关于spring:袋鼠云批流一体分布式同步引擎ChunJun原FlinkX的前世今生

8次阅读

共计 3009 个字符，预计需要花费 8 分钟才能阅读完成。

一、前言

ChunJun（原 FlinkX）是一个基于 Flink 提供易用、稳固、高效的批流对立的数据集成工具，是袋鼠云一站式大数据开发平台 - 数栈 DTinsight 的外围计算引擎，其技术架构基于实时计算框架 Flink，打造出“具备袋鼠特色”的实时计算引擎。

开源我的项目地址：

https://github.com/DTStack/ch…

https://gitee.com/dtstack_dev…

开源技术交换群：

钉钉群：30537511

二、从 FlinkX 到 ChunJun

ChunJun 脱胎于袋鼠云数栈自主研发的批流对立的数据同步工具 FlinkX。

2016 年，数栈技术团队初步研发实现了一款基于 Flink 的分布式离线 / 实时数据同步插件——FlinkX，它可实现多种异构数据源高效的数据同步，反对双向读写和多种异构数据源。有它助力，袋鼠云在批流一体的钻研实际以更迅猛的势头往前挺进。

2018 年 4 月，秉承着开源共享理念的数栈技术团队在 github 上开源了 FlinkX，历经 4 年多的倒退，FlinkX 从当初的一个小我的项目，成长为领有 2900+star，1300+fork 的开源我的项目。

从开源的第一天，数栈技术团队从未停下技术摸索和社区回馈的脚步，在 4 年多的工夫里先后开源了 flinkx、flinkStreamSQL、jlogstash、easyagent、doraemon、molecule、Taier，袋鼠云数栈开源家族愈发壮大，开源我的项目系列失去了宽泛的倒退，相继在各类企业中落地利用。

往年，数栈技术团队决定对开源我的项目进行整体降级，并推出自主开源打算——DTstackCon，其中大数据开源我的项目系列以“十大名剑”作为概念起源，承载着数栈技术团队对它们能如利剑，为社区数字化过程的倒退之路乘风破浪的向往。

正是怀揣着这样殷切的冀望，咱们决定正式将 FlinkX 更名为 ChunJun！

ChunJun 命名取自于中国现代十大名剑之一的纯钧

（ChunJun logo）

纯钧是春秋战国期间铸剑名师欧冶子为越王勾践所铸，其剑身取材宝贵，尖锐无比，剑刃就象壁立千丈的断崖高尚而巍峨，剑身更是历经千年而不蚀，代表稳固而弱小动摇的意志，正如 ChunJun 作为袋鼠云数栈的外围计算引擎，承载着实时平台、离线平台、数据资产等多个利用的底层数据同步及计算，其弱小的性能保障着客户业务数据的一致性。

ChunJun 的 logo 主体的字母 C 是由许多平行四边形组成的，这个组合有递进、有组合，正是 ChunJun 的稳固、聚合体、分布式、集成的开发理念的具象体现。

同时也传播出 ChunJun 外围观点：提供一个易用、稳固、高效的数据同步和集成工具。

底层采纳六边形蜂巢构造，因为六边形的蜂巢是“最省劳动力、也最省资料的抉择”。多个六边形排列在一起之间没有空隙，这种排列也被称为是最稳固的排列形式。稳固，素来是咱们开发的第一思考。

三、什么是 ChunJun

ChunJun 是一个基于 Flink 提供易用、稳固、高效的批流对立的数据集成工具，既能够采集动态的数据，比方 MySQL，HDFS 等，也能够采集实时变动的数据，比方 binlog，Kafka 等。同时 ChunJun 也是一个反对原生 FlinkSql 所有语法和个性的计算框架。目前 ChunJun 在理论利用过程中已服务了上百家客户，通过屡次迭代与积淀，积攒了大量的客户案例。

ChunJun 次要利用于大数据开发平台的数据同步 / 数据集成模块，通常采纳将底层高效的同步插件和界面化的配置形式相结合的形式，使大数据开发人员可简洁、疾速的实现数据同步工作开发，实现将业务数据库的数据同步至大数据存储平台，从而进行数据建模开发，以及数据开发实现后，将大数据处理好的后果数据同步至业务的利用数据库，供企业数据业务应用。

四、ChunJun 性能特点

ChunJun 具备以下几大特色性能点：

1、超丰盛

丰盛的插件品种：ChunJun 上下游插件多达 40 种，如常见的 mysql、binlog、logminer 等，大部分插件都反对 source/reader、sink/writer 及维表性能。
丰盛的工作执行模式：反对本地拆箱即用式 -local 模式，Flink 自带 standalone 模式，罕用调度 yarn session 和 yarn pre-job 模式，以及与 k8s 联合部署的 k8s 模式。
丰盛的工作类型：ChunJun 反对 json 同步工作，以及 sql 计算工作，用户能够依据本人的须要，思考是应用配置更加灵便的 json 同步工作，还是计算更加弱小的 sql 计算工作。

2、超灵便

脏数据收集零碎插件化：面对不同的业务场景，能够配置不同的脏数据配置，灵活处理，例如：

是否将脏数据落盘解决；

是否在日志中打印脏数据信息；

脏数据最大条数限度；

脏数据存储到不同类型的数据源等。

指标零碎插件化：与脏数据插件化相似，指标零碎在设计上也采纳了插件化设计，用户依据本人的业务场景，灵便配置指标零碎。

3、超弱小

反对增量同步：对于某些业务库的表，表中的数据根本只有插入操作，随着业务的运行，表中的数据会越来越大。如果每次都整表同步的话，耗费的工夫及资源也会越来越多，因而须要一个增量同步的性能，每次只同步减少局部的数据，对于曾经同步过的数据则不再进行反复的同步工作。

增量同步是针对于两个及以上数量的同步工作来说的，对于首次执行增量同步的某张表而言，该次同步本质上是整表同步，不同的是在工作执行完结后会记录增量字段的完结值 (endLocation) 并将其上传至 prometheus 供后续应用。

在构建下次增量工作时获取该 endLocation 并作为上述过滤条件的参数值(startLocation)。在工作解析到增量工作配置时，会依据 startLocation 的有无主动构建过滤条件，并将其拼接至 where 条件中，最终构建出一条如：select id, name, age from test where id > 100 的 SQL，从而达到增量读取的目标。