用)',
`create_time` datetime DEFAULT NULL COMMENT '建立時間',
`operate_time` datetime DEFAULT NULL COMMENT '操作時間',
`expire_time` datetime DEFAULT NULL COMMENT '失效時間',
`tracking_no` varchar(100) DEFAULT NULL COMMENT '物流單編号',
`parent_order_id` bigint(20) DEFAULT NULL COMMENT '父訂單編号',
`img_url` varchar(200) DEFAULT NULL COMMENT '圖檔路徑',
`province_id` int(20) DEFAULT NULL COMMENT '地區',
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='訂單表';
-- ----------------------------
-- Records of order_info
-- ----------------------------
INSERT INTO `order_info`
VALUES (476, 'lAXjcL', '13408115089', 433.00, '2', 10, '2', 'OYyAdSdLxedceqovndCD', 'ihjAYsSjrgJMQVdFQnSy', '8728720206', '', '2020-06-18 02:21:38', NULL, NULL, NULL, NULL, NULL, 9);
INSERT INTO `order_info`
VALUES (477, 'QLiFDb', '13415139984', 772.00, '1', 90, '2', 'OizYrQbKuWvrvdfpkeSZ', 'wiBhhqhMndCCgXwmWVQq', '1679381473', '', '2020-06-18 09:12:25', NULL, NULL, NULL, NULL, NULL, 3);
INSERT INTO `order_info`
VALUES (478, 'iwKjQD', '13320383859', 88.00, '1', 107, '1', 'cbXLKtNHWOcWzJVBWdAs', 'njjsnknHxsxhuCCeNDDi', '0937074290', '', '2020-06-18 15:56:34', NULL, NULL, NULL, NULL, NULL, 7);
/*Table structure for table `order_detail` */
CREATE TABLE `order_detail` (
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '編号',
`order_id` bigint(20) DEFAULT NULL COMMENT '訂單編号',
`sku_id` bigint(20) DEFAULT NULL COMMENT 'sku_id',
`sku_name` varchar(200) DEFAULT NULL COMMENT 'sku名稱(備援)',
`img_url` varchar(200) DEFAULT NULL COMMENT '圖檔名稱(備援)',
`order_price` decimal(10,2) DEFAULT NULL COMMENT '購買價格(下單時sku價格)',
`sku_num` varchar(200) DEFAULT NULL COMMENT '購買個數',
`create_time` datetime DEFAULT NULL COMMENT '建立時間',
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='訂單明細表';
-- ----------------------------
-- Records of order_detail
-- ----------------------------
INSERT INTO `order_detail`
VALUES (1329, 476, 8, 'Apple iPhone XS Max (A2104) 256GB 深空灰色 移動聯通電信4G手機 雙卡雙待', 'http://XLMByOyZDTJQYxphQHNTgYAFzJJCKTmCbzvEJIpz', 8900.00, '3', '2020-06-18 02:21:38');
INSERT INTO `order_detail`
VALUES (1330, 477, 9, '榮耀10 GT遊戲加速 AIS手持夜景 6GB+64GB 幻影藍全網通 移動聯通電信', 'http://ixOCtlYmlxEEgUfPLiLdjMftzrleOEIBKSjrhMne', 2452.00, '4', '2020-06-18 09:12:25');
INSERT INTO `order_detail`
VALUES (1331, 478, 4, '小米Play 流光漸變AI雙攝 4GB+64GB 夢幻藍 全網通4G 雙卡雙待 小水滴全面屏拍照遊戲智能手機', 'http://RqfEFnAOqnqRnNZLFRvBuwXxwNBtptYJCILDKQYv', 1442.00, '1', '2020-06-18 15:56:34');
INSERT INTO `order_detail`
VALUES (1332, 478, 8, 'Apple iPhone XS Max (A2104) 256GB 深空灰色 移動聯通電信4G手機 雙卡雙待', 'http://IwhuCDlsiLenfKjPzbJrIoxswdfofKhJLMzlJAKV', 8900.00, '3', '2020-06-18 15:56:34');
INSERT INTO `order_detail`
VALUES (1333, 478, 8, 'Apple iPhone XS Max (A2104) 256GB 深空灰色 移動聯通電信4G手機 雙卡雙待', 'http://bbfwTbAzTWapywODzOtDJMJUEqNTeRTUQuCDkqXP', 8900.00, '1', '2020-06-18 15:56:34');
Flink SQL Cli建立CDC資料源
啟動 Flink 叢集,再啟動 SQL CLI,執行下面指令:
-- 建立訂單資訊表
CREATE TABLE order_info(
id BIGINT,
user_id BIGINT,
create_time TIMESTAMP(0),
operate_time TIMESTAMP(0),
province_id INT,
order_status STRING,
total_amount DECIMAL(10, 5)
) WITH (
'connector' = 'mysql-cdc',
'hostname' = 'kms-1',
'port' = '3306',
'username' = 'root',
'password' = '123qwe',
'database-name' = 'mydw',
'table-name' = 'order_info'
);
在Flink SQL Cli中查詢該表的資料:result-mode: tableau,+表示資料的insert
在SQL CLI中建立訂單詳情表:
CREATE TABLE order_detail(
id BIGINT,
order_id BIGINT,
sku_id BIGINT,
sku_name STRING,
sku_num BIGINT,
order_price DECIMAL(10, 5),
create_time TIMESTAMP(0)
) WITH (
'connector' = 'mysql-cdc',
'hostname' = 'kms-1',
'port' = '3306',
'username' = 'root',
'password' = '123qwe',
'database-name' = 'mydw',
'table-name' = 'order_detail'
);
查詢結果如下:
執行JOIN操作:
SELECT
od.id,
oi.id order_id,
oi.user_id,
oi.province_id,
od.sku_id,
od.sku_name,
od.sku_num,
od.order_price,
oi.create_time,
oi.operate_time
FROM
(
SELECT *
FROM order_info
WHERE
order_status = '2'-- 已支付
) oi
JOIN
(
SELECT *
FROM order_detail
) od
ON oi.id = od.order_id;
關于cannal的使用方式,可以參考我的另一篇文章:基于Canal與Flink實作資料實時增量同步(一)。我已經将下面的表通過canal同步到了kafka,具體格式為:
{
"data":[
{
"id":"1",
"region_name":"華北"
},
{
"id":"2",
"region_name":"華東"
},
{
"id":"3",
"region_name":"東北"
},
{
"id":"4",
"region_name":"華中"
},
{
"id":"5",
"region_name":"華南"
},
{
"id":"6",
"region_name":"西南"
},
{
"id":"7",
"region_name":"西北"
}
],
"database":"mydw",
"es":1597128441000,
"id":102,
"isDdl":false,
"mysqlType":{
"id":"varchar(20)",
"region_name":"varchar(20)"
},
"old":null,
"pkNames":null,
"sql":"",
"sqlType":{
"id":12,
"region_name":12
},
"table":"base_region",
"ts":1597128441424,
"type":"INSERT"
}
在SQL CLI中建立該canal-json格式的表:
CREATE TABLE region (
id BIGINT,
region_name STRING
) WITH (
'connector' = 'kafka',
'topic' = 'mydw.base_region',
'properties.bootstrap.servers' = 'kms-3:9092',
'properties.group.id' = 'testGroup',
'format' = 'canal-json' ,
'scan.startup.mode' = 'earliest-offset'
);
建立MySQL資料源
參見上面的order_info
Flink SQL Cli建立changelog-json表
CREATE TABLE order_gmv2kafka (
day_str STRING,
gmv DECIMAL(10, 5)
) WITH (
'connector' = 'kafka',
'topic' = 'order_gmv_kafka',
'scan.startup.mode' = 'earliest-offset',
'properties.bootstrap.servers' = 'kms-3:9092',
'format' = 'changelog-json'
);
INSERT INTO order_gmv2kafka
SELECT DATE_FORMAT(create_time, 'yyyy-MM-dd') as day_str, SUM(total_amount) as gmv
FROM order_info
WHERE order_status = '2' -- 訂單已支付
GROUP BY DATE_FORMAT(create_time, 'yyyy-MM-dd');
查詢表看一下結果:
再查一下kafka的資料:
{"data":{"day_str":"2020-06-18","gmv":433},"op":"+I"}
當将另外兩個訂單的狀态order_status更新為2時,
總金額=443+772+88=1293
再觀察資料: