【Apache Doris】一键实现万表MySQL整库同步 | 快速体验
【Apache Doris】一键实现万表MySQL整库同步 | 快速体验）
- 一、 环境信息
-
- 1.1 硬件信息
- 1.2 软件信息
- 二、 流程介绍
- 三、 前提概要
-
- 3.1 安装部署
- 3.2 JAR包准备
-
- 3.2.1 数据源
- 3.2.2 目标源
- 3.3 脚本模版
- 四、快速体验
- 五、常见问题
-
- 5.1 Mysql通信异常
- 5.2 MySQL无Key同步异常
- 5.3 CKP ON HDFS连接异常
- 5.4 CKP ON HDFS权限异常
- 5.5 其它参考官方【Flink Doris Connector】QA
一、 环境信息
1.1 硬件信息
- CPU ：48C
- CPU型号：x86_64
- 内存 ：185GB
1.2 软件信息
- 系统 ：CentOS
- Apahce Doris版本 ：2.0.2
- Mysql版本：5.7.36
- Flink版本：1.17.1
- Flink-Doris-Connector版本：1.5
二、 流程介绍
Mysql万表同步至Doris，主要是通过Flink计算引擎、基于Doris社区研发的Flink Doris Connector 实现的。无需提前建表，当Flink任务启动后，Flink Doris Connector 会自动识别对应的Doris表是否存在，不存在则自动创建Doris表，如果存在则直接启动同步任务。
三、 前提概要
3.1 安装部署
Doris/Flink/Mysql的安装部署流程可以根据版本自行Google。
- Doris下载地址：Doris下载地址
- Flink下载地址：Flink下载地址
- MySQL包下载地址：MySQL包下载地址
3.2 JAR包准备
3.2.1 数据源
Flink源端读取MySQL数据的连接器，可通过该地址下载flink-sql-connector-mysql-cdc-2.4.1.jar：
mysql-cdc-2.4.1下载地址
3.2.2 目标源
Flink目标端写Doris的Flink Doris Connector ，可通过该地址获取：
flink-doris-connector下载地址
3.3 脚本模版
./bin/flink run \
-Dexecution.checkpointing.interval=10s \
-Dparallelism.default=1 \
-c org.apache.doris.flink.tools.cdc.CdcTools \
lib/flink-doris-connector-1.17-1.5.0-SNAPSHOT.jar \
mysql-sync-database \
--database doris_db \
--mysql-conf hostname= 127.0.0.1 \
--mysql-conf port= 3306 \
--mysql-conf username= root \
--mysql-conf password= root \
--mysql-conf database-name= mysql_db \
--mysql-conf scan.startup.mode=initial \
--including-tables "test.*" \
--sink-conf fenodes= 127.0.0.1:8030 \
--sink-conf username=root \
--sink-conf password=root \
--sink-conf jdbc-url=jdbc:mysql://127.0.0.1:9030 \
--sink-conf sink.label-prefix=label \
--table-conf replication_num=1 \
- –job-name Flink任务名称, 非必需。
- -Dexecution.checkpointing.interval checkpoint时间间隔，实际task中是需要checkpoint后才执行数据写入
- –database 同步到Doris的数据库名。
- –mysql-conf MySQL CDCSource 配置，例如–mysql-conf hostname=127.0.0.1 ，可以在这里查看 所有配置MySQL-CDC，其中hostname/username/password/database-name 是必需的。
- –including-tables 需要同步的MySQL表，可以使用"|" 分隔多个表，并支持正则表达式。 比如–including-tables “test.*” 就是同步所有以test开头的表。
- –sink-conf Doris Sink 的所有配置，可以在这里查看完整的配置项。
- –table-conf Doris表的配置项，即properties中包含的内容。 例如 --table-conf replication_num=1
四、快速体验
例如单表同步MySQL中Star Schema Benchmark的part零件信息表，共1600000条记录。
./bin/flink run \
-Dexecution.checkpointing.interval=10s \
-Dparallelism.default=1 \
-c org.apache.doris.flink.tools.cdc.CdcTools \
lib/flink-doris-connector-1.17-1.5.0-SNAPSHOT.jar \
mysql-sync-database \
--database ssb_test \
--mysql-conf hostname=172.21.16.12 \
--mysql-conf port=23306 \
--mysql-conf username=root \
--mysql-conf password=123456 \
--mysql-conf database-name=ssb_test \
--mysql-conf scan.startup.mode=initial \
--mysql-conf scan.incremental.snapshot.chunk.key-column=ssb_test.part:p_partkey \
--including-tables "part" \
--sink-conf fenodes=10.16.10.6:8032 \
--sink-conf username=root \
--sink-conf password=root \
--sink-conf jdbc-url=jdbc:mysql://10.16.10.6:9034 \
--sink-conf sink.label-prefix=label05 \
--table-conf replication_num=1 \
在FLINK_HOME执行上述命令后，WEB UI中会新增相应Job。
查看taskmanager日志可以发现，task会先对mysql主键做切分，然后再根据ckp的时间间隔按批写入Commit（默认2pc提交）。
默认环境10秒ckp下，单并发写入只需3min左右即可同步完160W数据，且单副本数据压缩率达到90%！！！
五、常见问题
5.1 Mysql通信异常
不用单独加mysql驱动包；这个问题可能是因为mysql信息填写错误或驱动包不兼容导致。
5.2 MySQL无Key同步异常
mysql源表没有设置主键，可以在脚本中指定–mysql-conf scan.incremental.snapshot.chunk.key-column=database.table:column,database.table1.column… 解决。
5.3 CKP ON HDFS连接异常
使用hadoop作为checkpoint时报如下异常：
Caused by: java.net.ConnectException: Call From hadoop1/ip to hadoop1:8020 failed on connection exception: java.net.ConnectException: Connection refused; For more details see: http://wiki.apache.org/hadoop/ConnectionRefused
这类异常一般是由于网络原因或端口配置错误导致，可以先进行telnet ip port看是否通，再进行调整处理。
5.4 CKP ON HDFS权限异常
使用默认root跑脚本时，如果出现如下异常：
Caused by: org.apache.hadoop.security.AccessControlException: Permission denied: user=root, access=WRITE, inode="/":hadoop:supergroup:drwxr-xr-x
这类异常一般切换至对应用户或者授权即可，这个case可以切换至hadoop用户起 或 将root用户加到hdfs用户组中即可。
5.5 其它参考官方【Flink Doris Connector】QA
【Apache Doris】一键实现万表MySQL整库同步 | 快速体验 分享至此结束，体验过程中若遇到问题欢迎留言交流