场景应用:将MySQL的变化数据转为实时流输出到Kafka中。
注意版本问题,版本不同可能会出现异常,以下版本测试没问题:
flink1.12.7
flink-connector-mysql-cdc 1.3.0(com.alibaba.ververica) (测试时使用1.2.0版本时会出现空指针错误)
1. MySQL的配置
在/etc/my.cnf文件中,【mysqld】下面添加以下配置:
binlog-do-db 是指定要监控的数据库,如果是多个数据库,每个数据库需要单独一行设置。
修改完成后,需要重启数据库,并检查binlog有没有生成。
补充几个其他的配置:
- 1、修改配置
- [mysqld]
- # 前面还有其他配置
- # 添加的部分
- server-id = 12345
- log-bin = mysql-bin
- # 必须为ROW
- binlog_format = ROW
- # 必须为FULL,MySQL-5.7后才有该参数
- binlog_row_image = FULL
- expire_logs_days = 15
-
- 2、验证
- SHOW VARIABLES LIKE '%binlog%';
-
- 3、设置权限
- -- 设置拥有同步权限的用户
- CREATE USER 'flinkuser' IDENTIFIED BY 'flinkpassword';
- -- 赋予同步相关权限
- GRANT SELECT, RELOAD, SHOW DATABASES, REPLICATION SLAVE, REPLICATION CLIENT ON *.* TO 'flinkuser';
-
- 创建用户并赋予权限成功后,使用该用户登录MySQL,可以使用以下命令查看主从同步相关信息
- SHOW MASTER STATUS
- SHOW SLAVE STATUS
- SHOW BINARY LOGS
2. FlinkCDC的开发
从这里开始建立flink工程项目,以下项目flink版本为1.12.7,scala版本用的2.12。
大概的思考步骤如下:
1) 获取执行环境
2)开启检查点ck (重点)
3)通过flinkcdc构建sourceFunction,并读取数据 (重点)
4)在执行环境中添加3)中构建的source
5)配置kafka生产者环境(重点)
6)在执行环境中增加5)中的Sink
7)启动任务
项目结构(gmall-realtime)如下:
2.1 Pom文件配置
由于这是我的一个子项目,所以实际使用的时候自己修改。
- <?xml version="1.0" encoding="UTF-8"?>
- <project xmlns="http://maven.apache.org/POM/4.0.0"
- xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
- xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
- <parent>
- <artifactId>gmall-flink-2021</artifactId>
- <groupId>com.king</groupId>
- <version>1.0-SNAPSHOT</version>
- </parent>
- <modelVersion>4.0.0</modelVersion>
-
- <artifactId>gmall-flink-cdc</artifactId>
- <version>1.0</version>
-
- <properties>
- <java.version>1.8</java.version>
- <maven.compiler.source>${java.version}</maven.compiler.source>
- <maven.compiler.target>${java.version}</maven.compiler.target>
- <flink.version>1.12.7</flink.version>
- <scala.version>2.12</scala.version>
- <hadoop.version>3.1.3</hadoop.version>
- </properties>
-
- <dependencies>
- <dependency>
- <groupId>org.apache.flink</groupId>
- <artifactId>flink-java</artifactId>
- <version>${flink.version}</version>
- </dependency>
- <dependency>
- <groupId>org.apache.flink</groupId>
- <artifactId>flink-streaming-java_${scala.version}</artifactId>
- <version>${flink.version}</version>
- </dependency>
- <dependency>
- <groupId>org.apache.flink</groupId>
- <artifactId>flink-connector-kafka_${scala.version}</artifactId>
- <version>${flink.version}</version>
- </dependency>
- <dependency>
- <groupId>org.apache.flink</groupId>
- <artifactId>flink-clients_${scala.version}</artifactId>
- <version>${flink.version}</version>
- </dependency>
- <dependency>
- <groupId>org.apache.flink</groupId>
- <artifactId>flink-cep_${scala.version}</artifactId>
- <version>${flink.version}</version>
- </dependency>
- <dependency>
- <groupId>org.apache.flink</groupId>
- <artifactId>flink-json</artifactId>
- <version>${flink.version}</version>
- </dependency>
- <dependency>
- <groupId>com.alibaba</groupId>
- <artifactId>fastjson</artifactId>
- <version>1.2.68</version>
- </dependency>
- <!--如果保存检查点到 hdfs 上,需要引入此依赖-->
- <dependency>
- <groupId>org.apache.hadoop</groupId>
- <artifactId>hadoop-client</artifactId>
- <version>${hadoop.version}</version>
- </dependency>
- <dependency>
- <groupId>mysql</groupId>
- <artifactId>mysql-connector-java</artifactId>
- <version>8.0.16</version>
- </dependency>
-
- <dependency>
- <groupId>org.apache.kafka</groupId>
- <artifactId>kafka-clients</artifactId>
- <version>2.7.0</version>
- </dependency>
- <dependency>
- <groupId>com.alibaba.ververica</groupId>
- <artifactId>flink-connector-mysql-cdc</artifactId>
- <version>1.3.0</version>
- </dependency>
- <!-- https://mvnrepository.com/artifact/com.ververica/flink-connector-mysql-cdc -->
- <!-- <dependency> 该包仅支持flink1.13版本及以上-->
- <!-- <groupId>com.ververica</groupId>-->
- <!-- <artifactId>flink-connector-mysql-cdc</artifactId>-->
- <!-- <version>2.1.1</version>-->
- <!-- </dependency>-->
- <dependency>
- <groupId>org.projectlombok</groupId>
- <artifactId>lombok</artifactId>
- <version>1.18.20</version>
- </dependency>
- <!--Flink 默认使用的是 slf4j 记录日志,相当于一个日志的接口,我们这里使用 log4j 作为
- 具体的日志实现-->
- <dependency>
- <groupId>org.slf4j</groupId>
- <artifactId>slf4j-api</artifactId>
- <version>1.7.32</version>
- </dependency>
- <dependency>
- <groupId>org.slf4j</groupId>
- <artifactId>slf4j-log4j12</artifactId>
- <version>1.7.32</version>
- </dependency>
- <dependency>
- <groupId>org.apache.logging.log4j</groupId>
- <artifactId>log4j-to-slf4j</artifactId>
- <version>2.17.1</version>
- </dependency>
- </dependencies>
-
-
- <build>
- <!-- <sourceDirectory>${project.basedir}/src/main/scala</sourceDirectory>-->
- <!-- <resources>-->
- <!-- <resource>-->
- <!-- <directory>${project.basedir}/src/main/resources</directory>-->
- <!-- </resource>-->
- <!-- </resources>-->
- <plugins>
- <plugin>
- <groupId>org.apache.maven.plugins</groupId>
- <artifactId>maven-assembly-plugin</artifactId>
- <version>3.0.0</version>
- <configuration>
- <descriptorRefs>
- <descriptorRef>jar-with-dependencies</descriptorRef>
- </descriptorRefs>
- </configuration>
- <executions>
- <execution>
- <id>make-assembly</id>
- <phase>package</phase>
- <goals>
- <goal>single</goal>
- </goals>
- </execution>
- </executions>
- </plugin>
- </plugins>
- </build>
-
-
- </project>
注意一点:如果使用java开发,可以直接编译成功。但是我这里全部使用scala开发,所以需要在pom文件配置额外的插件,否则打包scala项目会不成功。
- <plugins>
- <plugin>
- <!-- !!必须有这个插件,才可以编译scala代码找到主类,版本我是网上搞来的 -->
- <groupId>net.alchim31.maven</groupId>
- <artifactId>scala-maven-plugin</artifactId>
- <version>3.2.2</version>
- <executions>
- <execution>
- <id>compile-scala</id>
- <phase>compile</phase>
- <goals>
- <goal>add-source</goal>
- <goal>compile</goal>
- </goals>
- </execution>
- <execution>
- <id>test-compile-scala</id>
- <phase>test-compile</phase>
- <goals>
- <goal>add-source</goal>
- <goal>testCompile</goal>
- </goals>
- </execution>
- </executions>
- </plugin>
- </plugins>
2.2 读取MySQL
Flinkcdc.scala中:
通过引入的flink-connector-mysql-cdc已经提供了读取MySQL的工具类。
- val sourceFunction = MySQLSource.builder[String]()
- .hostname("hadoop200")
- .port(3306)
- .username("root")
- .password("root")
- .databaseList("gmall-210325-flink")
//如果不添加该参数,则消费指定数据库中所有表的数据 //如果添加,则需要按照 数据库名.表名 的格式指定,多个表使用逗号隔开// .tableList("gmall-210325-flink.base_trademark") .deserializer(new CustomerDeseriallization())
new CustomerDeseriallization() 是自定义的读取的MySQL的数据输出格式,如果不指定,系统也有个new StringDebeziumDeserializationSchema()可以使用。
2.3 自定义从MySQL读取的数据的输出格式
CustomerDeseriallization类
- package com.king.app.function
-
- import com.alibaba.fastjson.JSONObject
- import com.alibaba.ververica.cdc.debezium.DebeziumDeserializationSchema
- import org.apache.flink.api.common.typeinfo.{BasicTypeInfo, TypeInformation}
- import org.apache.flink.util.Collector
- import org.apache.kafka.connect.data.{Schema, Struct}
- import org.apache.kafka.connect.source.SourceRecord
-
-
- /**
- * @Author: KingWang
- * @Date: 2021/12/29
- * @Desc:
- **/
- class CustomerDeseriallization extends DebeziumDeserializationSchema[String]{
-
- /**
- * 封装的数据:
- * {
- * "database":"",
- * "tableName":"",
- * "type":"c r u d",
- * "before":"",
- * "after":"",
- * "ts": ""
- *
- * }
- *
- * @param sourceRecord
- * @param collector
- */
- override def deserialize(sourceRecord: SourceRecord, collector: Collector[String]): Unit = {
- //1. 创建json对象用于保存最终数据
- val result = new JSONObject()
-
-
- val value:Struct = sourceRecord.value().asInstanceOf[Struct]
- //2. 获取库名&表名
- val source:Struct = value.getStruct("source")
- val database = source.getString("db")
- val table = source.getString("table")
-
- //3. 获取before
- val before = value.getStruct("before")
- val beforeObj = if(before != null) getJSONObjectBySchema(before.schema(),before) else new JSONObject()
-
-
- //4. 获取after
- val after = value.getStruct("after")
- val afterObj = if(after != null) getJSONObjectBySchema(after.schema(),after) else new JSONObject()
-
- //5. 获取操作类型
- val op:String = value.getString("op")
-
- //6. 获取操作时间
- val ts = source.getInt64("ts_ms")
- // val ts = value.getInt64("ts_ms")
-
-
- //7. 拼接结果
- result.put("database", database)
- result.put("table", table)
- result.put("type", op)
- result.put("before", beforeObj)
- result.put("after", afterObj)
- result.put("ts", ts)
-
- collector.collect(result.toJSONString)
-
- }
-
-
- override def getProducedType: TypeInformation[String] = {
- BasicTypeInfo.STRING_TYPE_INFO
- }
-
-
- //从Schema中获取字段和值
- def getJSONObjectBySchema(schema:Schema,struct:Struct):JSONObject = {
- val fields = schema.fields()
- var jsonBean = new JSONObject()
- val iter = fields.iterator()
- while(iter.hasNext){
- val field = iter.next()
- val key = field.name()
- val value = struct.get(field)
- jsonBean.put(key,value)
- }
- jsonBean
- }
-
- }
2.4 写入到Kafka
- package com.king.util
-
- import org.apache.flink.api.common.serialization.{SerializationSchema, SimpleStringSchema}
- import org.apache.flink.streaming.connectors.kafka.FlinkKafkaProducer
-
- /**
- * @Author: KingWang
- * @Date: 2022/1/1
- * @Desc:
- **/
- object MyKafkaUtil {
-
- val broker_list = "hadoop200:9092,hadoop201:9092,hadoop202:9092"
-
- def getKafkaProducer(topic:String):FlinkKafkaProducer[String] =
- new FlinkKafkaProducer[String](broker_list,topic,new SimpleStringSchema())
-
-
- }
FlinkCDC.scala的完整代码如下:
- package com.king.app.ods
-
- import com.alibaba.ververica.cdc.connectors.mysql.MySQLSource
- import com.alibaba.ververica.cdc.connectors.mysql.table.StartupOptions
- import com.king.app.function.CustomerDeseriallization
- import com.king.util.MyKafkaUtil
- import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment
-
- /**
- * @Author: KingWang
- * @Date: 2021/12/26
- * @Desc:
- **/
- object FlinkCDC {
-
- def main(args: Array[String]): Unit = {
-
- //1. 获取执行环境
- val env = StreamExecutionEnvironment.getExecutionEnvironment
- env.setParallelism(1)
-
- //1.1 开启ck并指定状态后端fs
- // env.setStateBackend(new FsStateBackend("hdfs://hadoop200:8020/gmall-flink-210325/ck"))
- // .enableCheckpointing(10000L) //头尾间隔:每10秒触发一次ck
- // env.getCheckpointConfig.setCheckpointingMode(CheckpointingMode.EXACTLY_ONCE) //
- // env.getCheckpointConfig.setCheckpointTimeout(10000L)
- // env.getCheckpointConfig.setMaxConcurrentCheckpoints(2)
- // env.getCheckpointConfig.setMinPauseBetweenCheckpoints(3000l) //尾和头间隔时间3秒
-
- // env.setRestartStrategy(RestartStrategies.fixedDelayRestart(3, 10000L));
-
-
-
- //2. 通过flinkCDC构建SourceFunction并读取数据
- val sourceFunction = MySQLSource.builder[String]()
- .hostname("hadoop200")
- .port(3306)
- .username("root")
- .password("root")
- .databaseList("gmall-210325-flink")
-
- //如果不添加该参数,则消费指定数据库中所有表的数据
- //如果添加,则需要按照 数据库名.表名 的格式指定,多个表使用逗号隔开
- // .tableList("gmall-210325-flink.base_trademark")
- .deserializer(new CustomerDeseriallization())
-
- //监控的方式:
- // 1. initial 初始化全表拷贝,然后再比较
- // 2. earliest 不做初始化,只从当前的
- // 3. latest 指定最新的
- // 4. specificOffset 指定offset
- // 3. timestamp 比指定的时间大的
-
- .startupOptions(StartupOptions.latest())
- .build()
-
- val dataStream = env.addSource(sourceFunction)
-
- //3. sink, 写入kafka
- dataStream.print()
- val sinkTopic = "ods_base_db"
- dataStream.addSink(MyKafkaUtil.getKafkaProducer(sinkTopic))
- //4. 启动任务
- env.execute("flinkCDC")
-
- }
-
- }
3. 测试项目
准备好kafka,mysql,可以在本地测试。
启动kafka消费者,topic是ods_base_db
在idea中启动flinkcdc程序。
打开mysql编辑器,表base_trademark中原始记录有12条如下:
现在手工增加一条记录,编号为13 wang
查看idea控制台显示添加消息如下:
同时在Kafka消费者也看到一条记录如下,字段type为操作类型,c表示创建
再次在MySQL中做修改和删除操作,可以看到控制多了两条记录,操作类型分别为u和d,表示修改和删除操作。
到此flinkcdc的操作基本完成。