Apache Doris Binlog Load使用方法及示例

Apache Doris 代码仓库地址：apache/incubator-doris 欢迎大家关注加星

---

1. 安装配置 Mysql

1. 安装Mysql

   快速使用Docker安装配置Mysql，具体参照下面的连接

   https://segmentfault.com/a/1190000021523570

   如果是在物理机上安装可以参考下面的连接：

   在 CentOS 7 中安装 MySQL 8 的教程详解

2. 开启Mysql binlog

   进入 Docker 容器或者物理机上修改/etc/my.cnf 文件，在 [mysqld] 下面添加以下内容，

   log_bin=mysql_bin
   binlog-format=Row
   server-id=1
   
   

   然后重启Mysql

   systemctl restart mysqld
   
   

3. 创建 Mysql 表

   create database demo;
   
    CREATE TABLE `test_cdc` (
     `id` int NOT NULL AUTO_INCREMENT,
     `sex` TINYINT(1) DEFAULT NULL,
     `name` varchar(20) DEFAULT NULL,
     `address` varchar(255) DEFAULT NULL,
     PRIMARY KEY (`id`)
    ) ENGINE=InnoDB
   
   

2. 安装配置Canal

下载canal-1.1.5: https://github.com/alibaba/canal/releases/download/canal-1.1.5/canal.deployer-1.1.5.tar.gz

1. 解压Canal到指定目录：

   tar zxvf canal.deployer-1.1.5.tar.gz -C ./canal
   
   

2. 在conf文件夹下新建目录并重命名，作为instance的根目录，目录名你可以自己命名便于识别即可

   例如我这里的命名是和我的数据库库名一致：demo

   vi conf/demo/instance.properties
   
   

   下面给出的是一个我的示例配置:

   这里面的参数说明请参考Canal官方文档：QuickStart

   #################################################
   ## mysql serverId , v1.0.26+ will autoGen
   canal.instance.mysql.slaveId=12115
   
   # enable gtid use true/false
   canal.instance.gtidon=false
   
   # position info
   canal.instance.master.address=10.220.146.11:3306
   canal.instance.master.journal.name=
   canal.instance.master.position=
   canal.instance.master.timestamp=
   canal.instance.master.gtid=
   
   # rds oss binlog
   canal.instance.rds.accesskey=
   canal.instance.rds.secretkey=
   canal.instance.rds.instanceId=
   
   # table meta tsdb info
   canal.instance.tsdb.enable=true
   #canal.instance.tsdb.url=jdbc:mysql://127.0.0.1:3306/canal_tsdb
   #canal.instance.tsdb.dbUsername=canal
   #canal.instance.tsdb.dbPassword=canal
   
   #canal.instance.standby.address =
   #canal.instance.standby.journal.name =
   #canal.instance.standby.position =
   #canal.instance.standby.timestamp =
   #canal.instance.standby.gtid=
   
   # username/password
   canal.instance.dbUsername=zhangfeng
   canal.instance.dbPassword=zhangfeng800729)(*Q
   canal.instance.connectionCharset = UTF-8
   # enable druid Decrypt database password
   canal.instance.enableDruid=false
   #canal.instance.pwdPublicKey=MFwwDQYJKoZIhvcNAQEBBQADSwAwSAJBALK4BUxdDltRRE5/zXpVEVPUgunvscYFtEip3pmLlhrWpacX7y7GCMo2/JM6LeHmiiNdH1FWgGCpUfircSwlWKUCAwEAAQ==
   
   # table regex
   canal.instance.filter.regex=demo\\..*
   # table black regex
   canal.instance.filter.black.regex=
   # table field filter(format: schema1.tableName1:field1/field2,schema2.tableName2:field1/field2)
   #canal.instance.filter.field=test1.t_product:id/subject/keywords,test2.t_company:id/name/contact/ch
   # table field black filter(format: schema1.tableName1:field1/field2,schema2.tableName2:field1/field2)
   #canal.instance.filter.black.field=test1.t_product:subject/product_image,test2.t_company:id/name/contact/ch
   
   # mq config
   #canal.mq.topic=
   # dynamic topic route by schema or table regex
   #canal.mq.dynamicTopic=mytest1.user,mytest2\\..*,.*\\..*
   #canal.mq.partition=0
   # hash partition config
   #canal.mq.partitionsNum=3
   #canal.mq.partitionHash=test.table:id^name,.*\\..*
   #################################################
   
   

3. 启动Canal

   sh bin/startup.sh
   
   

注意：canal instance user/passwd

1.1.5 版本，在canal.properties里加上这两个配置

canal.user = canal canal.passwd = E3619321C1A937C46A0D8BD1DAC39F93B27D4458

默认密码为canal/canal，canal.passwd的密码值可以通过select password(“xxx”) 来获取

1. 验证是否启动成功

   tail -200f logs/demo/demo.log
   
   

   image-20211110145044815

3.开始同步数据

3.1 创建Doris目标表

用户需要先在Doris端创建好与Mysql端对应的目标表

Binlog Load只能支持Unique类型的目标表，且必须激活目标表的Batch Delete功能。

开启Batch Delete的方法可以参考help alter table中的批量删除功能。

CREATE TABLE `doris_mysql_binlog_demo` (
  `id` int NOT NULL,
  `sex` TINYINT(1),
  `name` varchar(20),
  `address` varchar(255) 
) ENGINE=OLAP
UNIQUE KEY(`id`,sex)
COMMENT "OLAP"
DISTRIBUTED BY HASH(`sex`) BUCKETS 1
PROPERTIES (
"replication_allocation" = "tag.location.default: 3",
"in_memory" = "false",
"storage_format" = "V2"
);

-- enable batch delete
ALTER TABLE test_2.doris_mysql_binlog_demo ENABLE FEATURE "BATCH_DELETE";

3.1 创建同步作业

3.1.1 Create Sync Job 语法说明

Name: ‘CREATE SYNC JOB’ Description:

数据同步(Sync Job)功能，支持用户提交一个常驻的数据同步作业，通过从指定的远端地址读取Binlog日志，增量同步用户在Mysql数据库的对数据更新操作的CDC(Change Data Capture)功能。

目前数据同步作业只支持对接Canal，从Canal Server上获取解析好的Binlog数据，导入到Doris内。

用户可通过 SHOW SYNC JOB 查看数据同步作业状态。

语法：

CREATE SYNC [db.]job_name
 (
    channel_desc, 
    channel_desc
    ...
 )
binlog_desc

1. job_name

   同步作业名称，是作业在当前数据库内的唯一标识，相同job_name的作业只能有一个在运行。

2. channel_desc

   作业下的数据通道，用来描述mysql源表到doris目标表的映射关系。

   语法：

    FROM mysql_db.src_tbl INTO des_tbl
    [partitions]
    [columns_mapping]
   
   

   1. mysql_db.src_tbl

      指定mysql端的数据库和源表。

   2. des_tbl

      指定doris端的目标表，只支持Unique表，且需开启表的batch delete功能(开启方法请看help alter table的’批量删除功能’)。

   3. partitions

      指定导入目的表的哪些 partition 中。如果不指定，则会自动导入到对应的 partition 中。

      示例：

       PARTITION(p1, p2, p3)
      
      

   4. column_mapping

      指定mysql源表和doris目标表的列之间的映射关系。如果不指定，FE会默认源表和目标表的列按顺序一一对应。

      不支持 col_name = expr 的形式表示列。

      示例：

       假设目标表列为(k1, k2, v1)，
      
       改变列k1和k2的顺序
       COLUMNS(k2, k1, v1)
      
       忽略源数据的第四列
       COLUMNS(k2, k1, v1, dummy_column)
      
      

3. binlog_desc

   用来描述远端数据源，目前仅支持canal一种。

   语法：

    FROM BINLOG
    (
        "key1" = "value1", 
        "key2" = "value2"
    )
   
   

   1. Canal 数据源对应的属性，以canal.为前缀

      1. canal.server.ip: canal server的地址
      2. canal.server.port: canal server的端口
      3. canal.destination: instance的标识
      4. canal.batchSize: 获取的batch大小的最大值，默认8192
      5. canal.username: instance的用户名
      6. canal.password: instance的密码
      7. canal.debug: 可选，设置为true时，会将batch和每一行数据的详细信息都打印出来 Examples:

4. 简单为 test_db 的 test_tbl 创建一个名为 job1 的数据同步作业，连接本地的Canal服务器，对应Mysql源表 mysql_db1.tbl1。

    CREATE SYNC `test_db`.`job1`
    (
        FROM `mysql_db1`.`tbl1` INTO `test_tbl `
    )
    FROM BINLOG 
    (
        "type" = "canal",
        "canal.server.ip" = "127.0.0.1",
        "canal.server.port" = "11111",
        "canal.destination" = "example",
        "canal.username" = "",
        "canal.password" = ""
    );
   
   

5. 为 test_db 的多张表创建一个名为 job1 的数据同步作业，一一对应多张Mysql源表，并显式的指定列映射。

    CREATE SYNC `test_db`.`job1` 
    (
        FROM `mysql_db`.`t1` INTO `test1` COLUMNS(k1, k2, v1) PARTITIONS (p1, p2),
        FROM `mysql_db`.`t2` INTO `test2` COLUMNS(k3, k4, v2) PARTITION p1
    ) 
    FROM BINLOG 
    (
        "type" = "canal", 
        "canal.server.ip" = "xx.xxx.xxx.xx", 
        "canal.server.port" = "12111", 
        "canal.destination" = "example",  
        "canal.username" = "username", 
        "canal.password" = "password"
    );
   
   

3.1.2 开始同步mysql表里数据到Doris

注意：

创建同步任务之前，首先要在fe.conf里配置enable_create_sync_job=true，这个默认是false不启用，否则就不能创建同步任务

CREATE SYNC test_2.doris_mysql_binlog_demo_job 
(
    FROM demo.test_cdc INTO doris_mysql_binlog_demo
) 
FROM BINLOG 
(
    "type" = "canal", 
    "canal.server.ip" = "10.220.146.10", 
    "canal.server.port" = "11111", 
    "canal.destination" = "demo",  
    "canal.username" = "canal", 
    "canal.password" = "canal"
);

3.1.3 查看同步任务

SHOW SYNC JOB from test_2;

image-20211110160106602

3.1.4 查看表里的数据

select * from doris_mysql_binlog_demo;

image-20211110160331479

3.1.5 删除数据

我们在Mysql 数据表里删除数据，然后看Doris表里的变化

delete from test_cdc where id in (12,13)

我们在去看Doris表里，id是12,13这两条数据已经被删除

image-20211110160710709

3.1.6 多表同步

多表同步只需要像下面这样写法就可以了

CREATE SYNC test_2.doris_mysql_binlog_demo_job 
(
    FROM demo.test_cdc INTO doris_mysql_binlog_demo,
    FROM demo.test_cdc_1 INTO doris_mysql_binlog_demo,
    FROM demo.test_cdc_2 INTO doris_mysql_binlog_demo,
    FROM demo.test_cdc_3 INTO doris_mysql_binlog_demo
)