Flink_CDC construction and simple use

Flink_CDC搭建及简单使用

1.CDC简介：

CDC （Change Data Capture） ,在广义的概念上,只要能捕获数据变更的技术,都可以称为 CDC .但通常我们说的CDC 技术主要面向数据库（包括常见的mysql,Oracle, MongoDB等）的变更,是一种用于捕获数据库中数据变更的技术.

目前市面上的CDC技术非常多,常见的主要包括Flink CDC,DataX,Canal,Sqoop,Kettle,Oracle Goldengate,Debezium等.DataX,Sqoop和kettle的CDC实现技术主要是基于查询的方式实现的,通过离线调度查询作业,实现批处理请求.这种作业方式无法保证数据的一致性,实时性也较差.Flink CDC,Canal,Debezium和Oracle Goldengate是基于日志的CDC技术.这种技术,利用流处理的方式,实时处理日志数据,保证了数据的一致性,为其他服务提供了实时数据.

2.Flink_CDC简介：

目前公司主要是通过canal监控mysql的binlog日志,然后将日志数据实时发送到kafka中,通过flink程序,将日志数据实时下发到其他服务中.这种方式,数据链路长,实时性效果较差,运维也比较复杂.

Flink_CDC技术的出现,解决了传统数据库实时同步的痛点.Flink_CDC通过伪装成msql的slave节点,实时读取master节点全量和增量数据,它能够捕获所有数据的变化,捕获完整的变更记录,无需像查询CDC那样发起全表的扫描过滤,高效且无需入侵代码,完全与业务解耦,运维及其简单.

3.Flink_CDC部署：

3.1 依赖版本

环境：Linux(Centos7)
Flink : 1.31.1
Flink_CDC: flink-sql-connector-mysql-cdc-2.1.0.jar
mysql版本：8.0.13
mysql驱动包：mysql-connector-java-8.0.13.jar

3.2环境搭建

3.2.1安装java环境(不再赘述);

3.2.2安装数据库(不在赘述);

3.2.3搭建Flink环境(单机模式);

1.获取flink版本.

  cd /home
  wget https://archive.apache.org/dist/flink/flink-1.9.0/flink-1.13.1-bin-scala_2.11.tgz

2.解压flink：

 tar -zxvf flink-1.13.1-bin-scala_2.11.tgz 

3.编辑flink配置文件,配置java环境

cd flink-1.13.1
vim conf/flink-conf.yaml
添加配置：env.java.home=/home/jdk/jdk1.8.0_291

4.上传flink_CDC驱动包和mysql驱动包：

cd flink-1.13.1/lib
上传：
flink-sql-connector-mysql-cdc-2.1.0.jar
mysql-connector-java-8.0.13.jar

5.启动flink集群：

/bin/start-cluster.sh

3.3创建mysql表：

CREATE TABLE `products` (
   `id` int NOT NULL,
   `name` varchar(45) DEFAULT NULL,
   `description` varchar(45) DEFAULT NULL,
   `weight` decimal(10,3) DEFAULT NULL,
   PRIMARY KEY (`id`)
 ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

3.4启动flink-sql-client

本次主要是通过flink的sql客户端来测试的.

./flink-1.13.1/bin/sql-client.sh

3.5创建Flink_CDC虚拟表：

CREATE TABLE `products_cdc` (
 id INT NOT NULL,
 name varchar(32),
 description varchar(45),
 weight DECIMAL(10,3)
) WITH (
 'scan.incremental.snapshot.enabled' = 'false',
 'connector' = 'mysql-cdc',
 'hostname' = '0.0.0.0',
 'port' = '3306',
 'username' = 'root',
 'password' = '123456',
 'database-name' = 'test_db',
 'table-name' = 'products'
);


###如果未设置'scan.incremental.snapshot.enabled' = 'false',会报错：

Caused by: org.apache.flink.table.api.ValidationException: The primary key is necessary when enable 'Key: 'scan.incremental.snapshot.enabled' , default: true (fallback keys: [])' to 'true'
    at com.alibaba.ververica.cdc.connectors.mysql.table.MySqlTableSourceFactory.validatePrimaryKeyIfEnableParallel(MySqlTableSourceFactory.java:186)
    at com.alibaba.ververica.cdc.connectors.mysql.table.MySqlTableSourceFactory.createDynamicTableSource(MySqlTableSourceFactory.java:85)
    at org.apache.flink.table.factories.FactoryUtil.createTableSource(FactoryUtil.java:134)
    ... 30 more
    
###报错原因：

  MySQL CDC源表在Flink 1.13版本会进行语法检查,在MySQL CDC DDL WITH参数中,未设置主键（Primary Key）信息.因为Flink 1.13版本,新增支持按PK分片,进行多并发读取数据的功能.
  
###解决方案：

如果在Flink 1.13版本,您需要多并发读取MySQL数据,则在DDL中添加PK信息.
如果在Flink 1.13版本,您不需要多并发读取MySQL数据,则在DDL中添加scan.incremental.snapshot.enabled 参数,且把该参数值设置为false,无需设置PK信息.

3.6查询CDC表数据：

3.6.1 查看表数据
select * from products_cdc;

3.6.2 在数据库中新增一条数据：
insert into products(id,name,description,weight) values(5,‘gg’,‘haha’,60);

3.6.3观察products_cdc表数据变化;

到此,通过flink-sql-client来增量获取mysql全量和增量数据变化的样例已结束.

先自我介绍一下,小编13年上师交大毕业,曾经在小公司待过,去过华为OPPO等大厂,18年进入阿里,直到现在.深知大多数初中级java工程师,想要升技能,往往是需要自己摸索成长或是报班学习,但对于培训机构动则近万元的学费,着实压力不小.自己不成体系的自学效率很低又漫长,而且容易碰到天花板技术停止不前.因此我收集了一份《java开发全套学习资料》送给大家,初衷也很简单,就是希望帮助到想自学又不知道该从何学起的朋友,同时减轻大家的负担.添加下方名片,即可获取全套学习资料哦