本文首發於我的個人博客網站 等待下一個秋-Flink
什麼是CDC？
CDC是（Change Data Capture 變更數據獲取）的簡稱。核心思想是，監測並捕獲數據庫的變動（包括數據 或 數據表的插入INSERT、更新UPDATE、刪除DELETE等），將這些變更按發生的順序完整記錄下來，寫入到消息中間件中以供其他服務進行訂閱及消費。
1. 環境準備
-
mysql
-
elasticsearch
-
flink on yarn
說明：如果沒有安裝hadoop，那麼可以不用yarn，直接用flink standalone環境吧。
2. 下載下列依賴包
下面兩個地址下載flink的依賴包，放在lib目錄下面。
這裏flink-sql-connector-mysql-cdc，在這裏只能下到最新版1.4：
可以自行https://github.com/ververica/flink-cdc-connectors下載新版mvn clean install -DskipTests 自己編譯。
這是我編譯的最新版2.2，傳上去發現太新了，如果重新換個版本，我得去gitee下載源碼，不然github速度太慢了，然後用IDEA編譯打包，又得下載一堆依賴。我投降，我直接去網上下載了個1.4的直接用了。
我下載的jar包，放在flink的lib目錄下面：
flink-sql-connector-elasticsearch7_2.11-1.13.5.jar
flink-sql-connector-mysql-cdc-1.4.0.jar
3. 啓動flink-sql client
- 先在yarn上面啓動一個application，進入flink13.5目錄，執行：
bin/yarn-session.sh -d -s 1 -jm 1024 -tm 2048 -qu root.flink-queue-nm flink-cdc
- 進入flink sql命令行
bin/sql-client.sh embedded -s flink-cdc
4. 同步數據
這裏有一張mysql表：
CREATE TABLE `product_view` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`user_id` int(11) NOT NULL,
`product_id` int(11) NOT NULL,
`server_id` int(11) NOT NULL,
`duration` int(11) NOT NULL,
`times` varchar(11) NOT NULL,
`time` datetime NOT NULL,
PRIMARY KEY (`id`),
KEY `time` (`time`),
KEY `user_product` (`user_id`,`product_id`) USING BTREE,
KEY `times` (`times`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
-- 樣本數據
INSERT INTO `product_view` VALUES ('1', '1', '1', '1', '120', '120', '2020-04-24 13:14:00');
INSERT INTO `product_view` VALUES ('2', '1', '1', '1', '120', '120', '2020-04-24 13:14:00');
INSERT INTO `product_view` VALUES ('3', '1', '1', '3', '120', '120', '2020-04-24 13:14:00');
INSERT INTO `product_view` VALUES ('4', '1', '1', '2', '120', '120', '2020-04-24 13:14:00');
INSERT INTO `product_view` VALUES ('5', '8', '1', '1', '120', '120', '2020-05-14 13:14:00');
INSERT INTO `product_view` VALUES ('6', '8', '1', '2', '120', '120', '2020-05-13 13:14:00');
INSERT INTO `product_view` VALUES ('7', '8', '1', '3', '120', '120', '2020-04-24 13:14:00');
INSERT INTO `product_view` VALUES ('8', '8', '1', '3', '120', '120', '2020-04-23 13:14:00');
INSERT INTO `product_view` VALUES ('9', '8', '1', '2', '120', '120', '2020-05-13 13:14:00');
- 創建數據表關聯mysql
CREATE TABLE product_view_source (
`id` int,
`user_id` int,
`product_id` int,
`server_id` int,
`duration` int,
`times` string,
`time` timestamp,
PRIMARY KEY (`id`) NOT ENFORCED
) WITH (
'connector' = 'mysql-cdc',
'hostname' = '192.168.1.2',
'port' = '3306',
'username' = 'bigdata',
'password' = 'bigdata',
'database-name' = 'test',
'table-name' = 'product_view'
);
這樣，我們在flink sql client操作這個表相當於操作mysql裏面的對應表。
- 創建數據表關聯elasticsearch
CREATE TABLE product_view_sink(
`id` int,
`user_id` int,
`product_id` int,
`server_id` int,
`duration` int,
`times` string,
`time` timestamp,
PRIMARY KEY (`id`) NOT ENFORCED
) WITH (
'connector' = 'elasticsearch-7',
'hosts' = 'http://192.168.1.2:9200',
'index' = 'product_view_index',
'username' = 'elastic',
'password' = 'elastic'
);
這樣，es裏面的product_view_index這個索引會被自動創建，如果想指定一些屬性，可以提前手動創建好索引，我們操作表product_view_sink，往裏面插入數據，可以發現es中已經有數據了。
- 同步數據
建立同步任務，可以使用sql如下：
insert into product_view_sink select * from product_view_source;
這個時候是可以退出flink sql-client的，然後進入flink web-ui，可以看到mysql表數據已經同步到elasticsearch中了，對mysql進行插入刪除更新，elasticsearch都是同步更新的。
參考資料
https://ververica.github.io/flink-cdc-connectors/master/content/about.html