基于 Flink CDC 构建 MySQL 和 Postgres 的 Streaming ETL
- 1.准备阶段
-
- [1.1 准备教程所需要的组件](#1.1 准备教程所需要的组件)
- [1.2 下载 Flink 和所需要的依赖包](#1.2 下载 Flink 和所需要的依赖包)
- [1.3 准备数据](#1.3 准备数据)
-
- [1.3.1 在 MySQL 数据库中准备数据](#1.3.1 在 MySQL 数据库中准备数据)
- [1.3.2 在 Postgres 数据库中准备数据](#1.3.2 在 Postgres 数据库中准备数据)
- [2.启动 Flink 集群和 Flink SQL CLI](#2.启动 Flink 集群和 Flink SQL CLI)
- [3.在 Flink SQL CLI 中使用 Flink DDL 创建表](#3.在 Flink SQL CLI 中使用 Flink DDL 创建表)
- [4.关联订单数据并且将其写入 Elasticsearch 中](#4.关联订单数据并且将其写入 Elasticsearch 中)
- 5.环境清理
这篇教程将展示如何基于 Flink CDC 快速构建 MySQL 和 Postgres 的流式 ETL。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:
1.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:
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
elasticsearch:
image: elastic/elasticsearch:7.6.0
environment:
- cluster.name=docker-cluster
- bootstrap.memory_lock=true
- "ES_JAVA_OPTS=-Xms512m -Xmx512m"
- discovery.type=single-node
ports:
- "9200:9200"
- "9300:9300"
ulimits:
memlock:
soft: -1
hard: -1
nofile:
soft: 65536
hard: 65536
kibana:
image: elastic/kibana:7.6.0
ports:
- "5601:5601"
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:
powershell
docker-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了,也可以通过访问 http://localhost:5601/
来查看 Kibana 是否运行正常。
1.2 下载 Flink 和所需要的依赖包
下载 Flink 1.18.0 并将其解压至目录 flink-1.18.0
。
下载以下列出的依赖包,并将它们放到目录 flink-1.18.0/lib/
下:
- flink-sql-connector-elasticsearch7-3.0.1-1.17.jar
flink-sql-connector-mysql-cdc-2.5-SNAPSHOT.jar
flink-sql-connector-postgres-cdc-2.5-SNAPSHOT.jar
注:下载链接只对已发布的版本有效,SNAPSHOT 版本需要本地基于 master
或 release
分支编译。
1.3 准备数据
1.3.1 在 MySQL 数据库中准备数据
进入 MySQL 容器
powershell
docker-compose exec mysql mysql -u root -p 123456
创建数据库和表 products
、orders
,并插入数据。
sql
-- MySQL
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 = 101;
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,"spare tire","24 inch spare tire");
CREATE TABLE orders (
order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,
order_date DATETIME NOT NULL,
customer_name VARCHAR(255) NOT NULL,
price DECIMAL(10, 5) NOT NULL,
product_id INTEGER NOT NULL,
order_status BOOLEAN NOT NULL -- Whether order has been placed
) AUTO_INCREMENT = 10001;
INSERT INTO orders
VALUES (default, '2020-07-30 10:08:22', 'Jark', 50.50, 102, false),
(default, '2020-07-30 10:11:09', 'Sally', 15.00, 105, false),
(default, '2020-07-30 12:00:30', 'Edward', 25.25, 106, false);
1.3.2 在 Postgres 数据库中准备数据
进入 Postgres 容器:
powershell
docker-compose exec postgres psql -h localhost -U postgres
创建表 shipments
,并插入数据。
sql
-- PG
CREATE TABLE shipments (
shipment_id SERIAL NOT NULL PRIMARY KEY,
order_id SERIAL NOT NULL,
origin VARCHAR(255) NOT NULL,
destination VARCHAR(255) NOT NULL,
is_arrived BOOLEAN NOT NULL
);
ALTER SEQUENCE public.shipments_shipment_id_seq RESTART WITH 1001;
ALTER TABLE public.shipments REPLICA IDENTITY FULL;
INSERT INTO shipments
VALUES (default,10001,'Beijing','Shanghai',false),
(default,10002,'Hangzhou','Shanghai',false),
(default,10003,'Shanghai','Hangzhou',false);
2.启动 Flink 集群和 Flink SQL CLI
使用下面的命令跳转至 Flink 目录下
powershell
cd flink-1.18.0
使用下面的命令启动 Flink 集群
powershell
./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
powershell
./bin/sql-client.sh
启动成功后,可以看到如下的页面:
3.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
sql
-- Flink SQL
Flink SQL> SET execution.checkpointing.interval = 3s;
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。
sql
-- 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'
);
Flink SQL> CREATE TABLE orders (
order_id INT,
order_date TIMESTAMP(0),
customer_name STRING,
price DECIMAL(10, 5),
product_id INT,
order_status BOOLEAN,
PRIMARY KEY (order_id) NOT ENFORCED
) WITH (
'connector' = 'mysql-cdc',
'hostname' = 'localhost',
'port' = '3306',
'username' = 'root',
'password' = '123456',
'database-name' = 'mydb',
'table-name' = 'orders'
);
Flink SQL> CREATE TABLE shipments (
shipment_id INT,
order_id INT,
origin STRING,
destination STRING,
is_arrived BOOLEAN,
PRIMARY KEY (shipment_id) NOT ENFORCED
) WITH (
'connector' = 'postgres-cdc',
'hostname' = 'localhost',
'port' = '5432',
'username' = 'postgres',
'password' = 'postgres',
'database-name' = 'postgres',
'schema-name' = 'public',
'table-name' = 'shipments',
'slot.name' = 'flink'
);
最后,创建 enriched_orders
表, 用来将关联后的订单数据写入 Elasticsearch 中。
sql
-- Flink SQL
Flink SQL> CREATE TABLE enriched_orders (
order_id INT,
order_date TIMESTAMP(0),
customer_name STRING,
price DECIMAL(10, 5),
product_id INT,
order_status BOOLEAN,
product_name STRING,
product_description STRING,
shipment_id INT,
origin STRING,
destination STRING,
is_arrived BOOLEAN,
PRIMARY KEY (order_id) NOT ENFORCED
) WITH (
'connector' = 'elasticsearch-7',
'hosts' = 'http://localhost:9200',
'index' = 'enriched_orders'
);
4.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。
sql
-- Flink SQL
Flink SQL> INSERT INTO enriched_orders
SELECT o.*, p.name, p.description, s.shipment_id, s.origin, s.destination, s.is_arrived
FROM orders AS o
LEFT JOIN products AS p ON o.product_id = p.id
LEFT JOIN shipments AS s ON o.order_id = s.order_id;
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
。
然后就可以在 http://localhost:5601/app/kibana#/discover
看到写入的数据了。
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:
在 MySQL 的 orders
表中插入一条数据:
sql
--MySQL
INSERT INTO orders
VALUES (default, '2020-07-30 15:22:00', 'Jark', 29.71, 104, false);
在 Postgres 的 shipment
表中插入一条数据:
sql
--PG
INSERT INTO shipments
VALUES (default,10004,'Shanghai','Beijing',false);
在 MySQL 的 orders
表中更新订单的状态:
sql
--MySQL
UPDATE orders SET order_status = true WHERE order_id = 10004;
在 Postgres 的 shipment
表中更新物流的状态:
sql
--PG
UPDATE shipments SET is_arrived = true WHERE shipment_id = 1004;
在 MySQL 的 orders
表中删除一条数据:
sql
--MySQL
DELETE FROM orders WHERE order_id = 10004;
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:
5.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:
powershell
docker-compose down
在 Flink 所在目录 flink-1.18.0
下执行如下命令停止 Flink 集群:
powershell
./bin/stop-cluster.sh