关于数据库:三步玩转如何通过Flink-OceanBase-CDC连接器快速查询数据

CDC（Change Data Capture，即变更数据捕捉）可能帮忙您监测并捕捉数据库的变动。包含数据或数据表的插入、更新和删除等。CDC 将这些变更按产生的程序残缺记录下来，写入到消息中间件中，以供其余服务进行订阅及生产。您可用 CDC 提供的数据做历史库、近实时缓存、提供给音讯队列（MQ），用户生产 MQ 做剖析和审计等。

Flink CDC (CDC Connectors for Apache Flink) 是 Apache Flink 的一组 Source 连接器，它反对从大多数据库中实时地读取存量历史数据和增量变更数据。Flink CDC 可能将数据库的全量和增量数据同步到音讯队列和数据仓库中。Flink CDC 也能够用于实时数据集成，您能够应用它将数据库数据实时导入数据湖或者数据仓库。同时，Flink CDC 还反对数据加工，您能够通过它的 SQL Client 对数据库数据做实时关联、打宽、聚合，并将后果写入到各种存储中。借助 Flink OceanBase CDC 连接器，您能够应用 SQL DDL 创立一个 CDC 源来监控单个表的变动。您也能够在没有部署 Debezium 和 Apache Kafka 的状况下，在一个作业中生产多个数据库和表的变动。在没有 Flink OceanBase CDC 连接器之前，您不能做实时数据的多流 JOIN。

OceanBase 数据库的 CDC 组件次要有：obcdc（原 liboblog）、oblogmsg、oblogproxy 和 oblogclient。各组件性能见下表：

本文介绍如何应用 Flink OceanBase CDC 连接器。本文将以 Elasticsearch 为指标数据源，演示如何将数据从 OceanBase 数据库迁徙至 Elasticsearch。

个性

At-Least-Once 解决

OceanBase CDC 连接器是一个 Flink Source 连接器。它将首先读取数据库快照，而后再读取变动事件，并进行 At-Least-Once 解决 。

OceanBase 数据库是一个分布式数据库，它的日志也扩散在不同的服务器上。因为没有相似 MySQL binlog 偏移量的地位信息，OceanBase 数据库用工夫戳作为地位标记。为确保读取残缺的数据，liboblog（读取 OceanBase 日志记录的 C++ 库）可能会在给定的工夫戳之前读取一些日志数据。因而，OceanBase 数据库可能会读到起始点左近工夫戳的反复数据，从而保障了 At-Least-Once 解决 。

启动模式

配置选项 scan.startup.mode 指定 OceanBase CDC 连接器的启动模式。可用取值包含：

• initial（默认）：在首次启动时对受监督的数据库表执行初始快照，并持续读取最新的事务日志。
• latest-offset：首次启动时，不对受监督的数据库表执行快照，仅从连接器启动时读取事务日志。
• timestamp：在首次启动时不对受监督的数据库表执行初始快照，仅从指定的 scan.startup.timestamp 读取事务日志。

生产事务日志

OceanBase CDC 连接器应用 oblogclient 生产 oblogproxy 中的事务日志。

DataStream Source

OceanBase CDC 连接器也能够作为 DataStream Source 应用。您能够创立一个 SourceFunction，例如：

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.source.SourceFunction;
import com.ververica.cdc.connectors.oceanbase.OceanBaseSource;
import com.ververica.cdc.connectors.oceanbase.table.OceanBaseTableSourceFactory;
import com.ververica.cdc.connectors.oceanbase.table.StartupMode;
import com.ververica.cdc.debezium.JsonDebeziumDeserializationSchema;

public class OceanBaseSourceExample {public static void main(String[] args) throws Exception {
    SourceFunction<String> oceanBaseSource =
        OceanBaseSource.<String>builder()
            .rsList("127.0.0.1:2882:2881")  // set root server list
            .startupMode(StartupMode.INITIAL) // set startup mode
            .username("[email protected]_tenant")  // set cluster username
            .password("pswd")  // set cluster password
            .tenantName("test_tenant")  // set captured tenant name, do not support regex
            .databaseName("test_db")  // set captured database, support regex
            .tableName("test_table")  // set captured table, support regex
            .hostname("127.0.0.1")  // set hostname of OceanBase server or proxy
            .port(2881)  // set the sql port for OceanBase server or proxy
            .logProxyHost("127.0.0.1")  // set the hostname of log proxy
            .logProxyPort(2983)  // set the port of log proxy
            .deserializer(new JsonDebeziumDeserializationSchema())  // converts SourceRecord to JSON String
            .build();

    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    // enable checkpoint
    env.enableCheckpointing(3000);
    
    env.addSource(oceanBaseSource).print().setParallelism(1);

    env.execute("Print OceanBase Snapshot + Commit Log");
  }
}

数据类型映射

当启动模式不是 INITIAL 时，连接器无奈取得一个列的精度和比例。为兼容不同的启动模式，连接器不会将一个不同精度的 OceanBase 类型映射到不同的 FLink 类型。例如，BOOLEAN、TINYINT(1) 或 BIT(1) 均会转换成 BOOLEAN。在 OceanBase 数据库中，BOOLEAN 等同于 TINYINT(1)，所以 BOOLEAN 和 TINYINT 类型的列在 Flink 中会被映射为 TINYINT，而 BIT(1) 在 Flink 中会被映射为 BINARY(1)。

体验 Flink OceanBase CDC 连接器

前提条件

在迁徙 OceanBase 的数据之前，您须要确认以下信息：

• 您已装置 OceanBase 数据库。更多信息，参考 OceanBase 数据库文档。
• 您已装置 Elasticsearch。更多信息，参考 Elasticsearch 文档。
• 您已装置 OceanBase 增量日志拉取组件 oblogproxy。更多信息，参考 oblogproxy 文档（社区版）或 oblogproxy 文档（企业版）。
• 您已装置 Flink。更多信息，参考 Flink 文档。

OceanBase CDC 连接器反对从 OceanBase 数据库读取快照数据和增量数据。本节介绍如何设置 OceanBase CDC 连接器，以在 OceanBase 数据库中查问数据。

依赖

要应用 OceanBase CDC 连接器，您必须提供相干的依赖信息。以下依赖信息实用于应用主动构建工具（如 Maven 或 SBT）构建的我的项目和带有 SQL JAR 包的 SQL 客户端。

<dependency>
  <groupId>com.ververica</groupId>
  <artifactId>flink-connector-oceanbase-cdc</artifactId>
  <!-- The dependency is available only for stable releases, SNAPSHOT dependency need build by yourself. -->
  <version>2.2.1</version>
</dependency>

下载 SQL 客户端 JAR 包

点击 flink-sql-connector-oceanbase-cdc-2.2.1.jar 下载 JAR 包至 <FLINK_HOME>/lib/.

阐明：

下载链接仅实用于稳固发行版本。

flink-sql-connector-oceanbase-cdc-XXX-SNAPSHOT 快照版本与开发分支的版本对应。要应用快照版本，您必须自行下载并编译源代码。举荐应用稳固发行版本，例如 flink-sql-connector-oceanbase-cdc-2.2.1.jar。您能够在 Maven 地方仓库中找到应用稳固发行版本。

配置 OceanBase 数据库和 oblogproxy 服务

1. 依照 部署文档 配置 OceanBase 集群。

2. 在 sys 租户中，为 oblogproxy 创立一个带明码的用户。更多信息，参考 用户治理文档。

   mysql -h${host} -P${port} -uroot
   mysql> SHOW TENANT;
   mysql> CREATE USER ${sys_username} IDENTIFIED BY '${sys_password}';
   mysql> GRANT ALL PRIVILEGES ON *.* TO ${sys_username} WITH GRANT OPTION;

3. 为你想要监控的租户创立一个用户，这个用户用来读取快照数据和变动事件数据。

4. 获取 rootservice_list 或 config-url 的值。
   如果您是社区版用户，应用以下命令：

   mysql> SHOW PARAMETERS LIKE 'rootservice_list';

   如果您是企业版用户，应用以下命令：

   mysql> SHOW PARAMETERS LIKE 'obconfig_url';

5. 依照 oblogproxy 文档 配置 oblogproxy。

创立 OceanBase CDC 表

应用以下命令，创立 OceanBase CDC 表：

-- 每 3000 毫秒做一次 checkpoint                   
Flink SQL> SET 'execution.checkpointing.interval' = '3s';

-- 在 Flink SQL 中创立 OceanBase 表 `orders`
Flink SQL> CREATE TABLE orders (
    order_id     INT,
    order_date   TIMESTAMP(0),
    customer_name STRING,
    price        DECIMAL(10, 5),
    product_id   INT,
    order_status BOOLEAN,
    PRIMARY KEY (order_id) NOT ENFORCED
) WITH (
    'connector' = 'oceanbase-cdc',
    'scan.startup.mode' = 'initial',
    'username' = '[email protected]_tenant',
    'password' = 'pswd',
    'tenant-name' = 'test_tenant',
    'database-name' = 'test_db',
    'table-name' = 'orders',
    'hostname' = '127.0.0.1',
    'port' = '2881',
    'rootserver-list' = '127.0.0.1:2882:2881',
    'logproxy.host' = '127.0.0.1',
    'logproxy.port' = '2983');

-- 从表 orders 中读取快照数据和 binlog 数据
Flink SQL> SELECT * FROM orders;

您也能够拜访 Flink 官网文档，疾速体验将数据从 OceanBase 导入到 Elasticsearch。更多信息，参考 Flink 官网文档。

Flink OceanBase CDC 连接器配置项

反对的元数据

在创立表时，您能够应用以下格局的元数据作为只读列（VIRTUAL）。

如下 SQL 展现了如何在表中应用这些元数据列：

CREATE TABLE products (
    tenant_name STRING METADATA FROM 'tenant_name' VIRTUAL,
    db_name STRING METADATA FROM 'database_name' VIRTUAL,
    table_name STRING METADATA  FROM 'table_name' VIRTUAL,
    operation_ts TIMESTAMP_LTZ(3) METADATA FROM 'op_ts' VIRTUAL,
    order_id INT,
    order_date TIMESTAMP(0),
    customer_name STRING,
    price DECIMAL(10, 5),
    product_id INT,
    order_status BOOLEAN,
    PRIMARY KEY(order_id) NOT ENFORCED
) WITH (
   'connector' = 'oceanbase-cdc',
   'scan.startup.mode' = 'initial',
   'username' = '[email protected]_tenant',
   'password' = 'pswd',
   'tenant-name' = 'test_tenant',
   'database-name' = 'test_db',
   'table-name' = 'orders',
   'hostname' = '127.0.0.1',
   'port' = '2881',
   'rootserver-list' = '127.0.0.1:2882:2881',
   'logproxy.host' = '127.0.0.1',
   'logproxy.port' = '2983');