Flink实例 - Apache Flink CDC简介与使用 - 《Flink 学习笔记》

CDC (Change Data Capture)

CDC (Change Data Capture)

Flink在1.11版本中新增了CDC的特性，简称改变数据捕获。名称来看有点乱，我们先从之前的数据架构来看CDC的内容。
以上是之前的mysql binlog日志处理流程,例如canal监听binlog把日志写入到kafka中。而Apache Flink实时消费Kakfa的数据实现mysql数据的同步或其他内容等。拆分来说整体上可以分为以下几个阶段。

mysql开启binlog
canal同步binlog数据写入到kafka
flink读取kakfa中的binlog数据进行相关的业务处理。

整体的处理链路较长，需要用到的组件也比较多。Apache Flink CDC可以直接从数据库获取到binlog供下游进行业务计算分析。简单来说链路会变成这样

也就是说数据不再通过canal与kafka进行同步，而flink直接进行处理mysql的数据。节省了canal与kafka的过程。
Flink 1.11中实现了mysql-cdc与postgre-CDC，也就是说在Flink 1.11中我们可以直接通过Flink来直接消费mysql,postgresql的数据进行业务的处理。

使用场景

数据库数据的增量同步
数据库表之上的物理化视图
维表join
其他业务处理
…
MySQL CDC 操作实践
首先需要保证mysql数据库开启了binlog。未开启请查阅相关资料进行binlog的启用。自建默认是不开启binlog的。

源表

DROP TABLE IF EXISTS `t_test`;
CREATE TABLE `t_test` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`ip` varchar(255) DEFAULT NULL,
`size` bigint(20) DEFAULT NULL
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=183 DEFAULT CHARSET=utf8mb4;

添加mysql-cdc相关依赖

<dependency>
<groupId>com.alibaba.ververica</groupId>
<artifactId>flink-connector-mysql-cdc</artifactId>
<version>1.1.0</version>
<scope>compile</scope>
</dependency>

相关代码实现

def main(args: Array[String]): Unit = {
 val envSetting = EnvironmentSettings.newInstance()
   .useBlinkPlanner()
   .inStreamingMode()
   .build()
 val env = StreamExecutionEnvironment.getExecutionEnvironment
 val tableEnv = StreamTableEnvironment.create(env, envSetting)
 val sourceDDL =
   "CREATE TABLE test_binlog (" +
   "   id INT NOT NULl," +
   "   ip STRING," +
   "   size INT" +
   ") WITH (" +
   "'connector' = 'mysql-cdc'," +
   "'hostname' = 'localhost'," +
   "'port' = '3306'," +
   "'username' = 'root'," +
   "'password' = 'cain'," +
   "'database-name' = 'test'," +
   "'table-name' = 't_test'" +
   ")"
 // 输出目标表
 val sinkDDL =
   "CREATE TABLE test_sink (\n" +
     " ip STRING,\n" +
     " countSum BIGINT,\n" +
     " PRIMARY KEY (ip) NOT ENFORCED\n" +
     ") WITH (\n" +
     " 'connector' = 'print'\n" +
     ")"
 val exeSQL =
   "INSERT INTO test_sink " +
     "SELECT ip, COUNT(1) " +
     "FROM test_binlog " +
     "GROUP BY ip"
 tableEnv.executeSql(sourceDDL)
 tableEnv.executeSql(sinkDDL)
 val result = tableEnv.executeSql(exeSQL)
 result.print()
}

启动flink job,并且插入数据
```
INSERT INTO `test`.`t_test`( `ip`, `size`) VALUES (UUID(), 1231231);
INSERT INTO `test`.`t_test`( `ip`, `size`) VALUES (UUID(), 1231231);
INSERT INTO `test`.`t_test`( `ip`, `size`) VALUES (UUID(), 1231231);
...
```
插入数据可直接在console中看到flink处理的结果

总结
Apache Flink CDC的方式替代了之前的canal+kafka节点.直接通过sql的方式来实现对mysql数据的同步。相关的完整代码我已提交至https://github.com/CainGao/flink_learn 感兴趣的可以直接下来进行测试执行。

Apache Flink CDC简介与使用

CDC (Change Data Capture)

使用场景

MySQL CDC 操作实践

总结