基于 Flink CDC 构建 MySQL 到 Databend 的 实时数据同步

Posted 2023-06-21 Databend

这篇教程将展示如何基于 Flink CDC 快速构建 MySQL 到 Databend 的实时数据同步。本教程的演示都将在 Flink SQL CLI 中进行，只涉及 SQL，无需一行 Java/Scala 代码，也无需安装 IDE。

假设我们有电子商务业务，商品的数据存储在 MySQL ，我们需要实时把它同步到 Databend 中。

接下来的内容将介绍如何使用 Flink Mysql/Databend CDC 来实现这个需求，系统的整体架构如下图所示：

准备阶段

准备一台已经安装了 Docker 和 docker-compose 的 Linux 或者 MacOS 。

准备教程所需要的组件

接下来的教程将以 docker-compose 的方式准备所需要的组件。

debezium-MySQL

docker-compose.yaml

version: \'2.1\'
services:
  postgres:
    image: debezium/example-postgres:1.1
    ports:
      - "5432:5432"
    environment:
      - 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

Databend

docker-compose.yaml

version: \'3\'
services:
  databend:
    image: datafuselabs/databend
    volumes:
      - /Users/hanshanjie/databend/local-test/databend/databend-query.toml:/etc/databend/query.toml
    environment:
      QUERY_DEFAULT_USER: databend
      QUERY_DEFAULT_PASSWORD: databend
      MINIO_ENABLED: \'true\'
    ports:
      - \'8000:8000\'
      - \'9000:9000\'
      - \'3307:3307\'
      - \'8124:8124\'

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：

ocker-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。

下载 Flink 和所需要的依赖包

1. 下载 Flink 1.16.0 并将其解压至目录 flink-1.16.0
2. 下载下面列出的依赖包，并将它们放到目录 flink-1.16.0/lib/ 下：
3. 下载链接只对已发布的版本有效, SNAPSHOT 版本需要本地编译

• flink-sql-connector-mysql-cdc-2.3.0.jar

编译 flink-connector-databend

git clone https://github.com/databendcloud/flink-connector-databend
cd flink-connector-databend
mvn clean install -DskipTests

将 target/flink-connector-databend-1.16.0-SNAPSHOT.jar 拷贝到目录 flink-1.16.0/lib/ 下。

准备数据

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 mydb 和表 products，并插入数据:

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 = 10;

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,"cloud","test for databend"),
(default,"spare tire","24 inch spare tire");

Databend 中建表

CREATE TABLE bend_products (id INT NOT NULL, name VARCHAR(255) NOT NULL, description VARCHAR(512) );

启动 Flink 集群和 Flink SQL CLI

使用下面的命令跳转至 Flink 目录下

cd flink-16.0

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：

使用下面的命令启动 Flink SQL CLI

./bin/sql-client.sh

在 Flink SQL CLI 中使用 Flink DDL 创建表

首先，开启 checkpoint，每隔3秒做一次 checkpoint

-- Flink SQL              
Flink SQL> SET execution.checkpointing.interval = 3s;

然后, 对于数据库中的表 products 使用 Flink SQL CLI 创建对应的表，用于同步底层数据库表的数据

-- Flink SQL
Flink 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\',
\'server-time-zone\' = \'UTC\'
);

最后，创建 d_products 表， 用来订单数据写入 Databend 中

-- Flink SQL
create table d_products (id INT,name String,description String, PRIMARY KEY (`id`) NOT ENFORCED) 
with (\'connector\' = \'databend\',
\'url\'=\'databend://localhost:8000\',
\'username\'=\'databend\',
\'password\'=\'databend\',
\'database-name\'=\'default\',
\'table-name\'=\'bend_products\',
\'sink.batch-size\' = \'5\',
\'sink.flush-interval\' = \'1000\',
\'sink.max-retries\' = \'3\');

使用 Flink SQL 将 products 表中的数据同步到 Databend 的 d_products 表中：

insert into d_products select * from products;

此时 flink job 就会提交成功，打开 flink UI 可以看到:

同时在 databend 中可以看到 MySQL 中的数据已经同步过来了：

同步 Insert/Update 数据

此时我们在 MySQL 中再插入 10 条数据：

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,"cloud","test for databend"),        
(default,"spare tire","24 inch spare tire");

这些数据会立即同步到 Databend 当中。

假如此时 MySQL 中更新了一条数据:

那么 id=10 的数据在 databend 中也会被立即更新：

环境清理

操作结束后，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-1.16.0 下执行如下命令停止 Flink 集群：

./bin/stop-cluster.sh

结论

以上就是基于 Flink CDC 构建 MySQL 到 Databend 的 实时数据同步的全部过程，通过 Flink CDC connectors 可以替换 Debezium+Kafka 的数据采集模块，实现 Flink SQL 采集+计算+传输一体化，减少维护的组件，简化实时链路，减轻部署成本的同时也能达到 Exactly Once 的语义效果。