FlinkCDC实战：将 MySQL 数据同步至 ES

📌 当前需要处理的业务场景:

将订单表和相关联的表(比如: 商品表、子订单表、物流信息表)组织成宽表, 放入到 ES 中, 加速订单数据的查询.
同步数据到 es.
概述
- [1. 什么是 CDC](#1. 什么是 CDC)
- [2. 什么是 Flink CDC](#2. 什么是 Flink CDC)
- [3. Flink CDC Connectors 和 Flink 的版本映射](#3. Flink CDC Connectors 和 Flink 的版本映射)
实战
- [1. 宽表查询](#1. 宽表查询)
  - [1.1 创建 mysql 表](#1.1 创建 mysql 表)
  - [1.2 启动 Flink 集群和 Flink SQL CLI](#1.2 启动 Flink 集群和 Flink SQL CLI)
  - [1.3 在 Flink SQL CLI 中使用 Flink DDL 创建表](#1.3 在 Flink SQL CLI 中使用 Flink DDL 创建表)
  - [1.4 关联订单数据并且将其写入 Elasticsearch 中](#1.4 关联订单数据并且将其写入 Elasticsearch 中)
  - [1.5 修改 MySQL 中的数据](#1.5 修改 MySQL 中的数据)

本文用到的 mysql 版本为 8.0.28，ES 版本为 7.17.3，flink 版本为 1.13.6，flink-sql-connector-mysql-cdc 版本为 2.2.1

flink-sql-connector-elasticsearch 版本为 7_2.11-1.13.2

概述

1. 什么是 CDC

CDC (Change Data Capture) 是变更数据获取的简称。核心思想是监测并捕获数据库的变动(数据或数据表的插入、更新以及删除等)，将这些变更按发生的顺序完整地记录下来，写入到消息中间件中以供其他服务进行订阅并消费。

2. 什么是 Flink CDC

Flink 社区开发了 flink-cdc-connectors 组件，这个一个可以直接从 MySQL、PostgreSQL等数据库直接 读取全量数据 和 增量变更数据的source 组件。

3. Flink CDC Connectors 和 Flink 的版本映射

Flink CDC Conectors Version	Flink Version
1.0.0	1.11.*
1.1.0	1.11.*
1.2.0	1.12.*
1.3.0	1.12.*
1.4.0	1.13.*
2.0.*	1.13.*

实战

1. 宽表查询

在商城项目中，商品、订单、物流的数据往往是存储在 MySQL 中，为了加速查询的效率，可以将数据组织成一张宽表，并实时地把它写到 ElasticSearch 中。

确保要监听的 mysql 服务器开启了 binlog 和对应监听 binlog 的账号有相对应的权限。

1.1 创建 mysql 表

sql 复制代码

-- 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);
       
CREATE TABLE shipments (
  shipment_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,
  order_id INTEGER NOT NULL,
  origin VARCHAR(255) NOT NULL,
  destination VARCHAR(255) NOT NULL,
  is_arrived BOOLEAN NOT NULL
) AUTO_INCREMENT = 10001;
INSERT INTO shipments
VALUES (default,10001,'Beijing','Shanghai',false),
       (default,10002,'Hangzhou','Shanghai',false),
       (default,10003,'Shanghai','Hangzhou',false);

1.2 启动 Flink 集群和 Flink SQL CLI

bash 复制代码

# 进入 Flink 目录
cd flink-13.6

# 启动 Flink 集群.启动成功的话，可以在 http://ip:8081/ 访问到对应的 Flink Web UI
./bin/start-cluster.sh

# 启动 Flink SQL CLI
./bin/sql-client.sh

1.3 在 Flink SQL CLI 中使用 Flink DDL 创建表

首先开启 checkpoint, 每隔 3s 做一次 checkpoint.

bash 复制代码

-- 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 复制代码

-- Flink SQL
Flink SQL> CREATE TABLE products (
    id INT,
    name STRING,
    description STRING,
    PRIMARY KEY (id) NOT ENFORCED
  ) WITH (
    'connector' = 'mysql-cdc',
    'hostname' = '192.168.110.100',
    'port' = '3380',
    'username' = 'root',
    'password' = 'root',
    'database-name' = 'flink_db',
    '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' = '192.168.110.100',
    'port' = '3380',
    'username' = 'root',
    'password' = 'root',
    'database-name' = 'flink_db',
   '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' = 'mysql-cdc',
    'hostname' = '192.168.110.100',
    'port' = '3380',
    'username' = 'root',
    'password' = 'root',
    'database-name' = 'flink_db',
   'table-name' = 'shipments'
 );

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

sql 复制代码

-- 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://114.132.43.99:9200',
     'index' = 'enriched_orders'
 );

1.4 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 复制代码

-- 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;

现在可以通过 Kibana 查询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.

1.5 修改 MySQL 中的数据

sql 复制代码

--MySQL
INSERT INTO orders
VALUES (default, '2020-07-30 15:22:00', 'Jark', 29.71, 104, false);

INSERT INTO shipments
VALUES (default,10004,'Shanghai','Beijing',false);

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.