clickhouse通过MaterializeMySQL库引擎实现mysql实时同步

一.概述

为了能够增强数据的实时性，利用 binlog 将数据写入到 ClickHouse。然而为了能够监听 binlog 事件，需要用到类似 canal 这样的第三方中间件，这无疑增加了系统的复杂度。

ClickHouse 20.8.2.3 版本新增加了 MaterializeMySQL 的 database 引擎，该 database 能映 射 到 MySQL 中 的 某 个 database ， 并 自 动 在 ClickHouse 中 创 建 对 应 的

ReplacingMergeTree。ClickHouse 服务做为 MySQL 副本，读取 Binlog 并执行 DDL 和 DML 请求，实现了基于 MySQL Binlog 机制的业务数据库实时同步功能。

1.特点

（1）MaterializeMySQL 同时支持全量和增量同步，在 database 创建之初会全量同步MySQL 中的表和数据，之后则会通过 binlog 进行增量同步。

（2）MaterializeMySQL database 为其所创建的每张 ReplacingMergeTree 自动增加了_sign 和 _version 字段。

其中，_version 用作 ReplacingMergeTree 的 ver 版本参数，每当监听到 insert、update和 delete 事件时，在 databse 内全局自增。而 _sign 则用于标记是否被删除，取值 1 或

者 -1。

目前 MaterializeMySQL 支持如下几种 binlog 事件:

➢MYSQL_WRITE_ROWS_EVENT:_sign = 1，_version ++

➢MYSQL_DELETE_ROWS_EVENT:_sign = -1，_version ++

➢MYSQL_UPDATE_ROWS_EVENT:新数据 _sign = 1

➢MYSQL_QUERY_EVENT: 支持 CREATE TABLE 、DROP TABLE 、RENAME TABLE 等。

即支持mysql 5.6/5.7/8.0版本数据库，兼容insert，update，delete，alter，create，drop，truncate等大部分DDL操作。

2.使用细则

（1）DDL 查询

MySQL DDL 查询被转换成相应的 ClickHouse DDL 查询（ALTER, CREATE, DROP, RENAME）。如果 ClickHouse 不能解析某些 DDL 查询，该查询将被忽略。

（2）数据复制

MaterializeMySQL 不支持直接插入、删除和更新查询，而是将 DDL 语句进行相应转换：

①MySQL INSERT 查询被转换为 INSERT with _sign=1。

②MySQL DELETE 查询被转换为 INSERT with _sign=-1。

③MySQL UPDATE 查询被转换成 INSERT with _sign=1 和 INSERT with _sign=-1。

即使用MaterializedMySQL数据库引擎时，ReplacingMergeTree表与虚拟_sign和_version列一起使用。

• _version— 交易计数器。键入UInt64。
• _sign— 删除标记。键入Int8。可能的值:
  • 1— 未删除行，
  • -1— 行被删除。

（3）SELECT 查询

如果在 SELECT 查询中没有指定_version，则使用 FINAL 修饰符，返回_version 的最大值对应的数据，即最新版本的数据。

如果在 SELECT 查询中没有指定_sign，则默认使用 WHERE _sign=1，即返回未删除状态（_sign=1)的数据。

（4）索引转换

ClickHouse 数据库表会自动将 MySQL 主键和索引子句转换为 ORDER BY 元组。

ClickHouse 只有一个物理顺序，由 ORDER BY 子句决定。如果需要创建新的物理顺序，请使用物化视图。

• _sign=-1没有从表中物理删除的行。

• UPDATE/DELETE引擎不支持级联查询MaterializedMySQL，因为它们在 MySQL 二进制日志中不可见。

• 复制很容易被破坏。

• 禁止对数据库和表进行手动操作。

• MaterializedMySQL受optimize_on_insert 设置影响。MaterializedMySQL当 MySQL 服务器中的表发生变化时，数据会合并到数据库中的相应表中。

（5）类型转换

MySQL	ClickHouse
TINY	Int8
SHORT	Int16
INT24	Int32
LONG	UInt32
LONGLONG	UInt64
FLOAT	Float32
DOUBLE	Float64
DECIMAL, NEWDECIMAL	Decimal
DATE, NEWDATE	Date32
DATETIME, TIMESTAMP	DateTime
DATETIME2, TIMESTAMP2	DateTime64
YEAR	UInt16
TIME	Int64
ENUM	Enum
STRING	String
VARCHAR, VAR_STRING	String
BLOB	String
GEOMETRY	String
BINARY	FixedString
BIT	UInt64
SET	UInt64

（6）创建语句以及配置参数

CREATE DATABASE [IF NOT EXISTS] db_name [ON CLUSTER cluster]
ENGINE = MaterializedMySQL('host:port', ['database' | database], 'user', 'password') [SETTINGS ...]
[TABLE OVERRIDE table1 (...), TABLE OVERRIDE table2 (...)]

引擎参数

• host:port— MySQL 服务器端点。

• database— MySQL 数据库名称。

• user— MySQL 用户。

• password- 用户密码。

引擎设置

• max_rows_in_buffer— 允许数据在内存中缓存的最大行数（对于单个表且缓存数据无法查询）。当超过这个数字时，数据将被物化。默认值：65505。

• max_bytes_in_buffer— 允许数据在内存中缓存的最大字节数（对于单个表且缓存数据无法查询）。当超过这个数字时，数据将被物化。默认值：1048576。

• max_rows_in_buffers— 允许数据在内存中缓存的最大行数（对于数据库和缓存数据无法查询）。当超过这个数字时，数据将被物化。默认值：65505。

• max_bytes_in_buffers— 允许数据在内存中缓存的最大字节数（对于数据库和缓存数据无法查询）。当超过这个数字时，数据将被物化。默认值：1048576。

• max_flush_data_time— 允许数据在内存中缓存的最大毫秒数（对于数据库和缓存数据无法查询）。当超过这个时间时，数据将被物化。默认值：1000。

• max_wait_time_when_mysql_unavailable— MySQL 不可用时的重试间隔（毫秒）。负值禁用重试。默认值：1000。

• allows_query_when_mysql_lost— 允许在 MySQL 丢失时查询物化表。默认值：( 0) false。

• materialized_mysql_tables_list— 以逗号分隔的 mysql 数据库表列表，将由 MaterializedMySQL 数据库引擎复制。默认值：空列表 — 表示将复制整个表。

（7）表覆盖

表覆盖可用于自定义 ClickHouse DDL 查询，允许您为应用程序进行架构优化。这对于控制分区特别有用，这对 MaterializedMySQL 的整体性能很重要。

这些是您可以对 MaterializedMySQL 的表覆盖进行的模式转换操作：

• 修改列类型。必须与原始类型兼容，否则复制将失败。例如，您可以将 UInt32 列修改为 UInt64，但不能将 String 列修改为 Array(String)。
• 修改列 TTL。
• 修改列压缩编解码器。
• 添加别名列。
• 添加跳过索引
• 添加投影。请注意，使用时会禁用投影优化SELECT … FINAL（MaterializedMySQL 默认会这样做），因此它们的实用性在这里受到限制。
• 修改PARTITION BY
• 修改ORDER BY
• 修改主键
• 添加样品
• 添加表 TTL

CREATE DATABASE db_name ENGINE = MaterializedMySQL(...)
[SETTINGS ...]
[TABLE OVERRIDE table_name (
    [COLUMNS (
        [col_name [datatype] [ALIAS expr] [CODEC(...)] [TTL expr], ...]
        [INDEX index_name expr TYPE indextype[(...)] GRANULARITY val, ...]
        [PROJECTION projection_name (SELECT <COLUMN LIST EXPR> [GROUP BY] [ORDER BY]), ...]
    )]
    [ORDER BY expr]
    [PRIMARY KEY expr]
    [PARTITION BY expr]
    [SAMPLE BY expr]
    [TTL expr]
), ...]

示例：

CREATE DATABASE db_name ENGINE = MaterializedMySQL(...)
TABLE OVERRIDE table1 (
    COLUMNS (
        userid UUID,
        category LowCardinality(String),
        timestamp DateTime CODEC(Delta, Default)
    )
    PARTITION BY toYear(timestamp)
),
TABLE OVERRIDE table2 (
    COLUMNS (
        client_ip String TTL created + INTERVAL 72 HOUR
    )
    SAMPLE BY ip_hash
)

COLUMNS名单很稀疏；根据指定修改现有列，添加额外的 ALIAS 列。无法添加普通或 MATERIALIZED 列。具有不同类型的修改列必须可以从原始类型分配。目前在CREATE DATABASE执行查询时没有验证此问题或类似问题，因此需要格外小心。

可以为尚不存在的表指定覆盖。

！！！警告如果不小心使用，很容易使用表覆盖来破坏复制。

（8）注意事项

①MySQL中的每个表都应包含PRIMARY KEY.

②表的复制，那些包含ENUM字段值超出范围（在ENUM签名中指定）的行将不起作用。

③如果 ClickHouse 无法解析某些 DDL 查询，则忽略该查询。

二.案例实操

1. MySQL 开启 binlog 和 GTID 模式

（1）确保 MySQL 开启了 binlog 功能，且格式为 ROW

打开/etc/my.cnf,在[mysqld]下添加：

server-id=1 
log-bin=mysql-bin
binlog_format=ROW

（2）开启 GTID 模式

如果 clickhouse 使用的是 20.8 prestable 之后发布的版本，那么 MySQL 还需要配置开启 GTID 模式, 这种方式在 mysql 主从模式下可以确保数据同步的一致性(主从切换时)。

gtid-mode=on
enforce-gtid-consistency=1 # 设置为主从强一致性
log-slave-updates=1 # 记录日志

GTID 是 MySQL 复制增强版，从 MySQL 5.6 版本开始支持，目前已经是 MySQL 主流。复制模式。它为每个 event 分配一个全局唯一 ID 和序号，我们可以不用关心 MySQL 集群主从拓扑结构，直接告知 MySQL 这个 GTID 即可。

查询以下语句进行验证：

show variables like '%gtid_mode%';
show variables like '%enforce_gtid_consistency%';
show variables like '%binlog_format%';

gtid_mode    ON
enforce_gtid_consistency    ON
binlog_format    ROW

如以上值，则代表可以进行同步。

（3）重启 MySQL

sudo systemctl restart mysqld

（4）用户

同步用户建议最高级用户（拥有all权限）或者用户有RELOAD, REPLICATION SLAVE, REPLICATION CLIENT相关权限。

如为普通用户【5.7版本mysql】需执行 {必须 . 才是服务服务器权限}

grant select,reload,replication slave,replication client on *.* to syncdata@'%' identified  by "123";
flush privileges;--刷新权限

2. 准备 MySQL 表和数据

（1）在 MySQL 中创建数据表并写入数据

CREATE DATABASE testck;
CREATE TABLE `testck`.`t_organization` (
 `id` int(11) NOT NULL AUTO_INCREMENT,
 `code` int NOT NULL,
 `name` text DEFAULT NULL,
 `updatetime` datetime DEFAULT NULL,
 PRIMARY KEY (`id`),
 UNIQUE KEY (`code`)
) ENGINE=InnoDB;

INSERT INTO testck.t_organization (code, name,updatetime) 
VALUES(1000,'Realinsight',NOW());
INSERT INTO testck.t_organization (code, name,updatetime) 
VALUES(1001, 'Realindex',NOW());
INSERT INTO testck.t_organization (code, name,updatetime) 
VALUES(1002,'EDT',NOW());

（2）创建第二张表

CREATE TABLE `testck`.`t_user` (
 `id` int(11) NOT NULL AUTO_INCREMENT,
 `code` int,
 PRIMARY KEY (`id`)
) ENGINE=InnoDB;


INSERT INTO testck.t_user (code) VALUES(1);

3. 开启 ClickHouse 物化引擎

注意：以下语句如果运行设置找不到，需要先在users.xml开启调用窗口函数使用状态在/etc/clickhouse-server/users.xml 配置文件中加入1

<yandex>

<profiles>

<default>

<max_memory_usage>10000000000max_memory_usage>
 

<load_balancing>randomload_balancing>
<allow_experimental_window_functions>1allow_experimental_window_functions>
default>
 

<readonly>
<readonly>1readonly>
readonly>
profiles>
......

然后开启 MaterializeMySQL 库引擎操作权限，然后配置文件中的allow_experimental_window_functions 可以去除【高版本会提示过时，旧版本可能需要保留，看登录的提示信息】

注意每次登录默认是关闭的，需要使用再操作打开。

set allow_experimental_database_materialize_mysql=1;

4. 创建复制管道

（1）ClickHouse 中创建 MaterializeMySQL 数据库

CREATE DATABASE test_binlog ENGINE = MaterializeMySQL('hadoop1:3306','testck','root','000000');

其中 4 个参数分别是 MySQL 地址、databse、username 和 password。

（2）查看 ClickHouse 的数据

use test_binlog;
show tables;
select * from t_organization;
select * from t_user;

5. 修改数据

（1）在 MySQL 中修改数据:

update t_organization set name = CONCAT(name,'-v1') where id = 1

（2）查看 clickhouse 日志可以看到 binlog 监听事件，查询 clickhouse

select * from t_organization;

6. 删除数据

（1）MySQL 删除数据:

DELETE FROM t_organization where id = 2;

（2）ClicKHouse，日志有 DeleteRows 的 binlog 监听事件，查看数据：

select * from t_organization;

（3）在刚才的查询中增加 _sign 和 _version 虚拟字段

select *,_sign,_version from t_organization order by _sign 
desc,_version desc;

在查询时，对于已经被删除的数据，_sign=-1，ClickHouse 会自动重写 SQL，将 _sign = -1 的数据过滤掉;

对于修改的数据，则自动重写 SQL，为其增加 FINAL 修饰符。

select * from t_organization
--等同于
select * from t_organization final where _sign = 1

7. 删除表

（1）在 mysql 执行删除表

drop table t_user;

（2）此时在 clickhouse 处会同步删除对应表，如果查询会报错

show tables;
select * from t_user;
DB::Exception: Table scene_mms.scene doesn't exist..

（3）mysql 新建表，clickhouse 可以查询到

CREATE TABLE `testck`.`t_user` (
 `id` int(11) NOT NULL AUTO_INCREMENT,
 `code` int,
 PRIMARY KEY (`id`)
) ENGINE=InnoDB;

INSERT INTO testck.t_user (code) VALUES(1);

#ClickHouse 查询
show tables;
select * from t_user;