什么是Flink CDC，以及如何使用

CDC介绍

数据库中的CDC（Change Data Capture，变更数据捕获）是一种用于实时跟踪数据库中数据变化的技术。CDC的主要目的是在数据库中捕获增量数据，以便在需要时可以轻松地将这些数据合并到其他系统或应用程序中。CDC在数据库管理、数据同步、数据集成和数据备份等方面具有广泛的应用。

CDC通常通过以下几种方式实现：

1. 基于触发器的CDC：在表上创建触发器，当数据发生更改时，触发器会将更改的数据记录到其他系统或表中。

2. 基于事务日志的CDC：通过读取数据库事务日志，将日志中的更改记录解析为可操作的数据。这种方法通常用于增量备份和恢复。

3. 基于游标的CDC：在数据库中使用游标，逐行处理数据更改，并将这些更改应用于其他系统或表。

4. 基于时间戳的CDC：为表中的每个数据行分配一个时间戳，当数据发生更改时，更新相应的时间戳。然后，可以使用时间戳来识别和处理数据更改。

5. 基于消息队列的CDC：将数据更改作为事件发送到消息队列，以便其他系统或应用程序可以订阅和处理这些事件。

Flink CDC

Flink CDC（Change Data Capture，即数据变更抓取）是一个开源的数据库变更日志捕获和处理框架，它可以实时地从各种数据库（如MySQL、PostgreSQL、Oracle、MongoDB等）中捕获数据变更并将其转换为流式数据。Flink CDC 可以帮助实时应用程序实时地处理和分析这些流数据，从而实现数据同步、数据管道、实时分析和实时应用等功能。

Flink CDC 的主要特点包括：

1. 支持多种数据库类型：Flink CDC 支持多种数据库，如 MySQL、PostgreSQL、Oracle、MongoDB 等。

2. 实时数据捕获：Flink CDC 能够实时捕获数据库中的数据变更，并将其转换为流式数据。

3. 高性能：Flink CDC 基于 Flink 引擎，具有高性能的数据处理能力。

4. 低延迟：Flink CDC 可以在毫秒级的延迟下处理大量的数据变更。

5. 易集成：Flink CDC 与 Flink 生态系统紧密集成，可以方便地与其他 Flink 应用程序一起使用。

6. 高可用性：Flink CDC 支持实时备份和恢复，确保数据的高可用性。

适用于场景？

Flink CDC 可以用于各种场景，如：

1. 实时数据同步：将数据从一个数据库实时同步到另一个数据库。

2. 实时数据管道：构建实时数据处理管道，处理和分析数据库中的数据。

3. 实时数据分析：实时分析数据库中的数据，提供实时的业务洞察。

4. 实时应用：将数据库中的数据实时应用于实时应用程序，如实时报表、实时推荐等。

5. 实时监控：实时监控数据库中的数据，检测异常和错误。

Flink CDC 的简单用例

数据库配置

创建数据库和相应的表

创建mydb数据库，并创建user表

create database mydb;
create table user(
    id bigint primary key auto_increment,
    name varchar(255)
);
INSERT INTO mydb.user (name) VALUES ('小明');
INSERT INTO mydb.user (name) VALUES ('小红');

创建了一个名为 mydb 的数据库，并在其中创建了一个名为 user 的表。表中包含一个主键 id 和一个字符串类型的 name 字段。还向 user 表中插入了两条记录，分别是 '小明' 和 '小红'。

开启mysql数据库bin-log日志

1.如果是服务器

在my.cnf中添加binlog配置,并重启mysql数据库

    server-id = 123
    log_bin = mysql-bin
    binlog_format = row
    binlog_row_image = full
    expire_logs_days = 10
    gtid_mode = on
    enforce_gtid_consistency = on
   

已经为 MySQL 设置了一些配置参数。下面是对这些参数的解释：

1. server-id = 123：指定服务器的唯一标识符，通常用于区分不同的数据库服务器。

2. log_bin = mysql-bin：启用二进制日志记录，以便在数据库出现故障时可以恢复数据。

3. binlog_format = row：指定二进制日志的记录格式。row 格式会记录每个更改行的详细信息，这对于需要事务完整性的应用程序非常有用。

4. binlog_row_image = full：设置 row 格式的二进制日志记录行的完整信息，包括列值、注释等。这有助于提高应用程序的可恢复性。

5. expire_logs_days = 10：设置自动清理过期二进制日志文件的天数。在这个例子中，设置为 10 天。

6. gtid_mode = on：启用全局事务 ID 模式，这使得基于 GTID 的复制成为可能。

7. enforce_gtid_consistency = on：强制执行 GTID 一致性，确保事务在不同的 MySQL 实例之间保持一致。

2.如果在Windows使用小皮

在小皮面板里设置，如图：

打开bin日志开关

搭建Flink CDC java环境

添加maven相关pom

在pom里添加相关Flink CDC依赖

        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-connector-baseartifactId>
            <version>1.14.4version>
        dependency>

        <dependency>
            <groupId>com.ververicagroupId>
            <artifactId>flink-sql-connector-mysql-cdcartifactId>
            <version>2.3.0version>
        dependency>

        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-streaming-java_2.11artifactId>
            <version>1.14.4version>
        dependency>

        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-clients_2.12artifactId>
            <version>1.14.4version>
        dependency>

        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-runtime-web_2.12artifactId>
            <version>1.14.4version>
        dependency>

        <dependency>
            <groupId>org.apache.flinkgroupId>
            <artifactId>flink-table-runtime_2.11artifactId>
            <version>1.14.4version>
        dependency>
        <dependency>
            <groupId>ch.qos.logbackgroupId>
            <artifactId>logback-classicartifactId>
            <version>1.2.11version>
        dependency>
        <dependency>
            <groupId>org.slf4jgroupId>
            <artifactId>slf4j-apiartifactId>
            <version>2.0.6version>
        dependency>

这是一段 Maven 依赖配置，它引入了 Flink Connector Base、CDC MySQL Source、Flink Streaming Java、Flink Java Client、Flink Runtime Web、Flink Table Runtime 和 Logback Classic。

这些依赖库提供了以下功能：

• Flink Connector Base:Flink 的连接器基础包，用于将 Flink 与其他系统进行集成。

• CDC MySQL Source:Flink 的 MySQL CDC 源，用于从 MySQL 数据库中读取数据流。

• Flink Streaming Java:Flink 的 Java 流处理 API,用于编写并发程序以处理数据流。

• Flink Java Client:Flink 的 Java API,用于在 Java 应用程序中使用 Flink。

• Flink Runtime Web:Flink 的 Web UI,用于监控和管理 Flink 集群。

• Flink Table Runtime:Flink 的 Table API,使在 Flink 中进行数据处理变得更加简单和高效。

• Logback Classic:日志记录库，用于记录应用程序的日志信息。

构建Sink

Flink CDC(Change Data Capture)中的Sink用于将CDC接收到的数据写入外部系统(如数据库或文件系统),以实现数据同步和数据备份等功能，并将其转换为DataStream流。然后，Sink将这个DataStream流写入到外部系统中，以便进行后续的数据处理和分析。

import org.apache.flink.streaming.api.functions.sink.RichSinkFunction;
public class CustomSink extends RichSinkFunction<String> {

    @Override
    public void invoke(String value, Context context) throws Exception {
        System.out.println("json->: "+value);
    }
}

这段代码定义了一个名为CustomSink的类，它继承自RichSinkFunction类。RichSinkFunction是Flink CDC中用于将数据写入外部系统(如数据库或文件系统)的函数接口。CustomSink的作用是将CDC接收到的数据写入外部系统中。具体实现方式由子类CustomSink来定义。由于这个类继承了RichSinkFunction,因此可以使用Flink中的其他RichSink函数特性，例如设置日志级别、配置连接等,invoke则是处理函数。

main配置运行

如下面的代码，构建Flink CDC连接

  public static void main(String[] args) throws Exception {
        MySqlSourceBuilder<String> builder = MySqlSource.builder();
        MySqlSource<String> source = builder.hostname("192.168.2.6")
                .port(3306)
                .databaseList("mydb")
                .tableList("mydb.user")
                .username("root")
                .password("root")
                .deserializer(new JsonDebeziumDeserializationSchema())
                .includeSchemaChanges(true)
                .build();
//        启动webui，绑定本地web-ui端口号
        Configuration configuration=new Configuration();
        configuration.setInteger(RestOptions.PORT,8081);
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(configuration);

        env.enableCheckpointing(5000);
        env.fromSource(source, WatermarkStrategy.noWatermarks(),"MYSQL Source")
                .addSink(new CustomSink());
        env.execute();
    }

这段代码是使用Flink构建一个数据流处理任务，从MySQL数据库中读取数据并进行处理。

首先，使用MySqlSourceBuilder创建一个MySqlSource对象，并设置连接参数(hostname、port、databaseList、tableList、username和password)以及反序列化器(JsonDebeziumDeserializationSchema)。然后，创建Configuration对象并设置WebUI端口号(RestOptions.PORT),接着使用StreamExecutionEnvironment创建一个执行环境，启用检查点(checkpointing)并将MySqlSource和自定义的Sink添加到执行环境中。最后，执行整个任务。

操作数据库查看结果

如图所示：

{
  "before": null,
  "after": {
    "id": "1661935564737286146",
    "qu_type": 4,
    "level": 1,
    "image": "",
    "content": "dos查看日期、时间",
    "create_time": 1685100091000,
    "update_time": 1685100091000,
    "remark": "",
    "analysis": ""
  },
  "source": {
    "version": "1.6.4.Final",
    "connector": "mysql",
    "name": "mysql_binlog_source",
    "ts_ms": 0,
    "snapshot": "false",
    "db": "mydb",
    "sequence": null,
    "table": "t_user",
    "server_id": 0,
    "gtid": null,
    "file": "",
    "pos": 0,
    "row": 0,
    "thread": null,
    "query": null
  },
  "op": "r",
  "ts_ms": 1685521801276,
  "transaction": null
}

这段代码是Flink CDC监听到的MySQL数据库binlog中的一条变更数据记录，表示在MySQL的t_user表中发生了一次读取操作，读取的数据记录的内容为：

• “id”: “1661935564737286146”

• “qu_type”: 4

• “level”: 1

• “image”: “”

• “content”: “dos查看日期、时间”

• “create_time”: 1685100091000

• “update_time”: 1685100091000

• “remark”: “”

• “analysis”: “” 其中，before字段为null，表示这是一条insert操作；after字段为变更后的数据内容；source字段表示数据的来源信息，包括MySQL的版本、连接器类型、数据库名称、表名称等；op字段表示操作类型，"r"表示读取操作；ts_ms字段表示变更发生的时间戳；transaction字段表示事务信息，这里为null，表示这是一条非事务性的操作记录。

操作数据JSON讲解

在Flink CDC中，op字段表示MySQL数据库binlog中的操作类型，通常情况下分为以下几种类型：

1. “c”：表示create，表示对数据库进行了创建操作。

2. “u”：表示update，表示对数据库进行了更新操作。

3. “d”：表示delete，表示对数据库进行了删除操作。

4. “r”：表示read，表示对数据库进行了读取操作。 其中，前三种操作类型都是数据的变更操作，read操作则是指对数据库进行的查询操作。在Flink CDC中，一般只会监听到前三种操作类型，因为只有这三种操作类型才会导致数据库中的数据发生变化，而read操作则只是查询数据，并不会导致数据的变化。