本文為您介紹如何使用Flink CDC將MySQL數(shù)據(jù)同步至EMR Serverless StarRocks中。

前提條件

說明 本文以5.7版本的MySQL、EMR-3.39.1版本的DataFlow集群為例介紹。

使用限制

  • DataFlow集群、EMR Serverless StarRocks實例和RDS MySQL實例需要在同一個VPC下。
  • DataFlow集群和EMR Serverless StarRocks實例均須開啟公網(wǎng)訪問。
  • RDS MySQL須為5.7及以上版本。

操作流程

  1. 步驟一：準備測試數(shù)據(jù)
  2. 步驟二：配置同步工具和啟動Flink任務(wù)
  3. 步驟三：驗證數(shù)據(jù)同步結(jié)果

步驟一：準備測試數(shù)據(jù)

  1. 創(chuàng)建測試的數(shù)據(jù)庫和賬號，詳情請參見創(chuàng)建數(shù)據(jù)庫和賬號。
    創(chuàng)建完數(shù)據(jù)庫和賬號后，需要授權(quán)測試賬號的讀寫權(quán)限。
    說明 本文創(chuàng)建的數(shù)據(jù)庫名稱為test_cdc。
  2. 使用創(chuàng)建的測試賬號連接MySQL實例，詳情請參見通過DMS登錄RDS MySQL。
  3. 執(zhí)行以下命令，創(chuàng)建數(shù)據(jù)表。
    CREATE TABLE test_cdc.`t_user` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `age` tinyint(4) DEFAULT NULL,
  `create_time` datetime DEFAULT NULL,
  `update_time` datetime DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

步驟二：配置同步工具和啟動Flink任務(wù)

  1. 使用SSH方式登錄DataFlow集群，詳情請參見登錄集群。
  2. 下載Flink CDC connector和Flink StarRocks Connector。
    說明 下載過程需要一定時間，請耐心等待。
  3. 執(zhí)行以下命令，將下載的Flink CDC Connector和Flink StarRocks Connector文件復(fù)制到DataFlow集群的/opt/apps/FLINK/flink-current/lib目錄下。
    cp flink-* /opt/apps/FLINK/flink-current/lib/
  4. 執(zhí)行以下命令，啟動集群。
    重要 本文示例僅供測試，如果是生產(chǎn)級別的Flink作業(yè)請使用YARN或Kubernetes方式提交，詳情請參見Apache Hadoop YARN和Native Kubernetes。
    /opt/apps/FLINK/flink-current/bin/start-cluster.sh
  5. 下載并修改配置文件。
    1. 下載StarRocks Migrate Tool，并上傳到DataFlow集群的root目錄下。
    2. 執(zhí)行以下命令，解壓縮smt.tar.gz文件。
      tar -zxvf smt.tar.gz && cd smt
    3. 執(zhí)行以下命令，編輯config_prod.conf文件。
      vim conf/config_prod.conf
      請根據(jù)實際信息修改各參數(shù)值，各參數(shù)描述如下表所示。
      參數(shù)描述
      hostRDS的內(nèi)網(wǎng)地址。

      您可以在RDS的數(shù)據(jù)庫連接頁面，單擊內(nèi)網(wǎng)地址進行復(fù)制。例如，rm-bp1nu0c46fn9k****.mysql.rds.aliyuncs.com。

      port固定值3306。
      userRDS上創(chuàng)建的賬號。

      填寫步驟一：準備測試數(shù)據(jù)中賬號的用戶名。

      passwordRDS上創(chuàng)建賬號的密碼。

      填寫步驟一：準備測試數(shù)據(jù)中賬號的密碼。

      be_numEMR Serverless StarRocks實例的BE節(jié)點（Backend）個數(shù)，如果是最小集群，則直接設(shè)置為1。
      database正則表達式用于匹配RDS數(shù)據(jù)庫的名稱，表示需要同步到StarRocks的數(shù)據(jù)庫。例如，^test.*$。
      table正則表達式用于匹配RDS表的名稱，表示需要同步到StarRocks的表。例如，^.*$。
      flink.starrocks.jdbc-url用于在StarRocks中執(zhí)行查詢操作。
      例如，jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030。其中，fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com為EMR Serverless StarRocks實例FE節(jié)點的內(nèi)網(wǎng)地址。
      說明 關(guān)于如何獲取EMR Serverless StarRocks實例FE節(jié)點的內(nèi)網(wǎng)地址，請參見查看實例列表與詳情。
      flink.starrocks.load-url指定FE節(jié)點的內(nèi)網(wǎng)地址和HTTP端口，格式為EMR Serverless StarRocks實例FE節(jié)點的內(nèi)網(wǎng)地址:8030。
      例如，fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030。
      說明 關(guān)于如何獲取EMR Serverless StarRocks實例FE節(jié)點的內(nèi)網(wǎng)地址，請參見查看實例列表與詳情。
      flink.starrocks.usernameStarRocks連接用戶名。
      flink.starrocks.passwordStarRocks連接密碼。
      說明 默認值為空，可以不填寫密碼。
      配置文件中的StarRocks相關(guān)配置示例如下，其他參數(shù)的配置示例請參見更多信息。
      flink.starrocks.jdbc-url=jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030
flink.starrocks.load-url=fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030
flink.starrocks.username=admin
flink.starrocks.password=1qaz!QAZ
  6. 執(zhí)行以下命令，將所有建表語句都生成在result目錄下。
    ./starrocks-migrate-tool

    您可以通過ls result命令，查看result下的目錄。

    返回信息如下所示。
    flink-create.1.sql  flink-create.all.sql  starrocks-create.1.sql  starrocks-create.all.sql  starrocks-external-create.1.sql  starrocks-external-create.all.sql
    說明
    • 本文示例的配置文件僅定義了table-rule.1等規(guī)則，.1.sql格式文件對應(yīng)的就是table-rule.1的建表語句。如果您的配置文件有table-rule.2等規(guī)則，則.all.sql的文件為所有規(guī)則的集合。
    • external-create后綴的文件，為對應(yīng)數(shù)據(jù)源的外表。如果對于部分場景小的維表您不想同步，則可以直接通過外表查詢，使用該文件可以生成對應(yīng)的外表。本文示例未使用。
  7. 執(zhí)行以下命令，創(chuàng)建StarRocks表。
    mysql -h<EMR Serverless StarRocks實例FE節(jié)點的內(nèi)網(wǎng)地址> -P9030 -uroot -p < result/starrocks-create.1.sql
    說明 如果修改config_prod.conf文件時，沒有設(shè)置StarRocks連接密碼，則直接按回車鍵。
  8. 執(zhí)行以下命令，啟動Flink任務(wù)。
    /opt/apps/FLINK/flink-current/bin/sql-client.sh -f result/flink-create.1.sql

步驟三：驗證數(shù)據(jù)同步結(jié)果

查詢數(shù)據(jù)

  1. 登錄并連接EMR Serverless StarRocks實例，詳情請參見連接StarRocks實例（客戶端方式）。
  2. 執(zhí)行以下命令，查看數(shù)據(jù)庫信息。
    show databases;
    返回信息如下所示。
    +--------------------+
| Database           |
+--------------------+
| _statistics_       |
| information_schema |
| test_cdc           |
+--------------------+
3 rows in set (0.00 sec)
  3. 在StarRocks連接窗口執(zhí)行以下命令，查看表數(shù)據(jù)。
    use test_cdc;
select * from t_user;

    由于本文示例中t_user表中還沒有數(shù)據(jù)，因此預(yù)期返回數(shù)據(jù)為空。

查詢插入后的數(shù)據(jù)

  1. 在RDS數(shù)據(jù)庫窗口執(zhí)行以下命令，插入數(shù)據(jù)。
    INSERT INTO test_cdc.t_user(`name`,age,create_time,update_time) VALUES("aliyun.com.0",30,NOW(),NOW());
INSERT INTO test_cdc.t_user(`name`,age,create_time,update_time) VALUES("aliyun.com.1",31,NOW(),NOW());
INSERT INTO test_cdc.t_user(`name`,age,create_time,update_time) VALUES("aliyun.com.2",32,NOW(),NOW());
  2. 在StarRocks連接窗口執(zhí)行以下命令，查看表數(shù)據(jù)。
    select * from t_user;
    返回信息如下，表示數(shù)據(jù)已成功插入。
    +------+--------------+------+---------------------+---------------------+
| id   | name         | age  | create_time         | update_time         |
+------+--------------+------+---------------------+---------------------+
| 4    | aliyun.com.0 |   30 | 2022-03-10 13:22:41 | 2022-03-10 13:22:41 |
| 5    | aliyun.com.1 |   31 | 2022-03-10 13:22:41 | 2022-03-10 13:22:41 |
| 6    | aliyun.com.2 |   32 | 2022-03-10 13:22:42 | 2022-03-10 13:22:42 |
+------+--------------+------+---------------------+---------------------+
3 rows in set (0.00 sec)

同步數(shù)據(jù)更新

  1. 在RDS數(shù)據(jù)庫窗口執(zhí)行以下命令，更新指定數(shù)據(jù)。
    UPDATE test_cdc.t_user SET age=35 where name="aliyun.com.0";
  2. 在StarRocks連接窗口執(zhí)行以下命令，查看表數(shù)據(jù)。
    select * from t_user where name = "aliyun.com.0";
    返回信息如下，表示數(shù)據(jù)已同步更新。
    +------+--------------+------+---------------------+---------------------+
| id   | name         | age  | create_time         | update_time         |
+------+--------------+------+---------------------+---------------------+
| 4    | aliyun.com.0 |   35 | 2022-03-10 13:22:41 | 2022-03-10 13:22:41 |
+------+--------------+------+---------------------+---------------------+
1 row in set (0.01 sec)

同步數(shù)據(jù)刪除

  1. 在RDS數(shù)據(jù)庫窗口執(zhí)行以下命令，刪除指定數(shù)據(jù)。
    DELETE FROM test_cdc.t_user where 1=1;
  2. 在StarRocks連接窗口執(zhí)行以下命令，查看表數(shù)據(jù)。
    select * from t_user;
    返回信息如下，表示數(shù)據(jù)已同步刪除。
    Empty set (0.01 sec)

更多信息

  • 本文檔僅供測試使用，生產(chǎn)級別的Flink作業(yè)請使用阿里云VVP產(chǎn)品進行配置，或者使用YARN或者Kubernetes提交作業(yè)。

    詳情請參見Apache Hadoop YARN和Native Kubernetes。

  • 如果RDS的表有修改（ALTER TABLE），則MySQL中alter table之后的Schema變更需要在StarRocks中手動同步。如果RDS的表有新建，則MySQL新建的表需要重新運行StarRocks Migrate Tool以進行數(shù)據(jù)同步。
  • StarRocks Migrate Tool的配置文件示例。
    [db]
host = rm-bp1nu0c46fn9k****.mysql.rds.aliyuncs.com
port = 3306
user = ***
password = ***
# currently available types: `mysql`, `pgsql`, `oracle`, `hive`, `clickhouse`
type = mysql
# # only takes effect on `type == hive`.
# # Available values: kerberos, none, nosasl, kerberos_http, none_http, zk, ldap
# authentication = kerberos

[other]
# number of backends in StarRocks
be_num = 1
# `decimal_v3` is supported since StarRocks-1.8.1
use_decimal_v3 = false
# directory to save the converted DDL SQL
output_dir = ./result


# !!!`database` `table` `schema` are case sensitive in `oracle`!!!
[table-rule.1]
# pattern to match databases for setting properties
# !!! database should be a `whole instance(or pdb) name` but not a regex when it comes with an `oracle db` !!!
database = ^test.*$
# pattern to match tables for setting properties
table = ^.*$
# `schema` only takes effect on `postgresql` and `oracle` and `sqlserver`
schema = ^.*$

############################################
### starrocks table configurations
############################################
# # set a column as the partition_key
# partition_key = p_key
# # override the auto-generated partitions
# partitions = START ("2021-01-02") END ("2021-01-04") EVERY (INTERVAL 1 day)
# # only take effect on tables without primary keys or unique indexes
# duplicate_keys=k1,k2
# # override the auto-generated distributed keys
# distributed_by=k1,k2
# # override the auto-generated distributed buckets
# bucket_num=32
# # properties.xxxxx: properties used to create tables
# properties.in_memory = false

############################################
### flink sink configurations
### DO NOT set `connector`, `table-name`, `database-name`, they are auto-generated
############################################
flink.starrocks.jdbc-url=jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030
flink.starrocks.load-url=fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030
flink.starrocks.username=admin
flink.starrocks.password=1qaz!QAZ
flink.starrocks.sink.max-retries=10
flink.starrocks.sink.buffer-flush.interval-ms=15000
flink.starrocks.sink.properties.format=json
flink.starrocks.sink.properties.strip_outer_array=true
# # used to set the server-id for mysql-cdc jobs instead of using a random server-id
# flink.cdc.server-id = 5000
############################################
### flink-cdc plugin configuration for `postgresql`
############################################
# # for `9.*` decoderbufs, wal2json, wal2json_rds, wal2json_streaming, wal2json_rds_streaming
# # refer to https://ververica.github.io/flink-cdc-connectors/master/content/connectors/postgres-cdc.html
# # and https://debezium.io/documentation/reference/postgres-plugins.html
# flink.cdc.decoding.plugin.name = decoderbufs