Paimon实时入湖分析入门 - 实时计算Flink版

Apache Paimon是一种流批统一的湖存储格式，支持高吞吐的写入和低延迟的查询。本文通过Paimon Catalog和MySQL连接器，将云数据库RDS中的订单数据和表结构变更导入Paimon表中，并使用Flink对Paimon表进行简单分析。

背景信息

Apache Paimon是一种流批统一的湖存储格式，支持高吞吐的写入和低延迟的查询。目前阿里云实时计算Flink版，以及开源大数据平台E-MapReduce上常见的计算引擎（例如Spark、Hive或Trino）都与Paimon有着较为完善的集成度。您可以借助Apache Paimon快速地在HDFS或者OSS上构建自己的数据湖存储服务，并接入计算引擎实现数据湖的分析。

前提条件

如果您使用RAM用户或RAM角色等身份访问，需要确认已具有Flink控制台相关权限，详情请参见权限管理。
已创建Flink工作空间，详情请参见开通实时计算Flink版。

步骤一：准备数据源

第一步：创建RDS MySQL实例与配置数据库。
说明
RDS MySQL版实例需要与Flink工作空间处于同一VPC。不在同一VPC下时请参见网络连通性。
创建名称为orders的数据库，并创建高权限账号或具有数据库orders读写权限的普通账号。

第二步：连接RDS MySQL实例，在orders数据库中创建表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)
);

插入如下测试数据。

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');

步骤二：创建Catalog

进入元数据管理页面。
1. 登录实时计算控制台。
2. 单击目标工作空间操作列下的控制台。
3. 单击元数据管理。

创建Paimon Catalog。

单击创建Catalog，在内置Catalog页签，选择Apache Paimon后，单击下一步。

填写配置信息。

配置项	说明	备注
catalog name	填写自定义的Paimon Catalog名称。	在本例中为paimon-catalog。
metastore	Paimon表的元数据存储类型： filesystem：仅将元数据存储在OSS中。 dlf：除了将元数据存储在OSS上外，还会将元数据同步到阿里云数据湖构建服务DLF中。	本文选择filesystem。
warehouse	Paimon Catalog的存储根目录，是一个OSS目录。可以选择创建实时计算Flink版时使用的OSS Bucket，也可以使用同一账号同一地域下的其他OSS Bucket。	格式为oss://<bucket>/<object>。其中： bucket：表示您创建的OSS Bucket名称。 object：表示您存放数据的路径。您可以在OSS管理控制台上查看您的bucket和object名称。
fs.oss.endpoint	OSS服务的连接地址。	如果Flink与DLF位于同一地域，则使用VPC网络Endpoint，否则使用公网Endpoint。获取方法请参见OSS地域和访问域名。
fs.oss.accessKeyId	拥有读写OSS权限的阿里云账号或RAM账号的Accesskey ID。	如果您没有Accesskey ID，详情请参见创建AccessKey。
fs.oss.accessKeySecret	拥有读写OSS权限的阿里云账号或RAM账号的Accesskey secret。	本文使用变量的方式填写AccessKey Secret取值，避免明文泄露的风险，详情请参见项目变量。

单击确定。

创建MySQL Catalog。

单击创建Catalog，在内置Catalog页签，选择MySQL后，单击下一步。

填写配置信息。

参数	说明	备注
catalogname	MySQL Catalog名称。	本示例填写为mysql-catalog。
hostname	MySQL数据库的IP地址或者Hostname。	本示例填写为RDS实例的内网地址。
port	MySQL数据库服务的端口号。	默认值为3306。
default-database	默认的MySQL数据库名称。	本示例填写步骤一：准备数据源中创建的orders数据库。
username	MySQL数据库服务的用户名。	填写您的数据库用户名。
password	MySQL数据库服务的密码。	本文使用变量的方式填写AccessKey Secret取值，避免明文泄露的风险，详情请参见项目变量。

单击确定。

步骤三：创建Flink作业

在数据开发 > ETL页面，单击新建。
选择空白的流作业草稿，单击下一步。

在新建作业草稿对话框，填写作业配置信息。

作业参数	说明
文件名称	作业的名称。说明作业名称在当前项目中必须保持唯一。
存储位置	指定该作业的存储位置。您还可以在现有文件夹右侧，单击图标，新建子文件夹。
引擎版本	当前作业使用的Flink的引擎版本。建议使用带有推荐标签的版本，这些版本具有更高的可靠性和性能表现，引擎版本详情请参见功能发布记录和引擎版本介绍。

单击创建。

输入以下语句，实时捕获orders数据库中相关表的变化，并同步到Paimon表中。

-- 捕获表名符合正则表达式orders_\d+的MySQL表,将MySQL表的变化同步到Paimon的默认数据库orders表中
CREATE TABLE IF NOT EXISTS `paimon-catalog`.`default`.`orders` AS TABLE `mysql-catalog`.`orders`.`orders_\d+`;

CREATE TABLE AS语法的使用，详情请参见CREATE TABLE AS（CTAS）语句。

（可选）单击右上方的深度检查，确认作业Flink SQL语句中是否存在语法错误。
单击右上方的部署，单击确定。
在左侧导航栏，单击运维中心 > 作业运维，单击目标作业名称，进入作业部署详情页面。
单击运行参数配置区域右侧的编辑。
本文为了更快观察到任务运行的结果，将系统检查点间隔和两次系统检查点之间的最短时间间隔均改为10s，单击保存。
在目标作业部署详情页顶部，单击启动，选择无状态启动后，单击启动。
查询Paimon数据。
1. 在数据开发 > 数据查询页面的查询脚本页签，将如下代码拷贝到查询脚本。
```
select custkey, sum(total_price) from `paimon-catalog`.`default`.`orders` group by custkey;
```
2. 选中目标片段后，单击左侧代码行上的运行。

步骤四：更新MySQL表结构

本部分将演示MySQL表结构变更同步到Paimon表的功能。

登录云数据库RDS控制台。

在orders数据库，输入如下SQL语句，然后单击执行，为两张数据表添加一列，并填充一些数据。

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;

在实时计算控制台数据开发 > 数据查询页面的查询脚本页签，将如下代码拷贝到查询脚本。
```
select * from `test`.`default`.`orders` where `quantity` is not null;
```
选中目标片段后单击左侧代码行上的运行。

实时计算Flink版：基于Paimon的数据库实时入湖快速入门