关于大数据:MySQL到ClickHouse实时同步CloudCanal实战

8次阅读

共计 3578 个字符，预计需要花费 9 分钟才能阅读完成。

CloudCanal 近期实现了 MySQL（RDS）到 ClickHouse 实时同步的能力，性能蕴含全量数据迁徙、增量数据迁徙、构造迁徙能力，以及附带的监控、告警、HA 等能力(平台自带)。

ClickHouse 自身并不间接反对 Update 和 Delete 能力，然而他自带的 MergeTree 系列表中 CollapsingMergeTree 和 VersionedCollapsingMergeTree 可变相实现实时增量的目标，并且性能齐全够用, 可能比拟轻松达到 1k RPS 以上的能力。

接下来的文章，简要介绍 CloudCanal 是如何实现这个能力，以及作为用户咱们怎么比拟好的应用这个能力。

CloudCanal 默认提供构造迁徙，默认抉择 CollapsingMergeTree 作为表引擎，并减少一个默认字段 __cc_ck_sign，源主键作为 sortKey，如下示例:

 CREATE TABLE console.worker_stats
(
    `id` Int64,
    `gmt_create` DateTime,
    `worker_id` Int64,
    `cpu_stat` String,
    `mem_stat` String,
    `disk_stat` String,
    `__cc_ck_sign` Int8 DEFAULT 1
)
ENGINE = CollapsingMergeTree(__cc_ck_sign)
ORDER BY id
SETTINGS index_granularity = 8192

ClickHouse 表引擎中，CollapsingMergeTree 和 VersionedCollapsingMergeTree 都能通过标记位按规定折叠数据，从而达到更新和删除的成果。VersionedCollapsingMergeTree 相比 CollapsingMergeTree 劣势在于同一条数据的不同变更能够乱序写入，然而 CloudCanal 抉择 CollapsingMergeTree 次要起因在于 2 点

1. CloudCanal 中同一条记录必然是按源库变更程序写入，不存在乱序状况
1. 不须要保护 VersionedCollapsingMergeTree 中的 Version 字段(版本，也能够起其余名字)

所以 CloudCanal 抉择了 CollapsingMergeTree 作为默认表引擎。

CloudCanal 写数据次要蕴含全量和增量两种，即单次搬迁存量数据和长期同步，两者写入略有不同。全量写入对端次要工作是批量和多线程，因为 CloudCanal 构造迁徙默认设置了标记位字段 __cc_ck_sign default 值为 1, 所以就不须要做非凡解决。

对于增量, CloudCanal 则须要做 3 件事件。

转换 Update、Delete 操作为 Insert
这一步有两件事件要做，第一件是依照操作类型，填充标记字段值，其中 Insert 和 Update 为 1，Delete 为 -1，第二件是将对应增量数据的前镜像或者后镜像填充到后果记录中，以便后续 insert 写入。

 for (CanalRowChange rowChange : rowChanges) {switch (rowChange.getEventType()) {
                case INSERT: {for (CanalRowData rowData : rowChange.getRowDatasList()) {rowData.getAfterColumnsList().add(nonDeleteCol);
                        records.add(rowData.getAfterColumnsList());
                    }

                    break;
                }
                case UPDATE: {for (CanalRowData rowData : rowChange.getRowDatasList()) {rowData.getBeforeColumnsList().add(deleteCol);
                        records.add(rowData.getBeforeColumnsList());

                        rowData.getAfterColumnsList().add(nonDeleteCol);
                        records.add(rowData.getAfterColumnsList());
                    }

                    break;
                }
                case DELETE: {for (CanalRowData rowData : rowChange.getRowDatasList()) {rowData.getBeforeColumnsList().add(deleteCol);
                        records.add(rowData.getBeforeColumnsList());
                    }

                    break;
                }
                default:
                    throw new CanalException("not supported event type,eventType:" + rowChange.getEventType());
            }
        }

按表归组
因为 IUD 操作已全副转换为 Insert, 且为全镜像(所有字段都填充了值), 所以能够按表归组，而后批量写入。即便单线程也能满足大部分场景的同步性能要求。

protected Map<TableUnit, List<CanalRowChange>> groupByTable(IncrementMessage message) {Map<TableUnit, List<CanalRowChange>> data = new HashMap<>();
        for (ParsedEntry entry : message.getEntries()) {if (entry.getEntryType() == CanalEntryType.ROWDATA) {CanalRowChange rowChange = entry.getRowChange();
                if (!rowChange.isDdl()) {List<CanalRowChange> changes = data.computeIfAbsent(new TableUnit(entry.getHeader().getSchemaName(), entry.getHeader().getTableName()), k -> new ArrayList<>());
                    changes.add(rowChange);
                }
            }
        }

        return data;
    }

并行写入
将按表归组的数据应用并行执行框架执行，具体不详述。

增加数据源
创立工作，抉择数据源和库，并连贯胜利，点击下一步
抉择数据同步，倡议规格至多抉择 1 GB. 目前 MySQL->ClickHouse 构造迁徙主动过滤，所以抉择有效。点击下一步
抉择表，默认 ClickHouse 上创立 CollapsingMergeTree 表引擎，并主动增加 __cc_ck_sign 折叠标记字段。点击下一步
抉择字段，点击下一步
创立工作
期待工作主动构造迁徙、全量迁徙、数据同步追上
造点 Insert、Update、Delete 负载
提早追平状态，进行负载
查看源端 MySQL 表数据，以其中一张表为例
查看对端 ClickHouse 表数据，不统一?!!
手动优化下表，数据统一。尽管能够期待 ClickHouse 主动优化，然而如果须要间接失去精确后果，可手动优化(留神: 手动优化可能导致数据库机器压力过大)

目前比拟倡议间接应用 CloudCanal 主动构造迁徙的形式来创立工作。

如果已建表为 CollapsingMergeTree 表引擎，请将标记位字段改成 __cc_ck_sign Int8 DEFAULT 1`，再创立工作(此时就不再主动构造迁徙，而是应用已存在表)。

如果为其余表引擎，临时不反对(次要是不反对增量能力，须要 CloudCanal 进一步摸索)。

当 CloudCanal 同步数据到 ClickHouse 时，ClickHouse 并不会实时合并数据，也没有一致性可言，所以个别状况是期待合并，或者间接手动合并 (造成机器高负载、高 IO)， 如 optimize table worker_stats FINAL。

目前 CloudCanal 还未反对到 ClickHouse 的 DDL 同步，产品实现上，目前是疏忽的。所以如果做 DDL，加字段倡议对端先加，再加源端，减字段反之。

本文简要介绍了 CloudCanal 实现 MySQL（RDS）到 ClickHouse 数据迁徙同步的能力，具备一站式、数据实时特点，从技术点、例子、以及常见问题角度开展。文章如有谬误，烦请大家勘误，后续也欢送大家试用，提供贵重的意见和倡议。
CloudCanal- 收费好用的企业级数据同步工具，欢送品鉴。
理解产品能够查看官方网站：http://www.clougence.com
CloudCanal 社区：https://www.askcug.com/

正文完