MongoDB - Realtime Compute for Apache Flink

本文為您介紹如何使用MongoDB連接器。

背景資訊

MongoDB是一個面向文檔的非結構化資料庫，能夠簡化應用程式的開發及擴充。MongoDB連接器支援的資訊如下：

類別	詳情
支援類型	源表、維表、結果表、資料攝入
運行模式	僅支援流模式
特有監控指標	監控指標源表 numBytesIn numBytesInPerSecond numRecordsIn numRecordsInPerSecond numRecordsInErrors currentFetchEventTimeLag currentEmitEventTimeLag watermarkLag sourceIdleTime 維表和結果表：無。說明指標含義詳情，請參見監控指標說明。
API 種類	DataStream、SQL和資料攝入YAML
是否支援更新或刪除結果表資料	是

特色功能

MongoDB CDC源表通過Change Stream API實現全增量一體化資料擷取，先讀取歷史全量資料（快照），再無縫切換至增量 oplog 讀取 ，確保資料不重不漏，並支援Exactly-Once 語義 ，保證故障恢複時資料一致性。

基於Change Stream API
使用MongoDB 3.6的Change Stream API，高效捕獲資料庫/集合的插入、更新、替換、刪除等變更事件，轉化為 Flink 可處理的 Changelog 流。
全量 + 增量一體化
自動完成初始快照集讀取，並平滑過渡到增量模式，無需手動幹預。
並行快照讀取
支援並行讀取歷史資料，提升效能（需 MongoDB ≥ 4.0）。
多種啟動模式
- initial：初次開機執行全量快照，之後持續讀取 oplog。
- latest-offset：僅從當前 oplog 末尾開始，不讀歷史資料。
- timestamp：從指定時間戳記開始讀取 oplog，跳過快照（需 MongoDB ≥ 4.0）。
Full Changelog支援
支援輸出包含變更前（before）和變更後（after）的完整 changelog（需 MongoDB ≥ 6.0，且開啟前像/後像記錄功能）。

Flink 整合增強

VVR 8.0.6+
支援通過CREATE TABLE AS（CTAS）語句或CREATE DATABASE AS（CDAS）語句，同步 MongoDB 的資料與 Schema 變更至下遊，開啟前像/後像記錄功能。
VVR 8.0.9+
擴充維表關聯能力，支援讀取內建ObjectId 類型的_id欄位。

前提條件

MongoDB執行個體要求
- 僅支援3.6及以上版本的阿里雲 MongoDB（複本集/分區叢集）或自建 MongoDB。
- 必須開啟待監控的MongoDB資料庫的複本集（Replica Set）功能，詳情請參見Replication。
MongoDB功能依賴
- 使用Full Changelog事件流功能，需要開啟前像/後像記錄功能。
- 啟用了MongoDB的鑒權功能，需要具備以下資料庫許可權。
  許可權列表
  - splitVector許可權
  - listDatabases許可權
  - listCollections許可權
  - collStats許可權
  - find許可權
  - changeStream許可權
  - config.collections和config.chunks集合的存取權限
MongoDB網路與其他準備
- 已配置IP白名單，允許Flink訪問MongoDB。
- 已建立目標MongoDB資料和表。

使用限制

CDC源表
- MongoDB 4.0及以上版本支援初始快照集階段並行讀取。如果您需要啟用並行模式進行初始快照集，則需要將scan.incremental.snapshot.enabled配置項設定為true。
- 由於MongoDB Change Stream流訂閱限制，不支援讀取admin、local、config資料庫及system集合中的資料，詳情請參見MongoDB文檔。
結果表
- Realtime Compute引擎VVR 8.0.5以下版本僅支援插入資料。
- Realtime Compute引擎VVR 8.0.5及以上版本，結果表中聲明主鍵時，支援插入、更新和刪除資料，未聲明主鍵時僅支援插入資料。
維表
- Realtime Compute引擎VVR 8.0.5及以上版本支援使用MongoDB維表。

SQL

文法結構

CREATE TABLE tableName(
  _id STRING,
  [columnName dataType,]*
  PRIMARY KEY(_id) NOT ENFORCED
) WITH (
  'connector' = 'mongodb',
  'hosts' = 'localhost:27017',
  'username' = 'mongouser',
  'password' = '${secret_values.password}',
  'database' = 'testdb',
  'collection' = 'testcoll'
)

說明

在建立CDC源表時，您必須聲明_id STRING列，並將其作為唯一的主鍵。

WITH參數

通用

參數	說明	資料類型	是否必填	預設值	備忘
connector	連接器名稱。	String	是	無	作為源表： Realtime Compute引擎VVR 8.0.4及之前版本，填寫為mongodb-cdc。 Realtime Compute引擎VVR 8.0.5及之後版本，填寫為mongodb或mongodb-cdc。作為維表或結果表時，固定值為mongodb。
uri	MongoDB串連uri。	String	否	無	說明參數`uri`與`hosts`必須指定其中之一。若指定`uri`，則無需指定`scheme`、`hosts`、`username`、`password`、`connector.options`。當兩者均指定時將使用`uri`進行串連。
hosts	MongoDB所在的主機名稱。	String	否	無	可以使用英文逗號（`,`）分隔提供多個主機名稱。
scheme	MongoDB使用的連線協定。	String	否	mongodb	可選的取值包括： `mongodb`：代表使用預設的MongoDB協議進行串連 `mongodb+srv`：代表使用DNS SRV記錄協議進行串連
username	串連到MongoDB時使用的使用者名稱。	String	否	無	開啟身分識別驗證功能時，必須配置該參數。
password	串連到MongoDB時使用的密碼。	String	否	無	開啟身分識別驗證功能時，必須配置該參數。重要為了避免您的密碼資訊泄露，建議您使用變數的方式填寫密碼取值，詳情請參見專案變數。
database	MongoDB資料庫名稱。	String	否	無	作為源表時，資料庫名稱支援Regex匹配。不配置該參數代表監控全部資料庫。重要不支援監控admin、local、config資料庫中的資料。
collection	MongoDB集合名稱。	String	否	無	作為源表時，集合名稱支援Regex匹配。重要如果您要監控的集合名稱中包含Regex特殊字元，則必須提供完整名字空間（資料庫名稱.集合名稱），否則無法捕獲對應集合的變更。不配置該參數代表監控全部集合。重要不支援監控system集合中的資料。
connection.options	MongoDB側的串連參數。	String	否	無	使用`&`分隔的`key=value`式額外串連參數。例如connectTimeoutMS=12000&socketTimeoutMS=13000。重要預設情況下，MongoDB CDC不會自動化佈建Socket連線逾時時間，這可能會在網路抖動時產生長時間的中斷。建議您始終在此處設定socketTimeoutMS為一個合理的值來避免此問題。

源表專屬

參數	說明	資料類型	是否必填	預設值	備忘
scan.startup.mode	MongoDB CDC的啟動模式。	String	否	initial	參數取值如下： initial：從初始位點開始拉取全部資料。 latest-offset：從當前位點開始拉取變更資料。 timestamp：從指定的時間戳記開始拉取變更資料。詳情請參見Startup Properties。
scan.startup.timestamp-millis	指錨點消費的起始時間戳記。	Long	取決於 scan.startup.mode的取值 initial：否 latest-offset：否 timestamp：是	無	參數格式為自Linux Epoch時間戳記以來的毫秒數。僅適用於`timestamp`啟動模式。
initial.snapshotting.queue.size	進行初始快照集時的隊列大小限制。	Integer	否	10240	僅在`scan.startup.mode`選項設定為`initial` 時生效。
batch.size	遊標的批處理大小。	Integer	否	1024	無。
poll.max.batch.size	同一批處理的最多變更文檔數量。	Integer	否	1024	此參數控制流程處理時一次拉取最多變更文檔的個數。取值越大，連接器內部分配的緩衝區越大。
poll.await.time.ms	兩次拉取資料之間的時間間隔。	Integer	否	1000	單位為毫秒。
heartbeat.interval.ms	發送心跳包的時間間隔。	Integer	否	0	單位為毫秒。 MongoDB CDC連接器主動向資料庫發送心跳包來保證回溯狀態最新。設定為0代表永不發送心跳包。重要對於更新不頻繁的集合，強烈建議設定此選項。
scan.incremental.snapshot.enabled	是否啟用並行模式進行初始快照集。	Boolean	否	false	實驗性功能。
scan.incremental.snapshot.chunk.size.mb	並行模式讀取快照時的分區大小。	Integer	否	64	實驗性功能。單位為MB。僅在啟用並行快照時生效。
scan.full-changelog	產生完整的Full Changelog事件流。	Boolean	否	false	實驗性功能。說明 MongoDB資料庫需要為6.0及以上版本，並且已開啟前像後像功能，開啟方法請參見Document Preimages。
scan.flatten-nested-columns.enabled	是否將以`.`分隔的欄位名解析為嵌套BSON文檔讀取。	Boolean	否	false	若開啟，在如下樣本的BSON文檔中，`col`欄位在schema中名稱為`nested.col`。 `{"nested":{"col":true}}` 說明僅VVR 8.0.5及以上版本支援該參數。
scan.primitive-as-string	是否將BSON文檔中的原始類型都解析為字串類型。	Boolean	否	false	說明僅VVR 8.0.5及以上版本支援該參數。
scan.ignore-delete.enabled	是否忽略delete（-D）類型的訊息。	Boolean	否	false	在對MongoDB源端資料進行歸檔時，可能在OpLog中產生大量的 DELETE 事件。如果您不希望將這些事件同步到下遊，可開啟此參數忽略刪除事件。說明僅VVR 11.1及以上版本支援該參數。其他並非源于歸檔操作的 DELETE 事件也將被忽略。
scan.incremental.snapshot.backfill.skip	是否跳過增量快照演算法的回填水位過程。	Boolean	否	false	啟用此開關只能提供at-least-once語義。說明僅VVR 11.1及以上版本支援該參數。
initial.snapshotting.pipeline	MongoDB 管道操作，在快照讀取階段，會把該操作下推到 MongoDB，只篩選所需的資料，從而提高讀取效率。	String	否	無。	以JSON 對象數組格式表示，例如： [{"$match": {"closed": "false"}}] 表示只複製 closed 欄位為 "false" 的文檔。該選項僅在 scan.startup.mode 選項設定為 initial 時生效，且僅限於在 Debezium 模式下使用，不能用於增量快照模式，否則會出現語義不一致的問題。說明僅VVR 11.1及以上版本支援該參數。
initial.snapshotting.max.threads	執行資料複製時使用的線程數。	Integer	否	無。	僅在 scan.startup.mode 選項設定為 initial 時生效。說明僅VVR 11.1及以上版本支援該參數。
initial.snapshotting.queue.size	進行初始快照集時的隊列大小。	Integer	否	16000	僅在 scan.startup.mode 選項設定為 initial 時生效。說明僅VVR 11.1及以上版本支援該參數。
scan.change-stream.reading.parallelism	訂閱 Change Stream 時的並行度。	Integer	否	1	僅當 scan.incremental.snapshot.enabled 參數開啟時生效。重要如需多並發訂閱 Change Stream 流，需要同時設定 heartbeat.interval.ms 參數。說明僅 VVR 11.2 及以上版本支援該參數。
scan.change-stream.reading.queue-size	並發訂閱 Change Stream 時的訊息佇列大小。	Integer	否	16384	僅當 scan.change-stream.reading.parallelism 參數開啟時有效。說明僅 VVR 11.2 及以上版本支援該參數。

維表專屬

參數	說明	資料類型	是否必填	預設值	備忘
lookup.cache	Cache策略。	String	否	NONE	目前支援以下兩種緩衝策略： None：無緩衝。 Partial：只在外部資料庫中尋找資料時緩衝。
lookup.max-retries	查詢資料庫失敗的最大重試次數。	Integer	否	3	無。
lookup.retry.interval	如果查詢資料庫失敗，重試的時間間隔。	Duration	否	1s	無。
lookup.partial-cache.expire-after-access	緩衝中的記錄最長保留時間。	Duration	否	無	支援時間單位ms、s、min、h和d。使用該配置時 `lookup.cache` 必須設定為 `PARTIAL`。
lookup.partial-cache.expire-after-write	在記錄寫入緩衝後該記錄的最大保留時間。	Duration	否	無	使用該配置時 `lookup.cache` 必須設定為 `PARTIAL`。
lookup.partial-cache.max-rows	緩衝的最大條數。超過該值，最舊的行將到期。	Long	否	無	使用該配置時 `lookup.cache` 必須設定為 `PARTIAL`。
lookup.partial-cache.cache-missing-key	在物理表中未關聯到資料時，是否緩衝空記錄。	Boolean	否	True	使用該配置時 `lookup.cache` 必須設定為 `PARTIAL`。

結果表專屬

參數	說明	資料類型	是否必填	預設值	備忘
sink.buffer-flush.max-rows	每次按批寫入資料時的最大記錄數。	Integer	否	1000	無。
sink.buffer-flush.interval	寫入資料的重新整理間隔。	Duration	否	1s	無。
sink.delivery-guarantee	寫入資料時的語義保證。	String	否	at-least-once	可選的取值包括： none at-least-once 說明目前不支援exactly-once。
sink.max-retries	寫入資料庫失敗時的最大重試次數。	Integer	否	3	無。
sink.retry.interval	寫入資料庫失敗時的重試時間間隔。	Duration	否	1s	無。
sink.parallelism	自訂sink並行度。	Integer	否	空	無。
sink.delete-strategy	用於配置收到-D/-U 類型資料時應如何處理。	String	否	CHANGELOG_STANDARD	可選的取值包括： CHANGELOG_STANDARD：標準模式，照常將-U和-D事件應用到下遊。 IGNORE_DELETE：僅忽略-D事件，但在更新時仍然覆蓋整行記錄。 PARTIAL_UPDATE：忽略-U事件以實現部分列更新功能。但當收到-D事件時，仍然刪除整行資料。 IGNORE_ALL：同時忽略-U和-D事件。

類型映射

CDC源表

BSON類型	Flink SQL類型
Int32	INT
Int64	BIGINT
Double	DOUBLE
Decimal128	DECIMAL(p, s)
Boolean	BOOLEAN
Date Timestamp	DATE
Date Timestamp	TIME
DateTime	TIMESTAMP(3) TIMESTAMP_LTZ(3)
Timestamp	TIMESTAMP(0) TIMESTAMP_LTZ(0)
String ObjectId UUID Symbol MD5 JavaScript Regex	STRING
Binary	BYTES
Object	ROW
Array	ARRAY
DBPointer	ROW<$ref STRING, $id STRING>
GeoJSON	Point: ROW<type STRING, coordinates ARRAY<DOUBLE>> Line: ROW<type STRING, coordinates ARRAY<ARRAY< DOUBLE>>>

維表和結果表

BSON類型	Flink SQL類型
Int32	INT
Int64	BIGINT
Double	DOUBLE
Decimal128	DECIMAL
Boolean	BOOLEAN
DateTime	TIMESTAMP_LTZ(3)
Timestamp	TIMESTAMP_LTZ(0)
String ObjectId	STRING
Binary	BYTES
Object	ROW
Array	ARRAY

使用樣本

CDC源表

CREATE TEMPORARY TABLE mongo_source (
  `_id` STRING, --must be declared
  name STRING,
  weight DECIMAL,
  tags ARRAY<STRING>,
  price ROW<amount DECIMAL, currency STRING>,
  suppliers ARRAY<ROW<name STRING, address STRING>>,
  db_name STRING METADATA FROM 'database_name' VIRTUAL,
  collection_name STRING METADATA VIRTUAL,
  op_ts TIMESTAMP_LTZ(3) METADATA VIRTUAL,
  PRIMARY KEY(_id) NOT ENFORCED
) WITH (
  'connector' = 'mongodb',
  'hosts' = 'dds-bp169b982fc25****.mongodb.rds.aliyuncs.com:3717,dds-bp169b982fc25****.mongodb.rds.aliyuncs.com:3717,',
  'username' = 'root',
  'password' = '${secret_values.password}',
  'database' = 'flinktest',
  'collection' = 'flinkcollection',
  'scan.incremental.snapshot.enabled' = 'true',
  'scan.full-changelog' = 'true'
);
CREATE TEMPORARY TABLE  productssink (
  name STRING,
  weight DECIMAL,
  tags ARRAY<STRING>,
  price_amount DECIMAL,
  suppliers_name STRING,
  db_name STRING,
  collection_name STRING,
  op_ts TIMESTAMP_LTZ(3)
) WITH (
  'connector' = 'print',
  'logger' = 'true'
);
INSERT INTO productssink  
SELECT
  name,
  weight,
  tags,
  price.amount,
  suppliers[1].name,
  db_name,
  collection_name,
  op_ts
FROM
  mongo_source;

維表

CREATE TEMPORARY TABLE datagen_source (
  id STRING,
  a int,
  b BIGINT,
  `proctime` AS PROCTIME()
) WITH (
  'connector' = 'datagen'
);
CREATE TEMPORARY TABLE mongo_dim (
  `_id` STRING,
  name STRING,
  weight DECIMAL,
  tags ARRAY<STRING>,
  price ROW<amount DECIMAL, currency STRING>,
  suppliers ARRAY<ROW<name STRING, address STRING>>,
  PRIMARY KEY(_id) NOT ENFORCED
) WITH (
  'connector' = 'mongodb',
  'hosts' = 'dds-bp169b982fc25****.mongodb.rds.aliyuncs.com:3717,dds-bp169b982fc25****.mongodb.rds.aliyuncs.com:3717,',
  'username' = 'root',
  'password' = '${secret_values.password}',
  'database' = 'flinktest',
  'collection' = 'flinkcollection',
  'lookup.cache' = 'PARTIAL',
  'lookup.partial-cache.expire-after-access' = '10min',
  'lookup.partial-cache.expire-after-write' = '10min',
  'lookup.partial-cache.max-rows' = '100'
);
CREATE TEMPORARY TABLE print_sink (
  name STRING,
  weight DECIMAL,
  tags ARRAY<STRING>,
  price_amount DECIMAL,
  suppliers_name STRING
) WITH (
  'connector' = 'print',
  'logger' = 'true'
);
INSERT INTO print_sink
SELECT
  T.id,
  T.a,
  T.b,
  H.name
FROM
  datagen_source AS T JOIN mongo_dim FOR SYSTEM_TIME AS OF T.`proctime` AS H ON T.id = H._id;

結果表

CREATE TEMPORARY TABLE datagen_source (
  `_id` STRING,
  name STRING,
  weight DECIMAL,
  tags ARRAY<STRING>,
  price ROW<amount DECIMAL, currency STRING>,
  suppliers ARRAY<ROW<name STRING, address STRING>>
) WITH (
  'connector' = 'datagen'
);
CREATE TEMPORARY TABLE mongo_sink (
  `_id` STRING,
  name STRING,
  weight DECIMAL,
  tags ARRAY<STRING>,
  price ROW<amount DECIMAL, currency STRING>,
  suppliers ARRAY<ROW<name STRING, address STRING>>,
  PRIMARY KEY(_id) NOT ENFORCED
) WITH (
  'connector' = 'mongodb',
  'hosts' = 'dds-bp169b982fc25****.mongodb.rds.aliyuncs.com:3717,dds-bp169b982fc25****.mongodb.rds.aliyuncs.com:3717,',
  'username' = 'root',
  'password' = '${secret_values.password}',
  'database' = 'flinktest',
  'collection' = 'flinkcollection'
);
INSERT INTO mongo_sink
SELECT * FROM datagen_source;

資料攝入（公測中）

MongoDB連接器作為資料來源可以在資料攝入YAML作業中使用。

使用限制

僅Realtime Compute引擎VVR 11.1及以上版本支援。

文法結構

source:
   type: mongodb
   name: MongoDB Source
   hosts: localhost:33076
   username: ${mongo.username}
   password: ${mongo.password}
   database: foo_db
   collection: foo_col_.*

sink:
  type: ...

配置項

參數	說明	是否必填	資料類型	預設值	備忘
type	資料來源類型。	是	STRING	無	固定為mongodb。
scheme	串連到MongoDB伺服器的協議。	否	STRING	mongodb	可選值包括： mongodb mongodb+srv
hosts	串連到MongoDB的伺服器位址。	是	STRING	無	可以使用英文逗號（,）分割指定多個位址。
username	串連到MongoDB的使用者名稱。	否	STRING	無	無。
password	串連到MongoDB的密碼。	否	STRING	無	無。
database	要捕獲的MongoDB資料庫名稱。	是	STRING	無	支援使用Regex。
collection	要捕獲的MongoDB集合名稱。	是	STRING	無	支援使用Regex。需要匹配完整的`database.collection`名字空間。
connection.options	串連到MongoDB伺服器時追加的額外串連選項。	否	STRING	無	使用`&`分割的`k=v`索引值對。例如`replicaSet=test&connectTimeoutMS=300000`
schema.inference.strategy	進行Document類型推導時的策略。可選值為`continuous`和`static`。	否	STRING	`continuous`	設定為`continuous`時，MongoDB Source會持續進行類型推導；在後續到來的記錄與目前Schema不一致時，會下發Schema變更事件進行結構打寬，確保能容納新增資料。設定為`static`時，MongoDB只會在初始化階段進行一次Schema推導。
scan.max.pre.fetch.records	在進行初始化推導時，最多在每個捕獲集合中採樣多少條記錄。	否	INT	50	無。
scan.startup.mode	指定MongoDB資料來源的啟動模式。可選值為`initial`、`latest-offset`、`timestamp`和`snapshot`。	否	STRING	initial	參數取值如下： initial：從初始位點開始拉取全部資料，並自動切換到增量模式。 latest-offset：從最新的OpLog位點開始拉取變更資料。 timestamp：從指定的時間戳記開始拉取變更資料。 snapshot：僅對當前資料庫狀態執行一次快照。
scan.startup.timestamp-millis	在啟動模式設定為`timestamp`時，從特定時間戳記開始捕獲變更資料。	否	LONG	無	無。
chunk-meta.group.size	設定中繼資料分塊大小限制。	否	INT	1000	無。
scan.incremental.close-idle-reader.enabled	是否在轉入增量模式後，關閉閒置Source Reader。	否	BOOLEAN	false	無。
scan.incremental.snapshot.backfill.skip	是否跳過增量快照演算法的回填水位過程。	否	BOOLEAN	false	若您使用的Sink連接器具備按主鍵自動去重的功能，啟用此開關可以減少全增量轉換過程的耗時。
scan.incremental.snapshot.unbounded-chunk-first.enabled	在執行增量快照演算法時，是否首先讀取無界分區。	否	BOOLEAN	false	若您執行快照的集合更新較快，啟用此功能可以降低讀取無界分區時，發生記憶體不足錯誤的可能性。
batch.size	讀取MongoDB資料的遊標批量大小。	否	INT	1024	無。
poll.max.batch.size	拉取Change Stream變更流時，每次請求的最大條目數量限制。	否	INT	1024	無。
poll.await.time.ms	拉取Change Stream變更流時，兩次請求之間的最小等待時間。	否	INT	1000	單位為毫秒。
heartbeat.interval.ms	發送心跳包的時間間隔。	否	INT	0	單位為毫秒。 MongoDB CDC連接器主動向資料庫發送心跳包來保證回溯狀態最新。設定為0代表永不發送心跳包。說明對於更新不頻繁的集合，強烈建議設定此選項。
scan.incremental.snapshot.chunk.size.mb	在執行快照階段的分區大小。	否	INT	64	單位為MB。
scan.incremental.snapshot.chunk.samples	在執行快照階段確定集合大小時的採樣數量。	否	INT	20	無。
scan.full-changelog	是否基於Mongo Pre- and Post-Image記錄，產生完整的Full Changelog事件流。	否	BOOLEAN	false	MongoDB資料庫需要為6.0及以上版本，並且已開啟前像後像功能，開啟方法請參見Document Preimages。
scan.cursor.no-timeout	是否將讀取資料的遊標設定為永不到期。	否	BOOLEAN	false	MongoDB伺服器通常會在遊標閑置一段時間（10分鐘）後將其關閉，以防止記憶體佔用過高。將此選項設定為true可防止這種情況發生。
scan.ignore-delete.enabled	是否忽略MongoDB源中的刪除事件記錄。	否	BOOLEAN	false	無。
scan.flatten.nested-documents.enabled	是否將BSON文檔中的嵌套結構展平。	否	BOOLEAN	false	在開啟此選項時，類似`{"doc": {"foo": 1, "bar": "two"}}`的Schema將被展開為`doc.foo INT, doc.bar STRING`。
scan.all.primitives.as-string.enabled	是否將所有基本類型推導為STRING。	否	BOOLEAN	false	開啟此選項可以避免上遊資料混雜時產生大量表結構變更事件。

類型映射

BSON類型	CDC類型	附註
STRING	VARCHAR	無。
INT32	INT
INT64	BIGINT
DECIMAL128	DECIMAL
DOUBLE	DOUBLE
BOOLEAN	BOOLEAN
TIMESTAMP	TIMESTAMP
DATETIME	LOCALZONEDTIMESTAMP
BINARY	VARBINARY
DOCUMENT	MAP	Key/Value型別參數需要推導得出。
ARRAY	ARRAY	Element型別參數需要推導得出。
OBJECTID	VARCHAR	使用HexString表示。
SYMBOL REGULAREXPRESSION JAVASCRIPT JAVASCRIPTWITHSCOPE	VARCHAR	使用字串表示。

中繼資料

SQL 連接器

MongoDB CDC SQL源表支援中繼資料列文法，您可以通過中繼資料列訪問以下中繼資料。

中繼資料key	中繼資料類型	描述
database_name	STRING NOT NULL	包含該文檔的資料庫名。
collection_name	STRING NOT NULL	包含該文檔的集合名。
op_ts	TIMESTAMP_LTZ(3) NOT NULL	該文檔在資料庫中的變更時間，如果該文檔來自表的存量歷史資料而不是從ChangeStream中擷取，則該值總是0。
row_kind	STRING NOT NULL	表示資料變更類型，取值如下： +I：INSERT -D：DELETE -U：UPDATE_BEFORE +U：UPDATE_AFTER 說明僅VVR 11.1及以上版本支援使用。

資料攝入YAML

MongoDB CDC資料攝入YAML連接器支援讀取以下中繼資料列：

中繼資料key	中繼資料類型	描述
ts_ms	BIGINT NOT NULL	該文檔在資料庫中的變更時間，如果該文檔來自表的存量歷史資料而不是從ChangeStream中擷取，則該值總是0。

此外，您還可以使用Transform模組提供的通用中繼資料列來訪問資料庫名、集合名和row_kind資訊。

關於MongoDB的變更前後像記錄功能

MongoDB 6.0 之前的版本預設不會提供變更前文檔及被刪除文檔的資料，在未開啟變更前後像記錄功能時，利用已有資訊只能實現 Upsert 語義（即缺失了 Update Before 資料條目）。但在 Flink 中許多有用的運算元操作都依賴完整的 Insert、Update Before、Update After、Delete 變更流。

為了補充缺失的變更前事件，目前 Flink SQL Planner 會自動為 Upsert 類型的資料來源產生一個 ChangelogNormalize 節點，該節點會在 Flink 狀態中緩衝所有文檔的目前的版本快照，在遇到被更新或刪除的文檔時，查表即可得知變更前的狀態，但該運算元節點需要儲存體積巨大的狀態資料。

MongoDB 6.0版本支援開啟資料庫的前像後像（Pre- and Post-images）記錄功能，詳情可參考使用MongoDB變更流（Change Stream）即時捕獲資料變更。開啟該功能後，MongoDB會在每次變更發生時，在一個特殊的集合中記錄文檔變更前後的完整狀態。此時在作業中啟用scan.full-changelog配置項，MongoDB CDC會從變更文檔記錄中產生Update Before記錄，從而支援產生完整事件流，消除了對ChangelogNormalize節點的依賴。

Mongo CDC DataStream API

重要

通過DataStream的方式讀寫資料時，則需要使用對應的DataStream連接器串連Flink，DataStream連接器設定方法請參見DataStream連接器使用方法。

建立DataStream API程式並使用MongoDBSource。程式碼範例如下：

Java

MongoDBSource.builder()
  .hosts("mongo.example.com:27017")
  .username("mongouser")
  .password("mongopasswd")
  .databaseList("testdb")
  .collectionList("testcoll")
  .startupOptions(StartupOptions.initial())
  .deserializer(new JsonDebeziumDeserializationSchema())
  .build();

XML

Maven中央倉庫已經放置了VVR MongoDB連接器，以供您在作業開發時直接使用。

<dependency>
    <groupId>com.alibaba.ververica</groupId>
    <artifactId>flink-connector-mongodb</artifactId>
    <version>${vvr.version}</version>
</dependency>

說明

在使用DataStream API時，若要啟用增量快照功能，請在構造MongoDBSource資料來源時，使用com.ververica.cdc.connectors.mongodb.source包中的MongoDBSource#builder()；否則，使用com.ververica.cdc.connectors.mongodb中的MongoDBSource#builder()。

在構造MongoDBSource時，可以配置以下參數：

參數	說明
hosts	需要串連的MongoDB資料庫的主機名稱。
username	MongoDB資料庫服務的使用者名稱。說明若MongoDB伺服器未啟用鑒權，則無需配置此參數。
password	MongoDB資料庫服務的密碼。說明若MongoDB伺服器未啟用鑒權，則無需配置此參數。
databaseList	需要監控的MongoDB資料庫名稱。說明資料庫名稱支援Regex以讀取多個資料庫的資料，您可以使用`.*`匹配所有資料庫。
collectionList	需要監控的MongoDB集合名稱。說明集合名稱支援Regex以讀取多個集合的資料，您可以使用`.*`匹配所有集合。
startupOptions	選擇MongoDB CDC的啟動模式。合法的取值包括： StartupOptions.initial() 從初始位點開始拉取全部資料 StartupOptions.latest-offset() 從當前位點開始拉取變更資料 StartupOptions.timestamp() 從指定的時間戳記開始拉取變更資料詳情請參見Startup Properties。
deserializer	還原序列化器，將SourceRecord類型記錄還原序列化到指定類型。參數取值如下： MongoDBConnectorDeserializationSchema：將Upsert模式下產生的SourceRecord轉成Flink Table API或SQL API內部資料結構RowData。 MongoDBConnectorFullChangelogDeserializationSchema：將Full Changelog模式下產生的SourceRecord轉成Flink Table或SQL內部資料結構RowData。 JsonDebeziumDeserializationSchema：將SourceRecord轉成JSON格式的String。