• 基于 Flink CDC 构建 MySQL 和 Postgres 的 Streaming ETL

    官方网址：https://ververica.github.io/flink-cdc-connectors/release-2.3/content/%E5%BF%AB%E9%80%9F%E4%B8%8A%E6%89%8B/mysql-postgres-tutorial-zh.html官方教程有些坑，经过自己实测，记录个笔记。

    服务器环境：

    VM虚拟机：CentOS7.9

    docker版本：Docker version 24.0.5, build ced0996

    docker compose 版本：2.19

    jdk 1.8

    虚拟机IP:192.168.122.131 

    内存：16G(一定要大于等于16G)

    CPU：4g

    磁盘 ：>= 60G

    一、docker  compose安装

    1. DOCKER_CONFIG=${DOCKER_CONFIG:-/usr/local/lib/docker/cli-plugins}
    2. mkdir -p $DOCKER_CONFIG/cli-plugins
    3. curl -SL https://github.com/docker/compose/releases/download/v2.19.1/docker-compose-linux-x86_64 -o $DOCKER_CONFIG/cli-plugins/docker-compose

    对文件应用可执行权限：

    chmod +x $DOCKER_CONFIG/cli-plugins/docker-compose

    测试安装是否成功

    docker compose version #之前的v1版本命令是docker-compose --version

    参考：https://blog.csdn.net/qq_40099908/article/details/131611496

    二、实战

    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_DB=postgres
    9.       - POSTGRES_USER=postgres
    10.       - POSTGRES_PASSWORD=postgres
    11.   mysql:
    12.     image: debezium/example-mysql:1.1
    13.     ports:
    14.       - "3306:3306"
    15.     environment:
    16.       - MYSQL_ROOT_PASSWORD=123456
    17.       - MYSQL_USER=mysqluser
    18.       - MYSQL_PASSWORD=mysqlpw
    19.   elasticsearch:
    20.     image: elastic/elasticsearch:7.6.0
    21.     environment:
    22.       - cluster.name=docker-cluster
    23.       - bootstrap.memory_lock=true
    24.       - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    25.       - discovery.type=single-node
    26.     ports:
    27.       - "9200:9200"
    28.       - "9300:9300"
    29.     ulimits:
    30.       memlock:
    31.         soft: -1
    32.         hard: -1
    33.       nofile:
    34.         soft: 65536
    35.         hard: 65536
    36.   kibana:
    37.     image: elastic/kibana:7.6.0
    38.     ports:
    39.       - "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：

    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://192.168.122.131:5601来查看 Kibana 是否运行正常。

    2、下载 Flink 和所需要的依赖包

    下载 Flink 1.16.0 并将其解压至目录 flink-1.16.0  ，

    下载下面列出的依赖包，并将它们放到目录 flink-1.16.0/lib/ 下：

    1. 下载链接只对已发布的版本有效, SNAPSHOT 版本需要本地编译

    准备数据

    在 MySQL 数据库中准备数据

    进入 MySQL 容器

    docker compose exec mysql mysql -uroot -p123456

    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. INSERT INTO products
    12. VALUES (default,"scooter","Small 2-wheel scooter"),
    13.        (default,"car battery","12V car battery"),
    14.        (default,"12-pack drill bits","12-pack of drill bits with sizes ranging from #40 to #3"),
    15.        (default,"hammer","12oz carpenter's hammer"),
    16.        (default,"hammer","14oz carpenter's hammer"),
    17.        (default,"hammer","16oz carpenter's hammer"),
    18.        (default,"rocks","box of assorted rocks"),
    19.        (default,"jacket","water resistent black wind breaker"),
    20.        (default,"spare tire","24 inch spare tire");
    21.  
    22. CREATE TABLE orders (
    23.   order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,
    24.   order_date DATETIME NOT NULL,
    25.   customer_name VARCHAR(255) NOT NULL,
    26.   price DECIMAL(10, 5) NOT NULL,
    27.   product_id INTEGER NOT NULL,
    28.   order_status BOOLEAN NOT NULL -- Whether order has been placed
    29. ) AUTO_INCREMENT = 10001;
    30.  
    31. INSERT INTO orders
    32. VALUES (default, '2020-07-30 10:08:22', 'Jark', 50.50, 102, false),
    33.        (default, '2020-07-30 10:11:09', 'Sally', 15.00, 105, false),
    34.        (default, '2020-07-30 12:00:30', 'Edward', 25.25, 106, false);
    注意：mysql会遇到时区不对的情况。

    在mysql容器调整时区：

    1. set time_zone='+8:00';
    2. SET GLOBAL time_zone = '+8:00';
    3. flush privileges;
    4. SELECT @@global.time_zone;
    5. show variables like '%time_zone%';

    在 Postgres 数据库中准备数据

    进入 Postgres 容器

    docker compose exec postgres psql -h localhost -U postgres

    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);
    启动 Flink 集群和 Flink SQL CLI

    使用下面的命令跳转至 Flink 目录下

    cd flink-1.16.0

    使用下面的命令启动 Flink 集群

    ./bin/start-cluster.sh

    启动成功的话，可以在 http://192.168.122.131:8081/ 访问到 Flink Web UI，如下所示：

    注：若在VM之外的本地的电脑里无法访问，则需要调整 /flink-1.16.0/conf/flink-conf.yaml文件，

    将rest.bind-address值改为：0.0.0.0

    开放单个端口（开放后需要要重启防火墙才生效） ；

    firewall-cmd --zone=public --add-port=8081/tcp --permanent

    重启防火墙 ； systemctl restart firewalld

      另：还有个参数taskmanager.numberOfTaskSlots: 50，一般设置大一些的值，比如50。

    使用下面的命令启动 Flink SQL CLI

    ./bin/sql-client.sh

    启动成功后，可以看到如下的页面：

    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. -- Flink SQL                   
    2. 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

    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. Flink SQL> CREATE TABLE orders (
    18.    order_id INT,
    19.    order_date TIMESTAMP(0),
    20.    customer_name STRING,
    21.    price DECIMAL(10, 5),
    22.    product_id INT,
    23.    order_status BOOLEAN,
    24.    PRIMARY KEY (order_id) NOT ENFORCED
    25.  ) WITH (
    26.    'connector' = 'mysql-cdc',
    27.    'hostname' = 'localhost',
    28.    'port' = '3306',
    29.    'username' = 'root',
    30.    'password' = '123456',
    31.    'database-name' = 'mydb',
    32.    'table-name' = 'orders'
    33.  );
    34.  
    35. Flink SQL> CREATE TABLE shipments (
    36.    shipment_id INT,
    37.    order_id INT,
    38.    origin STRING,
    39.    destination STRING,
    40.    is_arrived BOOLEAN,
    41.    PRIMARY KEY (shipment_id) NOT ENFORCED
    42.  ) WITH (
    43.    'connector' = 'postgres-cdc',
    44.    'hostname' = 'localhost',
    45.    'port' = '5432',
    46.    'username' = 'postgres',
    47.    'password' = 'postgres',
    48.    'database-name' = 'postgres',
    49.    'schema-name' = 'public',
    50.    'table-name' = 'shipments'
    51.  );

    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.  );
    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;

    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://192.168.122.131:5601/app/kibana#/management/kibana/index_pattern 创建 index pattern enriched_orders.

    然后就可以在 http://192.168.122.131:5601/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

    1. --MySQL
    2. INSERT INTO orders
    3. 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

    1. --PG
    2. INSERT INTO shipments
    3. VALUES (default,10004,'Shanghai','Beijing',false);

    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;

    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;

    在 MYSQL 的 orders 表中删除一条数据

    1. --MySQL
    2. 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：

    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：

    docker compose down

    在 Flink 所在目录 flink-1.16.0 下执行如下命令停止 Flink 集群：

    ./bin/stop-cluster.sh

    异常排查

    若数据异常，在flink的网页里看查看错误信息。

    http://192.168.122.131:8081/#/job/running

  • 相关阅读:
    nodejs切换
    捷报｜数说故事入选「广州市人工智能应用场景典型案例TOP100」
    探索AudioLM的音频源识别能力：解锁声音的奥秘
    Docker多平台、跨平台编译打包
    信息学奥赛一本通：1412：二进制分类
    package.json，package-lock.json，yarn.lock
    使用NTP配置集群时间同步(CentOS 7.9操作系统)
    http服务
    飞凌嵌入式受邀参加「NXP创新技术论坛」
    记一次密码控制功能
  • 原文地址：https://blog.csdn.net/puzi0315/article/details/132689670