[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战

一、业务需求及其痛点

随着数字化转型,企业需要对各种销售及营销数据进行实时同步分析,例如销售订单信息,库存信息,会员信息,设备状态信息等等,这些统计分析信息可以实时同步到 Doris中进行分析和统计,Doris作为分析型数据库特别适合于对海量数据的存储和分析,我们只需要把MySQL的表单数据实时同步到Doris即可以实现实时数据分析能力。

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第1张图片

二、Apache Doris介绍

Apache Doris 是一个现代化的 MPP 分析型数据库产品。仅需亚秒级响应时间即可获得查询结果,有效地支持实时数据分析。Apache Doris 的分布式架构非常简洁,易于运维,并且可以支持 10PB 以上的超大数据集。

Apache Doris 可以满足多种数据分析需求,例如固定历史报表,实时数据分析,交互式数据分析和探索式数据分析等。可以使数据分析工作更加简单高效!

三、MySQL CDC实时同步工具选型

目前能免费使用的成熟CDC工具且同时支持MySQL+Doris的有Flink CDC和ETLCloud CDC等,这里我们主要考虑比较流行的Flink CDC和ETLCloud CDC,CDC的同步原理其实不同平台的原理都是一样的,都是读取数据库log然后通过清洗、转换或计算后存入目标仓库中

Flink CDC安装和使用难度比较大,没有可视化的CDC配置和监控界面对于不熟的用户安装相对比较麻烦,对于实时数据的加工和处理还需要写代码,没一点技术的用户根据搞不定,对于数据工程师来说难度太大

ETLCloud CDC安装和使用相对容易基本上半小时就安装上了,安装完成后提供全WEB配置界面,对于用户可以说是非常友好,我们这里选择ETLCloud CDC来实现实时数仓的构建

四、怎么提升写入Doris的性能?

Doris兼容MySQL协议但是直接用jdbc写入doris的速度是非常慢基本不可用,所以必须要采用Doris提供的Stream load方式来进行数据的载入才能提升速度

ETLCloud CDC提供了专门针对Doris的高性能输出组件,还支持自动创建表结构同时支持批量加载技术

五、数据写入Doris之前如何直接转换为宽表?

通常情况下我们使用CDC实时监听表销售或订单表数据的LOG时会形成流式的数据,CDC每次传入的数据有可能是一条也可能是多条,监听到的流式数据都是订单表的单条数据,但在业务上单表的数据在业务价值上可能缺少一些关键的维度业务数据字段,例如要计算毛利合并客户及产品数据等。

为了补充这些缺少的数据字段之前的做法是先让他入库,然后再用SQL语句或者ETL流程再给他变换一次形成我们需要的宽表数据,虽然这样也可以实现这个业务需求但是失去了数据处理的时效性,即本来是实时流的数据但是到了业务那里变成不是实时的了,因为我们中间有一个定时变换的数据过程。

通过ETLCloud的ETL功能可以轻松实现实时数据直接变为宽表数据存入到Doris中

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第2张图片

(单表实时流合并其他维度数据直接输出宽表数据到Doris中)

六、ETLCloud CDC同步原理

ETLCloud CDC的功能之所有比其他CDC工具都强大是因为他把CDC和ETL流程给链接起来了,CDC实时数据流入ETL流程中,再通过ETL流程对实时数据进行处理和输出。

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第3张图片

七、ETLCloud CDC中配置MySQL表的监听

MySQL先要开启bing log功能,开启方式可以查看MySQL的binlog打开方法

开启动我们进入到ETLCloud的实时数据集成页面中配置一下即可

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第4张图片

新增一个mysql cdc监听器

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第5张图片

选择要监听mysql的表,这里我们选择监听country表

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第6张图片

目标我们选择传给ETL的流程,ETL的流程会把数据写入到Doris中

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第7张图片

在离线集成中我们新建一个Doris输出的ETL流程

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第8张图片

离线ETL流程很简单,只需要拉入一个Doris的输出组件即可

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第9张图片

选中Doris数据源和Doris的数据库表,数据源在ETLCloud中已经提前建好

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第10张图片

导入Doris表中的所有字段

这样CDC+ETL就完成了mysql=>doris的实时同步任务的创建

八、启动MySQL CDC监听器

进入ETLCloud的实时数据集成功能点击启动CDC监听器即可

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第11张图片

启动成功显示为绿色,如果出错可以查看tomcat log看是什么原因引起的

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第12张图片

表示监听器已经启动成功

九、先清空Doris中已有表中的数据

Doris中先把country表清空,这样我们好观测当mysql中有数据变动时可以实时同步到doris中

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第13张图片

十、开始实时同步数据

在mysql右我们country表中的数据如下

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第14张图片

我们可以随意修改其中几条数据,可以看到数据会立即同步到Doris中

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第15张图片

我们在mysql中实时修改了3条数据,可以看到doris中已经立即有3条数据同步过来

同时我们也可以去观察ETL的离线流程是不是被CDC给调用了

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第16张图片

可以看到我们修改了3条数据,这个ETL流程被调用了3次,通过这个ETL流程把数据写入到了doris中

十一、Doris中自动建表

ETLCloud还具备在Doris中自动建表功能,如果我们要一次性把MySql的1000张表全部同步到Doris中,就可以使用批量同步功能,可以一次性把MySQL的1000张表自动在Doris中创建并全部同步数据到Doris中,这个也是Flink CDC所不具备的功能。

这们就可以把业务数据一次性全部拉入到Doris数仓中

[建议收藏] Mysql+ETLCloud CDC+Doris实时数仓同步实战_第17张图片

Doris自动建表能力

十二、ETLCloud介绍


ETLCloud是一款零代码ETL工具,可以快速对接上百种数据源和应用系统,无需编码即可快速完成数据同步和传输,企业IT人员只需简单几步即可快速完成各种数据抽取同步并配合BI工具实现数据的统计分析。

 (ETLCloud可视化流程同步界面)

ETLCloud社区版本永久免费下载使用  ETLCloud数据集成社区
 

你可能感兴趣的:(大数据,数据分析,数据挖掘)