本文首发于我的集体博客网站 期待下一个秋-Flink

什么是CDC？

CDC是（Change Data Capture 变更数据获取）的简称。核心思想是，监测并捕捉数据库的变动（包含数据 或 数据表的插入INSERT、更新UPDATE、删除DELETE等），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。

1. 环境筹备

  • mysql
  • kafka 2.3

  • flink 1.13.5 on yarn

    阐明：如果没有装置hadoop，那么能够不必yarn，间接用flink standalone环境吧。

2. 下载下列依赖包

上面两个地址下载flink的依赖包，放在lib目录上面。

  1. flink-sql-connector-kafka_2.11-1.13.5.jar
  2. flink-sql-connector-mysql-cdc-1.3.0.jar

如果你的Flink是其它版本，能够来这里下载。

这里flink-sql-connector-mysql-cdc，后面一篇文章我用的mysq-cdc是1.4的，过后是能够的，然而明天我发现须要mysql-cdc-1.3.0了，否则，整合connector-kafka会有来抵触，目前mysql-cdc-1.3适用性更强，都能够兼容的。

如果你是更高版本的flink，能够自行https://github.com/ververica/...下载新版mvn clean install -DskipTests 本人编译。

这是我编译的最新版2.2，传上去发现太新了，如果从新换个版本，我得去gitee下载源码，不然github速度太慢了，而后用IDEA编译打包，又得下载一堆依赖。我投降，我间接去网上下载了个1.3的间接用了。

我下载的jar包，放在flink的lib目录上面：

flink-sql-connector-kafka_2.11-1.13.5.jarflink-sql-connector-mysql-cdc-1.3.0.jar

3. 启动flink-sql client

1) 先在yarn下面启动一个application，进入flink13.5目录，执行：

bin/yarn-session.sh -d -s 1 -jm 1024 -tm 2048 -qu root.sparkstreaming -nm flink-cdc-kafka

2) 进入flink sql命令行

bin/sql-client.sh embedded -s flink-cdc-kafka

4. 同步数据

这里有一张mysql表：

CREATE TABLE `product_view` (`id` int(11) NOT NULL AUTO_INCREMENT,`user_id` int(11) NOT NULL,`product_id` int(11) NOT NULL,`server_id` int(11) NOT NULL,`duration` int(11) NOT NULL,`times` varchar(11) NOT NULL,`time` datetime NOT NULL,PRIMARY KEY (`id`),KEY `time` (`time`),KEY `user_product` (`user_id`,`product_id`) USING BTREE,KEY `times` (`times`) USING BTREE) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;-- 样本数据INSERT INTO `product_view` VALUES ('1', '1', '1', '1', '120', '120', '2020-04-24 13:14:00');INSERT INTO `product_view` VALUES ('2', '1', '1', '1', '120', '120', '2020-04-24 13:14:00');INSERT INTO `product_view` VALUES ('3', '1', '1', '3', '120', '120', '2020-04-24 13:14:00');INSERT INTO `product_view` VALUES ('4', '1', '1', '2', '120', '120', '2020-04-24 13:14:00');INSERT INTO `product_view` VALUES ('5', '8', '1', '1', '120', '120', '2020-05-14 13:14:00');INSERT INTO `product_view` VALUES ('6', '8', '1', '2', '120', '120', '2020-05-13 13:14:00');INSERT INTO `product_view` VALUES ('7', '8', '1', '3', '120', '120', '2020-04-24 13:14:00');INSERT INTO `product_view` VALUES ('8', '8', '1', '3', '120', '120', '2020-04-23 13:14:00');INSERT INTO `product_view` VALUES ('9', '8', '1', '2', '120', '120', '2020-05-13 13:14:00');

1) 创立数据表关联mysql

CREATE TABLE product_view_source (`id` int,`user_id` int,`product_id` int,`server_id` int,`duration` int,`times` string,`time` timestamp,PRIMARY KEY (`id`) NOT ENFORCED) WITH ('connector' = 'mysql-cdc','hostname' = '192.168.1.2','port' = '3306','username' = 'bigdata','password' = 'bigdata','database-name' = 'test','table-name' = 'product_view');

这样，咱们在flink sql client操作这个表相当于操作mysql外面的对应表。

2) 创立数据表关联kafka

CREATE TABLE product_view_kafka_sink(`id` int,`user_id` int,`product_id` int,`server_id` int,`duration` int,`times` string,`time` timestamp,PRIMARY KEY (`id`) NOT ENFORCED) WITH ( 'connector' = 'upsert-kafka', 'topic' = 'flink-cdc-kafka', 'properties.bootstrap.servers' = '192.168.1.2:9092', 'properties.group.id' = 'flink-cdc-kafka-group', 'key.format' = 'json', 'value.format' = 'json');

这样，kafka外面的flink-cdc-kafka这个主题会被主动创立，如果想指定一些属性，能够提前手动创立好主题，咱们操作表product_view_kafka_sink，往里面插入数据，能够发现kafka中曾经有数据了。

3) 同步数据

建设同步工作，能够应用sql如下：

insert into product_view_kafka_sink select * from product_view_source;

这个时候是能够退出flink sql-client的，而后进入flink web-ui，能够看到mysql表数据曾经同步到kafka中了，对mysql进行插入，kafka都是同步更新的。

通过kafka控制台生产，能够看到数据曾经从mysql同步到kafka了：

参考资料

https://ververica.github.io/f...