Flink CDC 系列 - 構建 MySQL 和 Postgres 上的 Streaming ETL

語言: CN / TW / HK

▼ 關注「 Apache Flink 」,獲取更多技術乾貨 

摘要: 篇教程將展示如何基於 Flink CDC 快速構建 MySQL 和 Postgres 的流 式 ETL。

Flink-CDC 專案地址:

https://github.com/ververica/flink-cdc-connectors

Tips: FFA 大會以及 Hackathon 比賽重磅開啟,點選 「閱讀原 文」 瞭解詳情~

本教程的演示基於 Docker 環境,都將在 Flink SQL CLI 中進行,只涉及 SQL,無需一行 Java/Scala 程式碼,也無需安裝 IDE。

假設我們正在經營電子商務業務,商品和訂單的資料儲存在 MySQL 中,訂單對應的物流資訊儲存在 Postgres 中。

對於訂單表,為了方便進行分析,我們希望讓它關聯上其對應的商品和物流資訊,構成一張寬表,並且實時把它寫到 ElasticSearch 中。

接下來的內容將介紹如何使用 Flink Mysql/Postgres CDC 來實現這個需求,系統的整體架構如下圖所示:

一、準備階段

準備一臺已經安裝了 Docker 的 Linux 或者 MacOS 電腦。

1.1  準備教程所需要的元件

接下來的教程將以  docker-compose 的方式準備所需要的元件。

使用下面的內容建立一個  docker-compose.yml 檔案:

version: '2.1'
services:
postgres:
image: debezium/example-postgres:1.1
ports:
- "5432:5432"
environment:
- POSTGRES_PASSWORD=1234
- 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"

該 Docker Compose 中包含的容器有:

  • MySQL: 商品表  products 和 訂單表  orders 將儲存在該資料庫中, 這兩張表將和 Postgres 資料庫中的物流表  shipments 進行關聯,得到一張包含更多資訊的訂單表  enriched_orders

  • Postgres: 物流 表  shipments 將儲存在該資料庫中;

  • Elasticsearch: 最終的訂單表  enriched_orders 將寫到 Elasticsearch;

  • Kibana: 用來視覺化 ElasticSearch 的資料。

在  docker-compose.yml 所在目錄下執行下面的命令來啟動本教程需要的元件:

docker-compose up -d

該命令將以 detached 模式自動啟動 Docker Compose 配置中定義的所有容器。你可以通過 docker ps 來觀察上述的容器是否正常啟動了,也可以通過訪問 http://localhost:5601/ 來檢視 Kibana 是否執行正常。

注:本教程接下來用到的容器相關的命令也都 需要在  docker-compose.yml 所在目 錄下執行。

1.2 下載 Flink 和所需要的依賴包

  1. 下載  Flink 1.13.2 [1] 並將其 解壓至目錄  flink-1.13.2

  2. 下載 下面列出的依賴 包,並將它們放到目錄  flink-1.13.2/lib/

  • flink-sql-conn ector-elasticsearch7_2.11-1.13.2.jar [2]

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

  • flink-sql-connector-postgres-cdc-2.1.0.jar [4]

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

[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

[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

[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

1.3  準備資料

■  1.3.1 在 MySQL 資料庫中準備資料

1. 進入 MySQL 容器:

docker-compose exec mysql mysql -uroot -p123456

2. 建立資料庫和表  productsorders 並插入資料:

-- 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 資料庫中準備資料

1. 進入 Postgres 容器:

docker-compose exec postgres psql -h localhost -U postgres

2. 建立表  shipments ,並插入資料:

-- 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);

二、啟動 Flink 叢集和 Flink SQL CLI

1. 使用下面的命令跳轉至 Flink 目錄下:

cd flink-1.13.2

2. 使用下面的命令啟動 Flink 叢集:

./bin/start-cluster.sh

啟動成功的話,可以在 http://localhost:8081/ 訪問到 Flink Web UI,如下所示:

3. 使用下面的命令啟動 Flink SQL CLI

./bin/sql-client.sh

啟動成功後,可以看到如下的頁面:

三、在 Flink SQL CLI

使用 Flink DDL 建立表

首先,開啟 checkpoint,每隔 3 秒做一次 checkpoint。

-- Flink SQL
Flink SQL> SET execution.checkpointing.interval = 3s;

然後, 對於資料庫中的表 products, orders, shipments,使用 Flink SQL CLI 建立對應的表,用於同步這些底層資料庫表的資料。

-- 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'
);

最後,建立  enriched_orders 表, 用來將關聯後的訂單資料寫入 Elasticsearch 中。  

-- 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'
);

四、關聯訂單資料並且

將其寫入 Elasticsearch 中

使用 Flink SQL 將訂單表 order 與 商品表 products,物流資訊表 shipments 關聯,並將關聯後的訂單資訊寫入 Elasticsearch 中。

-- 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;

啟動成功後,可以訪問 http://localhost:8081/#/job/run ning 在 Flink Web UI 上看到正在執行的 Flink Streaming Job,如下圖所示:

現在,就可以在 Kibana 中看到包含商品和物流資訊的訂單資料。

首先訪問   http://localhost:5601/app/kibana#/management/kibana/index_pattern 建立 index pattern enriched_orders

然後就可以在 http://localhost:5601/app/kibana#/discover 看到寫入的資料了。

接下來,修改 MySQL 和 Postgres 資料庫中表的資料,Kibana 中顯示的訂單資料也將實時更新。

1. 在 MySQL 的  orders 表中插入一條資料:

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

2. 在 Postgres 的  shipment 表中插入一條資料:

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

3. 在 MySQL 的  orders 表中更新訂單的狀態:

--MySQL
UPDATE orders SET order_status = true WHERE order_id = 10004;

4. 在 Postgres 的  shipment 表中更新物流的狀態:

--PG
UPDATE shipments SET is_arrived = true WHERE shipment_id = 1004;

5. 在 MYSQL 的 orders 表中刪除一條資料:

--MySQL
DELETE FROM orders WHERE order_id = 10004;

每執行一步就重新整理一次 Kibana,可以看到 Kibana 中顯示的訂單資料將實時更新,如下所示:

五、環境清理

本教程結束後,在  docker-compose.yml 檔案所在的目錄下執行如下命令停止所有容器:

docker-compose down

在 Flink 所在目錄  flink-1.13.2 下執行如下命令停止 Flink 叢集:

./bin/stop-cluster.sh

六、總結

在本文中,我們以一個簡單的業務場景展示瞭如何使用 Flink CDC 快速構建 Streaming ETL。希望通過本文,能夠幫助讀者快速上手 Flink CDC ,也希望 Flink CDC 能滿足你的業務需求。

更多 Flink CDC 相關技術問題,可掃碼加入社群釘釘交流群~

近期熱點

更多 Flink 相關技術問題,可掃碼加入社群釘釘交流群~

戳我,檢視更多技術乾貨~