如何使用Flink,通過CTAS語句同步MySQL資料至StarRocks - E-MapReduce

本文為您介紹如何使用EMR DataFlow叢集中的Flink服務，通過CTAS語句將MySQL資料同步至EMR Serverless StarRocks中。

背景資訊

您可以通過CTAS或CDAS語句將MySQL資料同步至EMR Serverless StarRocks，CTAS可以實現單表的結構和資料同步，CDAS可以實現整庫同步或者同一庫中的多表結構和資料同步。本文使用CTAS語句，CDAS語句的使用方法與CTAS類似，具體請參見CDAS介紹。

通過CTAS（CREATE TABLE AS）語句，您可以在StarRocks中自動建立和MySQL中表結構一致的表，並進行資料同步。同時還能即時同步上遊表結構（Schema）的變更到下遊表，提高您在目標儲存中建立表和維護源表結構變更的效率。

當執行CTAS語句時，Flink會按照以下流程執行：

檢查目標儲存中是否存在該目標表。
- 如果不存在，則通過目標端Catalog在目標儲存中建立相應的目標表，該目標表具有和資料來源相同的Schema。
- 如果存在，則跳過建表。如果已存在的目標表與源表Schema不一致，則會報錯提示。
提交和啟動相應的資料同步作業。同步資料來源的資料以及Schema的變更到目標表中。

表結構變更同步策略通過CTAS語句，在即時同步資料的同時，還能同步源表Schema的變更到目標表中。

Schema變更包括初始表的建立以及未來表的變更。

當前支援同步的Schema變更：
- 添加可空列：會自動在目標表Schema末尾添加對應的列，並自動同步新增列的資料。
- 刪除可空列：不會直接在目標表中刪除該列，而是將該列的資料自動填滿為NULL值。
- 重新命名列：直接在目標表中末尾添加重新命名後的列，並將重新命名前的列資料自動填滿為NULL值。
  例如，如果col_a重新命名為col_b，則會在目標表末尾添加col_b，並自動將col_a的資料填充為NULL值。
暫不支援同步的Schema變更：
- 資料類型的變更。
  例如，由VARCHAR變為BIGINT，由NOT NULL變為NULLABLE屬性。
- 主鍵或索引等約束的變更。
- 非空列的增加或刪除的變更。

說明

如果遇到不支援的Schema變更，則需要您手動刪除下遊目標表，重新啟動CTAS作業，即重新建立目標表並重新同步歷史資料。
CTAS不會識別具體的DDL類型，而是對比前後兩條資料的Schema差異。因此，如果您先刪除了某列後，又加回了該列，且這兩個DDL之間無資料變化，則CTAS會認為沒有發生結構變更。同理，如果您添加了一列，直到該表有資料變化，CTAS才會感知到結構變更，才會同步結構變更到目標表。
通過CTAS建表支援的欄位類型資訊，請參見Flink與StarRocks的資料類型映射關係。

前提條件

已在新版控制台建立DataFlow叢集，並選中Flink服務，詳情請參見建立叢集。
已建立EMR Serverless StarRocks執行個體，詳情請參見建立執行個體。
已建立RDS MySQL執行個體，詳情請參見第一步：快捷建立RDS MySQL執行個體與設定資料庫。

說明

本文以5.7版本的MySQL、EMR-3.42.0版本的DataFlow叢集為例介紹。

使用限制

DataFlow叢集、EMR Serverless StarRocks執行個體和RDS MySQL執行個體需要在同一個VPC下。
DataFlow叢集和EMR Serverless StarRocks執行個體均須開啟公網訪問。
RDS MySQL須為5.7及以上版本。
DataFlow叢集須為EMR-3.42.0及後續版本或EMR-5.8.0及後續版本。

步驟一：準備測試資料

建立測試的資料庫和帳號，詳情請參見第一步：快捷建立RDS MySQL執行個體與設定資料庫。
建立完資料庫和帳號後，需要授權測試帳號的讀寫權限。
說明
本文建立的資料庫名稱為test_cdc，帳號為emr_test。
使用建立的測試帳號串連MySQL執行個體，詳情請參見第二步：串連RDS MySQL執行個體。

執行以下命令，建立資料表。

use test_cdc;

CREATE TABLE IF NOT EXISTS `runoob_tbl`(
   `runoob_id` INT UNSIGNED AUTO_INCREMENT,
   `runoob_title` VARCHAR(100) NOT NULL,
   `runoob_author` VARCHAR(40) NOT NULL,
   `submission_date` DATE,
   `add_col` int DEFAULT NULL,
   PRIMARY KEY ( `runoob_id` )
)ENGINE=InnoDB DEFAULT CHARSET=utf8;


INSERT INTO test_cdc.`runoob_tbl` (`runoob_id`,`runoob_title`,`runoob_author`,`submission_date`,`add_col`) values (18,'first','tom','2022-06-22 17:13:44',3)

登入並串連EMR Serverless StarRocks執行個體，詳情請參見通過MySQL用戶端方式串連StarRocks執行個體。
執行以下命令，建立資料庫test_cdc、建立超級管理使用者test（樣本密碼為1qaz!QAZ）或者建立普通使用者test並給普通使用者授予該資料庫許可權，詳情請參見系統管理使用者。
```
CREATE DATABASE test_cdc;
CREATE USER 'test' IDENTIFIED by '1qaz!QAZ';
GRANT ALL on test_cdc to test;
```

步驟二：上傳自訂Connector

上傳自訂的Connector用於Flink、StarRocks和RDS MySQL串連。

使用SSH方式登入DataFlow叢集，詳情請參見登入叢集。
下載flink-connector-starrocks-1.2.2_flink-1.13_2.11.jar和ververica-connector-mysql-1.13-vvr-4.0.12-1-20220330.065158-3-jar-with-dependencies.jar，並上傳到DataFlow叢集的/opt/apps/FLINK/flink-current/lib目錄下。

步驟三：執行CTAS操作

通過Session模式提交作業。
1. 使用SSH方式登入DataFlow叢集，詳情請參見登入叢集。
2. 執行以下命令，進入/opt/apps/FLINK/flink-current目錄。
```
cd /opt/apps/FLINK/flink-current
```
3. 執行以下命令，啟動YARN Session。
```
./bin/yarn-session.sh --detached
```
  執行成功後，返回資訊中的application_XXXX_YY，即為登入SQL用戶端需要用到的sessionId。
4. 執行以下命令，開啟SQL用戶端。
```
./bin/sql-client.sh -s <application_XXXX_YY>
```
  說明
  請修改<application_XXXX_YY>為您前一步擷取到的sessionId。

建立MySQL和StarRocks的Catalog。

CREATE CATALOG sr WITH (
  'type' = 'starrocks',
  'endpoint' = 'fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030',
  'username' = 'test',
  'password' = '1qaz!QAZ',
  'dbname' = 'test_cdc'
);

CREATE CATALOG mysql WITH (
  'type' = 'mysql',
  'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'emr_test',
  'password' = '123456',
  'default-database' = 'test_cdc'
);

請根據實際資訊修改各參數值，各參數描述如下表所示。

表 1. StarRocks Catalog參數

參數	描述
type	類型，固定值為starrocks。
endpoint	指定FE節點的內網地址和查詢連接埠，格式為`EMR Serverless StarRocks執行個體FE節點的內網地址:9030`。例如，fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030。說明關於如何擷取EMR Serverless StarRocks執行個體FE節點的內網地址，請參見查看執行個體列表與詳情。
username	StarRocks的使用者名稱。填寫步驟一：準備測試資料中建立的使用者名稱。本樣本為test。
password	StarRocks資料庫服務的密碼。填寫步驟一：準備測試資料中帳號設定的密碼。本樣本為1qaz!QAZ。
dbname	StarRocks資料庫名稱。填寫步驟一：準備測試資料中建立的資料庫名。本樣本為test_cdc。

表 2. MySQL Catalog參數

參數	描述
type	類型，固定值為mysql。
hostname	RDS的內網地址。您可以在RDS的資料庫連接頁面，單擊內網地址進行複製。例如，rm-bp1nu0c46fn9k****.mysql.rds.aliyuncs.com。
port	MySQL資料庫服務的連接埠號碼，預設值為3306。
username	MySQL資料庫服務的使用者名稱。填寫步驟一：準備測試資料中帳號的使用者名稱。本樣本為emr_test。
password	MySQL資料庫服務的密碼。填寫步驟一：準備測試資料中帳號的密碼。本樣本為123456。
default-database	預設的MySQL資料庫名稱。填寫步驟一：準備測試資料中建立的資料庫名。本樣本為test_cdc。

在StarRocks的Catalog下，發送CTAS語句。

您可以使用以下三種樣本發送CTAS語句。

At Least Once語義：通過sink.buffer-flush.interval-ms配置項，配置每次寫入StarRocks的時間間隔，優點是寫入間隔時間短，佔用記憶體較少。

use CATALOG sr;

CREATE TABLE IF NOT EXISTS runoob_tbl1 with (
'starrocks.create.table.properties'=' engine = olap primary key(runoob_id) distributed by hash(runoob_id ) buckets 8',
'database-name'='test_cdc',
'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030',
'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030',
'table-name'='runoob_tbl_sr',
'username'='test',
'password' = '1qaz!QAZ',
'sink.buffer-flush.interval-ms' = '5000',
'sink.properties.row_delimiter' = '\x02',
'sink.properties.column_separator' = '\x01'
)
 as table mysql.test_cdc.runoob_tbl  /*+ OPTIONS (   'connector' = 'mysql-cdc',
  'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'test',
  'password' = '123456',
  'database-name' = 'test_cdc',
  'table-name' = 'runoob_tbl'  )*/;

Exactly once語義：需要定義checkpoint間隔，優點是在各種異常情況下保障資料不丟失不重複，缺點是資料可見時間取決於checkpoint間隔。更多資訊，請參見Checkpointing。

set 'execution.checkpointing.interval' = '1 min';
set 'execution.checkpointing.mode' = 'EXACTLY_ONCE';
set 'execution.checkpointing.timeout' = '10 min';

use CATALOG sr;

CREATE TABLE IF NOT EXISTS runoob_tbl1 with (
'starrocks.create.table.properties'=' engine = olap primary key(runoob_id) distributed by hash(runoob_id ) buckets 8',
'database-name'='test_cdc',
'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030',
'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030',
'table-name'='runoob_tbl',
'username'='test',
'password' = '1qaz!QAZ',
'sink.semantic' = 'exactly-once',
'sink.properties.row_delimiter' = '\x02',
'sink.properties.column_separator' = '\x01'
)
 as table mysql.test_cdc.runoob_tbl  /*+ OPTIONS ( 'connector' = 'mysql-cdc',
  'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'test',
  'password' = '123456',
  'database-name' = 'test_cdc',
  'table-name' = 'runoob_tbl'  )*/;

Simple模式：優點是建立表時不需要關注原表有哪些欄位，會按照MySQL的表格式照搬過來，開發人員使用比較方便。缺點是不能建立分區，對於需要分區的表，仍需要通過normal模式建立。

use CATALOG sr;

CREATE TABLE IF NOT EXISTS runoob_tbl1 with (
'starrocks.create.table.properties'='buckets 8',
'starrocks.create.table.mode'='simple',
 'database-name'='test_cdc',
'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030',
'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030',
'table-name'='runoob_tbl_sr',
'username'='test',
'password' = '1qaz!QAZ',
'sink.buffer-flush.interval-ms' = '5000',
'sink.properties.row_delimiter' = '\x02',
'sink.properties.column_separator' = '\x01'
)
 as table mysql.test_cdc.runoob_tbl  /*+ OPTIONS (   'connector' = 'mysql-cdc',
  'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'emr_test',
  'password' = '123456',
  'database-name' = 'test_cdc',
  'table-name' = 'runoob_tbl'  )*/;

表 3. WITH參數

參數	是否必選	描述
starrocks.create.table.properties	是	StarRocks建表語句中除了欄位定義以外的其他尾碼定義，例如樣本中的engine、key和buckets等。
database-name	是	StarRocks資料庫名稱。本樣本為test_cdc。
jdbc-url	是	用於在StarRocks中執行查詢操作。例如，jdbc:mysql://fe-c-9b354c83e891**-internal.starrocks.aliyuncs.com:9030。其中，`fe-c-9b354c83e891**-internal.starrocks.aliyuncs.com`為EMR Serverless StarRocks執行個體FE節點的內網地址。說明關於如何擷取EMR Serverless StarRocks執行個體FE節點的內網地址，請參見查看執行個體列表與詳情。
load-url	是	指定FE節點的內網地址和查詢連接埠，格式為`EMR Serverless StarRocks執行個體FE節點的內網地址:8030`。例如，fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030。說明關於如何擷取EMR Serverless StarRocks執行個體FE節點的內網地址，請參見查看執行個體列表與詳情。
sink.semantic	否	填寫exactly-once可以保障資料一致性語義，預設為at-least-once。
starrocks.create.table.mode	否	支援以下參數值： normal模式（預設值）：必須像樣本一樣在starrocks.create.table.properties配置中填寫engine、key和buckets等完整的配置。 simple模式：預設選擇engine為olap，選擇key類型為primary key，且主鍵與MySQL的主鍵保持完全一致，預設distributed by hash（所有的主鍵），預設無分區。需要在starrocks.create.table.properties配置中填寫的必填內容為buckets ，選填內容為properties等配置。
sink.properties.row_delimiter	否	自訂行分隔字元。
sink.properties.column_separator	否	自訂欄分隔字元。

說明

因為vvr-6.0.5-flink-1.15及以上版本移除了sink.use.new-api，所以使用vvr-6.0.5-flink-1.15之前的版本時，請在with參數中添加'sink.use.new-api'='false',。
其他配置請參見Continuously load data from Apache Flink。

表 4. OPTIONS參數

參數	描述
connector	類型，固定值為mysql-cdc。
hostname	RDS的內網地址。您可以在RDS的資料庫連接頁面，單擊內網地址進行複製。例如，rm-bp1nu0c46fn9k****.mysql.rds.aliyuncs.com。
port	MySQL資料庫服務的連接埠號碼，預設值為3306。
username	MySQL資料庫服務的使用者名稱。填寫步驟一：準備測試資料中帳號的使用者名稱。本樣本為emr_test。
password	MySQL資料庫服務的密碼。填寫步驟一：準備測試資料中帳號的密碼。
table-name	StarRocks中的表名稱。填寫步驟一：準備測試資料中建立的表名。本樣本為runoob_tbl。
database-name	預設的MySQL資料庫名稱。填寫步驟一：準備測試資料中建立的資料庫名。本樣本為test_cdc。

步驟四：驗證資料同步結果

說明

如果開啟了checkpoint，則最長等待時間大約是checkpoint的時間間隔。

查詢資料

登入並串連EMR Serverless StarRocks執行個體，詳情請參見通過MySQL用戶端方式串連StarRocks執行個體。

在StarRocks串連視窗執行以下命令，查看錶資料。

use test_cdc;
select * from runoob_tbl1;

返回資訊如下，表示MySQL上的資料已同步至StarRocks。

+-----------+--------------+---------------+-----------------+---------+
| runoob_id | runoob_title | runoob_author | submission_date | add_col |
+-----------+--------------+---------------+-----------------+---------+
|        18 | first        | tom           | 2022-06-22      |       3 |
+-----------+--------------+---------------+-----------------+---------+

查詢插入後的資料

在RDS資料庫視窗執行以下命令，插入資料。

INSERT INTO runoob_tbl(`runoob_id`,`runoob_title`,`runoob_author`,`submission_date`,`add_col`)  values(1,'second','tom2','2022-06-23',1);

在StarRocks串連視窗執行以下命令，查看錶資料。

select * from runoob_tbl1;

返回資訊如下，表示資料已成功插入。

+-----------+--------------+---------------+-----------------+---------+
| runoob_id | runoob_title | runoob_author | submission_date | add_col |
+-----------+--------------+---------------+-----------------+---------+
|         1 | second       | tom2          | 2022-06-23      |       1 |
|        18 | first        | tom           | 2022-06-22      |       3 |
+-----------+--------------+---------------+-----------------+---------+

同步資料更新

在RDS資料庫視窗執行以下命令，更新指定資料。

update runoob_tbl set runoob_title= 'new' where runoob_id = 18;

在StarRocks串連視窗執行以下命令，查看錶資料。

select * from runoob_tbl1;

返回資訊如下，表示資料已同步更新。

+-----------+--------------+---------------+-----------------+---------+
| runoob_id | runoob_title | runoob_author | submission_date | add_col |
+-----------+--------------+---------------+-----------------+---------+
|         1 | second       | tom2          | 2022-06-23      |       1 |
|        18 | new          | tom           | 2022-06-22      |       3 |
+-----------+--------------+---------------+-----------------+---------+

同步資料刪除

在RDS資料庫視窗執行以下命令，刪除指定資料。
```
DELETE FROM runoob_tbl WHERE runoob_id = 1;
```

在StarRocks串連視窗執行以下命令，查看錶資料。

select * from runoob_tbl1;

返回資訊如下，表示資料已同步刪除。

+-----------+--------------+---------------+-----------------+---------+
| runoob_id | runoob_title | runoob_author | submission_date | add_col |
+-----------+--------------+---------------+-----------------+---------+
|        18 | new          | tom           | 2022-06-22      |       3 |
+-----------+--------------+---------------+-----------------+---------+

增加可空列

在RDS資料庫視窗執行以下命令，增加可空列。
```
alter table `runoob_tbl` add COLUMN `add_col2` INT;
```

執行以下命令，插入資料。

INSERT INTO runoob_tbl(`runoob_id`,`runoob_title`,`runoob_author`,`submission_date`,`add_col`,`add_col2`)  values(1,'second','tom2','2022-06-23',1,2)

在StarRocks串連視窗執行以下命令，查看錶資料。

select * from runoob_tbl1;

返回資訊如下，表示Schema已經成功變更。

+-----------+--------------+---------------+-----------------+---------+---------+
| runoob_id | runoob_title | runoob_author | submission_date | add_col | add_co2 |
+-----------+--------------+---------------+-----------------+---------+---------+
|         1 | second       | tom2          | 2022-06-23      |       1 |       2 |
|        18 | new          | tom           | 2022-06-22      |       3 |    NULL |
+-----------+--------------+---------------+-----------------+---------+---------+

CDAS介紹

CDAS是CTAS的一個文法糖。通過CDAS語句，可以實現MySQL中的整庫同步，即產生一個Flink Job，源表是MySQL中的Database，目標表是StarRocks中對應的多張表，同時可以使用including table文法，只選擇一個Database中的部分表進行CDAS操作。

與CTAS的執行相同，需要在建立MySQL和StarRocks相應的Catalog後，執行CDAS語句。建立文法樣本如下。

CREATE DATABASE IF NOT EXISTS sr_db with (
'starrocks.create.table.properties'=' buckets 8',
'starrocks.create.table.mode'='simple',
'jdbc-url'='jdbc:mysql://fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:9030',
'load-url'='fe-c-9b354c83e891****-internal.starrocks.aliyuncs.com:8030',
'username'='test',
'password' = '1qaz!QAZ',
'sink.buffer-flush.interval-ms' = '5000',
'sink.properties.row_delimiter' = '\x02',
'sink.properties.column_separator' = '\x01'
)
 as DATABASEmysql.test_cdc including table
 'tabl1','tbl2','tbl3'   /*+ OPTIONS (   'connector' = 'mysql-cdc',
  'hostname' = 'rm-2zepd6e20u3od****.mysql.rds.aliyuncs.com',
  'port' = '3306',
  'username' = 'test',
  'password' = '123456',
  'database-name' = 'test_cdc' )*/;