Paimon即時入湖分析入門 - Realtime Compute for Apache Flink

Apache Paimon是一種流批統一的湖儲存格式，支援高吞吐的寫入和低延後查詢。本文通過Paimon Catalog和MySQL連接器，將雲資料庫RDS中的訂單資料和表結構變更匯入Paimon表中，並使用Flink對Paimon表進行簡單分析。

背景資訊

Apache Paimon是一種流批統一的湖儲存格式，支援高吞吐的寫入和低延後查詢。目前阿里雲Realtime ComputeFlink版，以及開源巨量資料平台E-MapReduce上常見的計算引擎（例如Spark、Hive或Trino）都與Paimon有著較為完善的整合度。您可以藉助Apache Paimon快速地在HDFS或者OSS上構建自己的資料湖儲存服務，並接入計算引擎實現資料湖的分析。

前提條件

如果您使用RAM使用者或RAM角色等身份訪問，需要確認已具有Flink控制台相關許可權，詳情請參見許可權管理。
已建立Flink工作空間，詳情請參見開通Realtime ComputeFlink版。

步驟一：準備資料來源

第一步：快捷建立RDS MySQL執行個體與設定資料庫。
說明
RDS MySQL版執行個體需要與Flink工作空間處於同一VPC。不在同一VPC下時請參見網路連通性。
建立名稱為orders的資料庫，並建立高許可權帳號或具有資料庫orders讀寫權限的普通帳號。

第二步：串連RDS MySQL執行個體，在orders資料庫中建立表orders_1和orders_2。

CREATE TABLE `orders_1` (
    orderkey BIGINT NOT NULL,
    custkey BIGINT,
    order_status VARCHAR(100),
    total_price DOUBLE,
    order_date DATE,
    order_priority VARCHAR(100),
    clerk VARCHAR(100),
    ship_priority INT,
    comment VARCHAR(100),
    PRIMARY KEY (orderkey)
);

CREATE TABLE `orders_2` (
    orderkey BIGINT NOT NULL,
    custkey BIGINT,
    order_status VARCHAR(100),
    total_price DOUBLE,
    order_date DATE,
    order_priority VARCHAR(100),
    clerk VARCHAR(100),
    ship_priority INT,
    comment VARCHAR(100),
    PRIMARY KEY (orderkey)
);

插入如下測試資料。

INSERT INTO `orders_1` VALUES (1, 1, 'O', 131251.81, '1996-01-02', '5-LOW', 'Clerk#000000951', 0, 'nstructions sleep furiously among ');
INSERT INTO `orders_1` VALUES (2, 3, 'O', 40183.29, '1996-12-01', '1-URGENT', 'Clerk#000000880', 0, ' foxes. pending accounts at the pending, silent asymptot');
INSERT INTO `orders_1` VALUES (3, 6, 'F', 160882.76, '1993-10-14', '5-LOW', 'Clerk#000000955', 0, 'sly final accounts boost. carefully regular ideas cajole carefully. depos');
INSERT INTO `orders_1` VALUES (4, 6, 'O', 31084.79, '1995-10-11', '5-LOW', 'Clerk#000000124', 0, 'sits. slyly regular warthogs cajole. regular, regular theodolites acro');
INSERT INTO `orders_1` VALUES (5, 2, 'F', 86615.25, '1994-07-30', '5-LOW', 'Clerk#000000925', 0, 'quickly. bold deposits sleep slyly. packages use slyly');
INSERT INTO `orders_1` VALUES (6, 2, 'F', 36468.55, '1992-02-21', '4-NOT SPECIFIED', 'Clerk#000000058', 0, 'ggle. special, final requests are against the furiously specia');
INSERT INTO `orders_1` VALUES (7, 2, 'O', 171488.73, '1996-01-10', '2-HIGH', 'Clerk#000000470', 0, 'ly special requests ');
INSERT INTO `orders_1` VALUES (8, 6, 'O', 116923.00, '1995-07-16', '2-HIGH', 'Clerk#000000616', 0, 'ise blithely bold, regular requests. quickly unusual dep');
INSERT INTO `orders_1` VALUES (9, 3, 'F', 99798.76, '1993-10-27', '3-MEDIUM', 'Clerk#000000409', 0, 'uriously. furiously final request');
INSERT INTO `orders_1` VALUES (10, 3, 'O', 41670.02, '1998-07-21', '3-MEDIUM', 'Clerk#000000223', 0, 'ly final packages. fluffily final deposits wake blithely ideas. spe');
INSERT INTO `orders_2` VALUES (11, 6, 'O', 148789.52, '1995-10-23', '4-NOT SPECIFIED', 'Clerk#000000259', 0, 'zzle. carefully enticing deposits nag furio');
INSERT INTO `orders_2` VALUES (12, 5, 'O', 38988.98, '1995-11-03', '1-URGENT', 'Clerk#000000358', 0, ' quick packages are blithely. slyly silent accounts wake qu');
INSERT INTO `orders_2` VALUES (13, 4, 'F', 113701.89, '1992-06-03', '3-MEDIUM', 'Clerk#000000456', 0, 'kly regular pinto beans. carefully unusual waters cajole never');
INSERT INTO `orders_2` VALUES (14, 6, 'O', 46366.56, '1996-08-21', '4-NOT SPECIFIED', 'Clerk#000000604', 0, 'haggle blithely. furiously express ideas haggle blithely furiously regular re');
INSERT INTO `orders_2` VALUES (15, 4, 'O', 219707.84, '1996-09-20', '3-MEDIUM', 'Clerk#000000659', 0, 'ole express, ironic requests: ir');
INSERT INTO `orders_2` VALUES (16, 1, 'F', 20065.73, '1994-07-16', '3-MEDIUM', 'Clerk#000000661', 0, 'wake fluffily. sometimes ironic pinto beans about the dolphin');
INSERT INTO `orders_2` VALUES (17, 0, 'P', 65883.92, '1995-03-18', '1-URGENT', 'Clerk#000000632', 0, 'ular requests are blithely pending orbits-- even requests against the deposit');
INSERT INTO `orders_2` VALUES (18, 6, 'F', 79258.24, '1994-01-20', '5-LOW', 'Clerk#000000743', 0, 'y pending requests integrate');
INSERT INTO `orders_2` VALUES (19, 2, 'O', 116227.05, '1996-12-19', '4-NOT SPECIFIED', 'Clerk#000000547', 0, 'symptotes haggle slyly around the furiously iron');
INSERT INTO `orders_2` VALUES (20, 1, 'O', 215135.72, '1998-04-18', '3-MEDIUM', 'Clerk#000000440', 0, ' pinto beans sleep carefully. blithely ironic deposits haggle furiously acro');

步驟二：建立Catalog

進入中繼資料管理頁面。
1. 登入Realtime Compute控制台。
2. 單擊目標工作空間操作列下的控制台。
3. 單擊左側的中繼資料管理。

建立Paimon Catalog。

單擊建立Catalog，在內建Catalog頁簽，選擇Apache Paimon後，單擊下一步。

填寫配置資訊。

配置項	說明	備忘
catalog name	您自訂的Paimon Catalog名稱。	填寫為自訂的英文名。
metastore	Paimon表的中繼資料存放區類型： filesystem：僅將中繼資料存放區在OSS中。 dlf：除了將中繼資料存放區在OSS上外，還會將中繼資料同步到阿里雲資料湖構建服務DLF中。	本文選擇filesystem。
warehouse	Paimon Catalog的儲存根目錄，是一個OSS目錄。可以選擇建立Realtime ComputeFlink版時使用的OSS Bucket，也可以使用同一帳號同一地區下的其他OSS Bucket。	格式為oss://<bucket>/<object>。其中： bucket：表示您建立的OSS Bucket名稱。 object：表示您存放資料的路徑。您可以在OSS管理主控台上查看您的bucket和object名稱。
fs.oss.endpoint	OSS服務的串連地址。	如果Flink與DLF位於同一地區，則使用VPC網路Endpoint，否則使用公網Endpoint。當warehouse指定的OSS Bucket與Flink工作空間不在同一地區，或使用其它帳號下的OSS Bucket時需要填寫。擷取方法請參見OSS地區和訪問網域名稱和建立AccessKey。
fs.oss.accessKeyId	擁有讀寫OSS許可權的阿里雲帳號或RAM帳號的Accesskey ID。
fs.oss.accessKeySecret	擁有讀寫OSS許可權的阿里雲帳號或RAM帳號的Accesskey secret。

單擊確定。

步驟三：建立Flink作業

在資料開發 > ETL頁面，單擊建立。
選擇空白的流作業草稿，單擊下一步。

在新增作業草稿對話方塊，填寫作業配置資訊。

作業參數	說明
檔案名稱	作業的名稱。說明作業名稱在當前專案中必須保持唯一。
儲存位置	指定該作業的儲存位置。您還可以在現有檔案夾右側，單擊表徵圖，建立子檔案夾。
引擎版本	當前作業使用的Flink的引擎版本。引擎版本號碼含義、版本對應關係和生命週期重要時間點詳情請參見引擎版本介紹。

單擊建立。

輸入以下語句，即時捕獲orders資料庫中相關表的變化，並同步到Paimon表中。

-- 使用剛剛建立的Paimon Catalog
USE CATALOG `test`;

-- 建立一張MySQL暫存資料表，捕獲表名符合Regexorders_\d+的MySQL表的變化
CREATE TEMPORARY TABLE mysql_orders (
    orderkey BIGINT,
    custkey BIGINT,
    order_status VARCHAR(100),
    total_price DOUBLE,
    order_date DATE,
    order_priority VARCHAR(100),
    clerk VARCHAR(100),
    ship_priority INT,
    `comment` VARCHAR(100),
    PRIMARY KEY (orderkey) NOT ENFORCED
) WITH (
    'connector' = 'mysql',
    'hostname' = 'rm-bp1s1xgll21ey****.mysql.rds.aliyuncs.com',
    'port' = '3306',
    'username' = 'your_username',
    'password' = '${secret_values.mysql_pw}',
    'database-name' = 'orders',
    'table-name' = 'orders_\d+',
    'server-time-zone' = 'Asia/Shanghai'
);

-- 將MySQL表的變化同步到Paimon表中
CREATE TABLE IF NOT EXISTS orders AS TABLE mysql_orders;

參數說明如下，您可以根據實際情況進行修改。MySQL連接器更多參數詳情請參見MySQL。

參數	說明	備忘
connector	連接器類型。	本樣本固定值為`mysql`。
hostname	MySQL資料庫的IP地址或者Hostname。	本文填寫為RDS執行個體的內網地址。
username	MySQL資料庫服務的使用者名稱。	無。
password	MySQL資料庫服務的密碼。	本樣本通過使用名為mysql_pw密鑰的方式填寫密碼值，避免資訊泄露，詳情請參見變數管理。
database-name	MySQL資料庫名稱。	本樣本填寫為步驟一：準備資料來源中建立的資料庫。
table-name	MySQL表名。	作為源表時，表名支援Regex以讀取多個表的資料。
port	MySQL資料庫服務的連接埠號碼。	無。

（可選）單擊右上方的深度檢查，確認作業Flink SQL語句中是否存在語法錯誤。
單擊右上方的部署，單擊確定。
在左側導覽列，單擊營運中心 > 作業營運，單擊目標作業名稱，進入作業部署詳情頁面。
單擊運行參數配置地區右側的編輯。
本文為了更快觀察到任務啟動並執行結果，將系統檢查點間隔和兩次系統檢查點之間的最短時間間隔均改為10s，單擊儲存。
在目標作業部署詳情頁頂部，單擊啟動，選擇無狀態啟動。
查詢Paimon資料。
1. 在資料開發 > 資料查詢頁面的查詢指令碼頁簽，將如下代碼拷貝到查詢指令碼後，選中目標片段後單擊左側程式碼上的運行。
```
select custkey, sum(total_price) from `test`.`default`.`orders` group by custkey;
```
2. 結果瀏覽完成後，單擊左側的停止調試。

步驟四：更新MySQL表結構

本部分將示範MySQL表結構變更同步到Paimon表的功能。

登入雲資料庫RDS控制台。

在orders資料庫，輸入如下SQL語句，然後單擊執行，為兩張資料表添加一列，並填充一些資料。

ALTER TABLE `orders_1` ADD COLUMN quantity BIGINT; 
ALTER TABLE `orders_2` ADD COLUMN quantity BIGINT; 
UPDATE `orders_1` SET `quantity` = 100 WHERE `orderkey` < 5;
UPDATE `orders_2` SET `quantity` = 100 WHERE `orderkey` > 15;

在Realtime Compute控制台資料開發 > 資料查詢頁面的查詢指令碼頁簽，將如下代碼拷貝到查詢指令碼後，選中目標片段後單擊左側程式碼上的運行。
```
select * from `test`.`default`.`orders` where `quantity` is not null;
```
結果如下，瀏覽完成後，可單擊左側的停止調試。

Realtime Compute for Apache Flink：基於Paimon的資料庫即時入湖快速入門