5分钟搞定 MySQL 到 ClickHouse 实时数据同步进阶篇-CloudCanal实战

简述

之前的文章 5分钟搞定 MySQL 到 ClickHouse 实时数据同步发布后，很多用户将 MySQL->ClickHouse 实时同步链路用了起来，但是我们很快发现，CollapsingMergeTree 在某些场景下可能并不能按预期进行数据折叠。

这个时候，我们参考了 ClickHouse 官方实现的 MaterializeMySQL 表引擎，将 ReplacingMergeTree 作为对端主力表引擎进行数据链路构建。

新方案优势包括

表不存在额外的字段
按 order by key 严格合并(单节点)
可以设置按时间间隔自动 optimize 表(autoOptimizeThresholdSec参数)
支持 DDL 同步

技术点

结构迁移

目前到 ClickHouse 的结构迁移中，默认选择 ReplacingMergeTree 作为表引擎，源主键作为 sortKey (无主键表则是 tuple)，如下示例:

 CREATE TABLE console.worker_stats
(
    `id` Int64,
    `gmt_create` DateTime,
    `worker_id` Int64,
    `cpu_stat` String,
    `mem_stat` String,
    `disk_stat` String
)
ENGINE = ReplacingMergeTree()
ORDER BY id
SETTINGS index_granularity = 8192

写数据

新方案全量仍然按照标准 batch 导入，增量和 CollapsingMergeTree 作为表引擎的区别在于

转换 Insert、Update 操作为 Insert
Delete 操作单独通过 alter table delete 语句进行操作

所以 Delete 操作如果较多，增量同步性能会急剧下降，建议 delete RPS 不超过 50。

  switch (rowChange.getEventType()) {
            case INSERT:
            case UPDATE: {
                for (CanalRowData rowData : rowChange.getRowDatasList()) {
                    CkTableBatchData.RecordWithState addRecord = new CkTableBatchData.RecordWithState(CanalEventType.INSERT, rowData.getAfterColumnsList());
                    batchData.getRecords().add(addRecord);
                }

                break;
            }
            case DELETE: {
                for (CanalRowData rowData : rowChange.getRowDatasList()) {
                    CkTableBatchData.RecordWithState delRecord = new CkTableBatchData.RecordWithState(CanalEventType.DELETE, rowData.getBeforePkColumnsList());
                    batchData.getRecords().add(delRecord);
                    batchData.setHasDelete(true);
                }
                break;
            }
            default:
                throw new CanalException("not supported event type,eventType:" + rowChange.getEventType());
 }

举个"栗子"

造 Insert、Update、Delete 负载，比例为 20:78:2
添加数据源
创建任务，选择数据源和库，并连接成功
ClickHouse 侧点开高级选项，确保表引擎为 ReplacingMergeTree
点击下一步
选择数据同步，建议规格至少选择 1 GB。
目前已经支持 MySQL->ClickHouse DDL 同步, 可默认选中。
点击下一步
选择表、列、创建确认默认下一步。
等待任务自动结构迁移、全量迁移、数据同步追上
打开自动表优化开关，默认设置 30 秒间隔
延迟追平状态，停止负载
等待自动优化间隔时间，创建一个校验任务，跑完结果一致。
也可以等待 ClickHouse 自动优化，但时间不定

常见问题

新方案还存在什么问题

目前并未支持集群(distribute 表)，所以如果 ClickHouse 是一个集群，还需要进一步增强。

另外结构迁移和增量对于 partition key 设置的支持，以及其他个性化表结构定义支持，还没有做到位。

还支持其他数据源么

我们目前收到比较多Kafka、SqlServer、MongoDB、Oracle 到 ClickHouse 的需求，目前 SqlServer 我们目前正在支持中，Kafka 、MongoDB 、Oracle 源端已经支持，打通 ClickHouse 链路我们会在合适的时间同时打开。

总结

本文简要介绍了 CloudCanal 实现 MySQL到 ClickHouse 数据迁移同步的进阶能力，相比于老方案，优势明显。如果各位有需求，可以尝试使用下我们的社区版免费体验。最后，如果各位觉得这篇文章还不错，请点赞、评论加转发吧。

社区快讯

我们创建 CloudCanal 微信粉丝群啦，在里面，你可以得到最新版本发布信息和资源链接，你能看到其他用户一手评测、使用情况，你更能得到热情的问题解答，当然你还可以给我们提需求和问题。快快加入吧。
扫描下方二维码，添加我们小助手微信拉您进群，接头语(“加 CloudCanal 社区群”)

加入CloudCanal粉丝群掌握一手消息和获取更多福利，请添加我们小助手微信：suhuayue001
CloudCanal-免费好用的企业级数据同步工具，欢迎品鉴。
了解更多产品可以查看官方网站： http://www.clougence.com
CloudCanal社区：https://www.askcug.com/