图文精华

About云-梭伦科技»专题 › 技术学习(版主发帖区) › 大数据学习 › Flink › 总结型› 基于 Flink CDC 构建 MySQL 和 Postgres 上的 Streaming ...
分享

基于 Flink CDC 构建 MySQL 和 Postgres 上的 Streaming ETL

levycui 2021-12-14 19:11:31 发表于 总结型 [显示全部楼层] 只看大图 回帖奖励 阅读模式 关闭右栏 1 2845
About云VIP帮助找工作和提升
问题导读：
1、下载哪些版本的Flink和依赖包？
2、MySQL和Postgres 数据库中准备哪些数据？
3、如何在 Flink SQL CLI中使用 Flink DDL 创建表？
4、如何操作关联订单数据并且将其写入 Elasticsearch 中？


摘要：本篇教程将展示如何基于 Flink CDC 快速构建 MySQL 和 Postgres 的流式 ETL。

Flink-CDC 项目地址：
  1. https://github.com/ververica/flink-cdc-connectors
复制代码

Tips：FFA 大会以及 Hackathon 比赛重磅开启，点击「阅读原文」了解详情～

本教程的演示基于 Docker 环境，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。

假设我们正在经营电子商务业务，商品和订单的数据存储在 MySQL 中，订单对应的物流信息存储在 Postgres 中。

对于订单表，为了方便进行分析，我们希望让它关联上其对应的商品和物流信息，构成一张宽表，并且实时把它写到 ElasticSearch 中。

接下来的内容将介绍如何使用 Flink Mysql/Postgres CDC 来实现这个需求，系统的整体架构如下图所示：
2021-12-14_191417.jpg

一、准备阶段

准备一台已经安装了 Docker 的 Linux 或者 MacOS 电脑。

1.1  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。

使用下面的内容创建一个 docker-compose.yml 文件：

  1. version: '2.1'

  2. services:

  3.   postgres:

  4.     image: debezium/example-postgres:1.1

  5.     ports:

  6.       - "5432:5432"

  7.     environment:

  8.       - POSTGRES_PASSWORD=1234

  9.       - POSTGRES_DB=postgres

  10.       - POSTGRES_USER=postgres

  11.       - POSTGRES_PASSWORD=postgres

  12.   mysql:

  13.     image: debezium/example-mysql:1.1

  14.     ports:

  15.       - "3306:3306"

  16.     environment:

  17.       - MYSQL_ROOT_PASSWORD=123456

  18.       - MYSQL_USER=mysqluser

  19.       - MYSQL_PASSWORD=mysqlpw

  20.   elasticsearch:

  21.     image: elastic/elasticsearch:7.6.0

  22.     environment:

  23.       - cluster.name=docker-cluster

  24.       - bootstrap.memory_lock=true

  25.       - "ES_JAVA_OPTS=-Xms512m -Xmx512m"

  26.       - discovery.type=single-node

  27.     ports:

  28.       - "9200:9200"

  29.       - "9300:9300"

  30.     ulimits:

  31.       memlock:

  32.         soft: -1

  33.         hard: -1

  34.       nofile:

  35.         soft: 65536

  36.         hard: 65536

  37.   kibana:

  38.     image: elastic/kibana:7.6.0

  39.     ports:

  40.       - "5601:5601"
复制代码

该 Docker Compose 中包含的容器有：

  •     MySQL：商品表 products 和 订单表 orders 将存储在该数据库中， 这两张表将和 Postgres 数据库中的物流表 shipments 进行关联，得到一张包含更多信息的订单表 enriched_orders；
  •     Postgres：物流 表 shipments 将存储在该数据库中；
  •     Elasticsearch：最终的订单表 enriched_orders 将写到 Elasticsearch；
  •     Kibana：用来可视化 ElasticSearch 的数据。

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：

  1. docker-compose up -d
复制代码

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了，也可以通过访问 http://localhost:5601/ 来查看 Kibana 是否运行正常。

注：本教程接下来用到的容器相关的命令也都需要在 docker-compose.yml 所在目录下执行。

1.2 下载 Flink 和所需要的依赖包

  •     下载 Flink 1.13.2 [1] 并将其解压至目录 flink-1.13.2，
  •     下载下面列出的依赖包，并将它们放到目录 flink-1.13.2/lib/ 下
  1. 

  2.     flink-sql-connector-elasticsearch7_2.11-1.13.2.jar [2]

  3.     flink-sql-connector-mysql-cdc-2.1.0.jar [3]

  4.     flink-sql-connector-postgres-cdc-2.1.0.jar [4] 
复制代码
  1. 

  2.     [1] https://downloads.apache.org/flink/flink-1.13.2/flink-1.13.2-bin-scala_2.11.tgz

  3.     [2] https://repo.maven.apache.org/maven2/org/apache/flink/flink-sql-connector-elasticsearch7_2.11/1.13.2/flink-sql-connector-elasticsearch7_2.11-1.13.2.jar

  4.     [3] https://repo1.maven.org/maven2/com/ververica/flink-sql-connector-mysql-cdc/2.1.0/flink-sql-connector-mysql-cdc-2.1.0.jar

  5.     [4] https://repo1.maven.org/maven2/com/ververica/flink-sql-connector-postgres-cdc/2.1.0/flink-sql-connector-postgres-cdc-2.1.0.jar

复制代码

1.3  准备数据
■ 1.3.1 在 MySQL 数据库中准备数据

1. 进入 MySQL 容器：

  1. docker-compose exec mysql mysql -uroot -p123456
复制代码

2. 创建数据库和表 products，orders，并插入数据：

  1.     -- MySQL

  2.     CREATE DATABASE mydb;

  3.     USE mydb;

  4.     CREATE TABLE products (

  5.       id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,

  6.       name VARCHAR(255) NOT NULL,

  7.       description VARCHAR(512)

  8.     );

  9.     ALTER TABLE products AUTO_INCREMENT = 101;

  10.      

  11.      

  12.     INSERT INTO products

  13.     VALUES (default,"scooter","Small 2-wheel scooter"),

  14.            (default,"car battery","12V car battery"),

  15.            (default,"12-pack drill bits","12-pack of drill bits with sizes ranging from #40 to #3"),

  16.            (default,"hammer","12oz carpenter's hammer"),

  17.            (default,"hammer","14oz carpenter's hammer"),

  18.            (default,"hammer","16oz carpenter's hammer"),

  19.            (default,"rocks","box of assorted rocks"),

  20.            (default,"jacket","water resistent black wind breaker"),

  21.            (default,"spare tire","24 inch spare tire");

  22.      

  23.      

  24.     CREATE TABLE orders (

  25.       order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,

  26.       order_date DATETIME NOT NULL,

  27.       customer_name VARCHAR(255) NOT NULL,

  28.       price DECIMAL(10, 5) NOT NULL,

  29.       product_id INTEGER NOT NULL,

  30.       order_status BOOLEAN NOT NULL -- Whether order has been placed

  31.     ) AUTO_INCREMENT = 10001;

  32.      

  33.      

  34.     INSERT INTO orders

  35.     VALUES (default, '2020-07-30 10:08:22', 'Jark', 50.50, 102, false),

  36.            (default, '2020-07-30 10:11:09', 'Sally', 15.00, 105, false),

  37.            (default, '2020-07-30 12:00:30', 'Edward', 25.25, 106, false);

复制代码

■ 1.3.2 在 Postgres 数据库中准备数据

1. 进入 Postgres 容器：

  1. docker-compose exec postgres psql -h localhost -U postgres
复制代码

2. 创建表 shipments，并插入数据：

  1.     -- PG

  2.     CREATE TABLE shipments (

  3.        shipment_id SERIAL NOT NULL PRIMARY KEY,

  4.        order_id SERIAL NOT NULL,

  5.        origin VARCHAR(255) NOT NULL,

  6.        destination VARCHAR(255) NOT NULL,

  7.        is_arrived BOOLEAN NOT NULL

  8.      );

  9.     ALTER SEQUENCE public.shipments_shipment_id_seq RESTART WITH 1001;

  10.     ALTER TABLE public.shipments REPLICA IDENTITY FULL;

  11.     INSERT INTO shipments

  12.     VALUES (default,10001,'Beijing','Shanghai',false),

  13.             (default,10002,'Hangzhou','Shanghai',false),

  14.             (default,10003,'Shanghai','Hangzhou',false);
复制代码

二、启动 Flink 集群和 Flink SQL CLI

1. 使用下面的命令跳转至 Flink 目录下：

  1. cd flink-1.13.2
复制代码

2. 使用下面的命令启动 Flink 集群：

  1. ./bin/start-cluster.sh
复制代码

启动成功的话，可以在 http://localhost:8081/ 访问到 Flink Web UI，如下所示：
2021-12-14_191552.jpg

3. 使用下面的命令启动 Flink SQL CLI

  1. ./bin/sql-client.sh
复制代码

启动成功后，可以看到如下的页面：
2021-12-14_191648.jpg

三、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。
  1. 

  2.     -- Flink SQL

  3.     Flink SQL> SET execution.checkpointing.interval = 3s;
复制代码

然后, 对于数据库中的表 products, orders, shipments，使用 Flink SQL CLI 创建对应的表，用于同步这些底层数据库表的数据。

  1.     -- Flink SQL

  2.     Flink SQL> CREATE TABLE products (

  3.         id INT,

  4.         name STRING,

  5.         description STRING,

  6.         PRIMARY KEY (id) NOT ENFORCED

  7.       ) WITH (

  8.     'connector' = 'mysql-cdc',

  9.     'hostname' = 'localhost',

  10.     'port' = '3306',

  11.     'username' = 'root',

  12.     'password' = '123456',

  13.     'database-name' = 'mydb',

  14.     'table-name' = 'products'

  15.     );

  16.      

  17.      

  18.     Flink SQL> CREATE TABLE orders (

  19.        order_id INT,

  20.        order_date TIMESTAMP(0),

  21.        customer_name STRING,

  22.        price DECIMAL(10, 5),

  23.        product_id INT,

  24.        order_status BOOLEAN,

  25.        PRIMARY KEY (order_id) NOT ENFORCED

  26.      ) WITH (

  27.     'connector' = 'mysql-cdc',

  28.     'hostname' = 'localhost',

  29.     'port' = '3306',

  30.     'username' = 'root',

  31.     'password' = '123456',

  32.     'database-name' = 'mydb',

  33.     'table-name' = 'orders'

  34.     );

  35.      

  36.      

  37.     Flink SQL> CREATE TABLE shipments (

  38.        shipment_id INT,

  39.        order_id INT,

  40.        origin STRING,

  41.        destination STRING,

  42.        is_arrived BOOLEAN,

  43.        PRIMARY KEY (shipment_id) NOT ENFORCED

  44.      ) WITH (

  45.     'connector' = 'postgres-cdc',

  46.     'hostname' = 'localhost',

  47.     'port' = '5432',

  48.     'username' = 'postgres',

  49.     'password' = 'postgres',

  50.     'database-name' = 'postgres',

  51.     'schema-name' = 'public',

  52.     'table-name' = 'shipments'

  53.     );
复制代码

最后，创建 enriched_orders 表， 用来将关联后的订单数据写入 Elasticsearch 中。  

  1.     -- Flink SQL

  2.     Flink SQL> CREATE TABLE enriched_orders (

  3.        order_id INT,

  4.        order_date TIMESTAMP(0),

  5.        customer_name STRING,

  6.        price DECIMAL(10, 5),

  7.        product_id INT,

  8.        order_status BOOLEAN,

  9.        product_name STRING,

  10.        product_description STRING,

  11.        shipment_id INT,

  12.        origin STRING,

  13.        destination STRING,

  14.        is_arrived BOOLEAN,

  15.        PRIMARY KEY (order_id) NOT ENFORCED

  16.      ) WITH (

  17.          'connector' = 'elasticsearch-7',

  18.          'hosts' = 'http://localhost:9200',

  19.          'index' = 'enriched_orders'

  20.     );
复制代码


四、关联订单数据并且将其写入 Elasticsearch 中

使用 Flink SQL 将订单表 order 与 商品表 products，物流信息表 shipments 关联，并将关联后的订单信息写入 Elasticsearch 中。

  1.     -- Flink SQL

  2.     Flink SQL> INSERT INTO enriched_orders

  3.      SELECT o.*, p.name, p.description, s.shipment_id, s.origin, s.destination, s.is_arrived

  4.      FROM orders AS o

  5.      LEFT JOIN products AS p ON o.product_id = p.id

  6.      LEFT JOIN shipments AS s ON o.order_id = s.order_id;
复制代码

启动成功后，可以访问 http://localhost:8081/#/job/running 在 Flink Web UI 上看到正在运行的 Flink Streaming Job，如下图所示：
2021-12-14_191733.jpg

现在，就可以在 Kibana 中看到包含商品和物流信息的订单数据。

首先访问  http://localhost:5601/app/kibana#/management/kibana/index_pattern 创建 index pattern enriched_orders。
2021-12-14_191806.jpg
然后就可以在 http://localhost:5601/app/kibana#/discover 看到写入的数据了。
2021-12-14_191843.jpg

接下来，修改 MySQL 和 Postgres 数据库中表的数据，Kibana 中显示的订单数据也将实时更新。

1. 在 MySQL 的 orders 表中插入一条数据：

  1.     --MySQL

  2.     INSERT INTO orders

  3.     VALUES (default, '2020-07-30 15:22:00', 'Jark', 29.71, 104, false);
复制代码

2. 在 Postgres 的 shipment 表中插入一条数据：

  1.     --PG

  2.     INSERT INTO shipments

  3.     VALUES (default,10004,'Shanghai','Beijing',false);
复制代码

3. 在 MySQL 的 orders 表中更新订单的状态：

  1.     --MySQL

  2.     UPDATE orders SET order_status = true WHERE order_id = 10004;
复制代码

4. 在 Postgres 的 shipment 表中更新物流的状态：

  1.     --PG

  2.     UPDATE shipments SET is_arrived = true WHERE shipment_id = 1004;
复制代码

5. 在 MYSQL 的 orders 表中删除一条数据：

  1.     --MySQL

  2.     DELETE FROM orders WHERE order_id = 10004;
复制代码

每执行一步就刷新一次 Kibana，可以看到 Kibana 中显示的订单数据将实时更新，如下所示：

2021-12-14_191919.jpg

五、环境清理

本教程结束后，在 docker-compose.yml 文件所在的目录下执行如下命令停止所有容器：

  1. docker-compose down
复制代码

在 Flink 所在目录 flink-1.13.2 下执行如下命令停止 Flink 集群：

  1. ./bin/stop-cluster.sh
复制代码


六、总结

在本文中，我们以一个简单的业务场景展示了如何使用 Flink CDC 快速构建 Streaming ETL。希望通过本文，能够帮助读者快速上手 Flink CDC ，也希望 Flink CDC 能满足你的业务需求。

更多 Flink CDC 相关技术问题，可扫码加入社区钉钉交流群～

作者：大数据技术架构
来源：https://blog.csdn.net/u011598442/article/details/121646640

最新经典文章，欢迎关注公众号


回复

使用道具 举报

自定义广告语

已有(1)人评论

跳转到指定楼层
正序浏览
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

发表新帖
levycui

超级版主

关注

  • 649

    主题

  • 1162

    帖子

  • 97

    粉丝

TA的主题
关闭

推荐上一条 /2 下一条

关于我们· 联系我们· 加入我们· 小黑屋· 合作伙伴   

Copyright © 2001-2024 About云-梭伦科技 Powered by Discuz! X3.4 Licensed Discuz Team.

简书 / Smrz 京ICP备2020039040号 Wxb 简书网举报电话：021-34700000