赞
踩
Apache Flink 社区很高兴地宣布发布 Flink CDC 3.1.0!这是社区在接受 Flink CDC 作为 Apache Flink 的子项目后的首个版本,带来了令人兴奋的新功能,如 transformation 的支持和分库分表合并。Flink CDC 的生态系统也在不断扩展,包括新增的 Pipeline 连接器 Kafka 和 Paimon 以及对已有的 Source 连接器增强。
欢迎浏览 Flink CDC 文档和尝试快速入门教程来探索 Flink CDC 的世界!同时欢迎下载该版本并通过 Flink 的邮件列表或JIRA在 Flink 社区进行讨论和分享,期待大家的反馈!
作为 Flink CDC 成为 Apache Flink 子项目之后的首个版本,3.1 带来了许多新功能与稳定性提升。主要亮点包括:
Flink CDC 3.1.0 引入了在 CDC pipeline 中进行数据变换(transformation)的功能。通过在 YAML pipeline 定义中加入 transform
部分,用户现在可以轻松地对来源的数据变更事件应用各种变换,包括投影、计算和添加常量列,从而提高数据集成管道的效率。新特性利用类似 SQL 的语法定义这些转换,确保用户可以快速适应并使用它。例如,只需编写如下 YAML 语句块:
transform:
- source-table: db.tbl1
projection: id, age, weight, height, weight / (height * height) as bmi
filter: age > 18 AND name IS NOT NULL
即可对传递的数据流应用投影操作(仅保留原表中的部分列)、计算操作(根据原列数据计算新列并追加到数据记录中)和过滤操作(从结果中清除符合条件的数据行)。可以书写多条 Transform 规则,它们会同时生效。[1]
Flink CDC 3.1.0 现在通过在 YAML pipeline 定义中配置 route
,在分库分表场景下将多表合并为一个。由于业务数据量庞大,业务数据经常会被分别存放在多个表甚至数据库中。通过配置route
,用户可以将多张源表映射至同一个目标表,在同步时,数据变更事件(DataChangeEvent)和 Schema 变更事件都将被合并到指定的目标表中。例如,只需编写如下 YAML 语句块:
route:
- source-table: db.tbl\.*
sink-table: db.unified
- source-table: db.tbl_log\.*
sink-table: db.log
即可将源库中所有匹配 tbl.*
和 tbl_log.*
正则表达式的分片表合并,并分别同步到下游的 db.unified
和 db.log
汇表中。(.
用于分隔数据库名称和表名称,因此作为正则表达式关键字时需要使用 \
进行转义。)可以书写多条 Route 规则,它们会同时生效。[2]
Flink CDC 3.1.0 引入了新的 Kafka Pipeline Sink(基于 Kafka 3.2.3 版本)。现在,您可以编写如下所示的 YAML 语句块来定义一个从 MySQL 捕获变化数据并写入下游 Kafka Sink 的 Pipeline 作业[3]:
source:
type: mysql
# ...
sink:
type: kafka
properties.bootstrap.servers: PLAINTEXT://localhost:62510
value.format: canal-json
该作业将来自 MySQL 上游的变化数据编码为 Canal JSON 格式,并写入到指定的 Kafka 服务器中;相比于 Flink SQL Changelog 格式,Flink CDC 不会将数据更新事件拆分为 BEFORE 和 AFTER 两条记录,能够更高效地处理分区表场景,并支持将事件序列化为 Debezium 和 Canal JSON 格式。
Flink 支持将上述格式解析为标准变更消息处理[4],因此您可以简单地使用以下 Flink SQL 将其摄入流式处理框架,整个过程无需额外部署 Canal 或 Debezium 集群,直接复用已有 Flink 集群即可:
CREATE TABLE topic_products (
-- 上游的 Schema 结构
) WITH (
'connector' = 'kafka',
-- ...
'properties.bootstrap.servers' = 'localhost:9092',
'format' = 'canal-json' -- 从 Kafka 摄取 Canal JSON 格式数据
)
完整的数据流示意图如下所示:
Flink CDC 3.1.0 引入了新的 Apache Paimon Pipeline Sink(基于 Paimon 0.7.0 版本)。现在,您可以编写如下所示的 YAML 语句块来定义一个从 MySQL 捕获变化数据并写入下游 Paimon Sink 的 Pipeline 作业[5]:
source:
type: mysql
# ...
sink:
type: paimon
catalog.properties.metastore: filesystem
catalog.properties.warehouse: /path/warehouse
可选择的下游元数据存储支持 FileSystem 和 Hive。在启用 Schema Evolution 选项时,Flink CDC 会同时捕获数据变更和表结构变更、在应用 Transform 和 Route 规则后将数据发送到下游,并将结构变更应用到 Catalog 中。完整的数据流示意图如下所示:
相比于使用 Flink SQL 和 Paimon CDC Action 的同步方案,Flink CDC Pipeline 作业支持将上游表结构变更动态应用至下游,且进一步支持了对上游表进行列投影和行过滤,提供细粒度的数据路由规则,追加计算列的逻辑配置更加简单。例如,以下 Paimon Action 变换语句[6]:
flink run paimon-action.jar
--metadata_column "table_name"
--computed_column "name=UPPER(name)"
--computed_column "nameage=CONCAT(name, age)"
可以使用 Flink CDC YAML 等效地表述为:
projection: \*, __table_name__, UPPER(name) as newage, CONCAT(name, age) as nameage
在此版本中,MySQL pipeline source 引入了一个新的选项 tables.exclude
,用户可以更简单地使用正则表达式排除不必要的表。
MySQL CDC source 同时新增了一个自定义转换器 MysqlDebeziumTimeConverter
,用于将时间类型列转换为更易于读取和序列化的字符串。
OceanBase CDC source 现在支持指定通用的 DebeziumDeserializationSchema
,以重用现有的 Debezium 反序列化器。
Db2 CDC source 已经迁移至统一的增量快照框架。
尽管 SinkFunction
在 Flink 中已被标记为弃用,但考虑到一些 Flink connector 仍在使用该 API,我们也为 CDC pipeline sink 支持 SinkFunction
API 以帮助扩展 Flink CDC 的生态系统。
Flink CDC pipeline 提交 CLI 现在支持通过命令行参数 --from-savepoint
从特定的 savepoint 文件恢复 Flink 作业。
捐赠给 Apache 基金会使得 Flink CDC 项目更中立的同时也带来了短期的不便,因为 Apache 基金会对所属项目的包名、license 有着严格的要求,因此在 Flink CDC 3.1 版本之前版本存在不兼容的情况,我们在此详细说明。当然,后续的 3.2、3.3 版本会与 3.1 版本保持兼容。
如果您正通过 Maven 或 Gradle 声明 Flink CDC 依赖,则需要在升级到 3.1 版本的同时将 Group ID 从 com.ververica.cdc
改为 org.apache.flink.cdc
,同时更改源代码中 import Package 路径。
由于许可证与 Apache 2.0 License 不兼容,我们无法将以下连接器的 JDBC driver 包含在我们的二进制发布包中:
请手动将相应的 JDBC 驱动程序下载到 Flink 集群的 $FLINK_HOME/lib
目录中,或在使用 --jar
提交 YAML pipeline 时指定驱动程序的路径。如果您在使用 Flink SQL,请确保它们在 classpath 下。
由于以上不兼容的变更,使用 Flink CDC 3.1 以前版本保存的作业 State 无法在较新版本上恢复。因此,您需要在升级 Flink CDC 版本后进行一次无状态重启。
衷心感谢以下开发者为 Flink CDC 3.1.0 版本作出的贡献!
Check Null, FocusComputing, GOODBOY008, Hang Ruan, He Wang, Hongshun Wang, Jiabao Sun, Kunni, L, Laffery, Leonard Xu, Muhammet Orazov, Paul Lin, PengFei Li, Qingsheng Ren, Qishang Zhong, Shawn Huang, Thorne, TorinJie, Xianxun Ye, Xin Gong, Yaroslav Tkachenko, e-mhui, gongzhongqiang, joyCurry30, kunni, lzshlzsh, qwding, shikai93, sky, skylines, wenmo, wudi, xleoken, xuzifu666, yanghuaiGit, yuxiqian, 张田
参考链接:
[1] https://nightlies.apache.org/flink/flink-cdc-docs-release-3.1/docs/core-concept/transform/
[2] https://nightlies.apache.org/flink/flink-cdc-docs-release-3.1/docs/core-concept/route/
[3] https://nightlies.apache.org/flink/flink-cdc-docs-release-3.1/docs/connectors/kafka/
[4] https://nightlies.apache.org/flink/flink-docs-release-1.19/docs/connectors/table/formats/canal/
[5] https://nightlies.apache.org/flink/flink-cdc-docs-release-3.1/docs/connectors/paimon/
[6] https://paimon.apache.org/docs/master/flink/cdc-ingestion/mysql-cdc/
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。