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

Binlog Load提供了一种使Doris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，使用户更方面的完成Mysql数据的导入

注意：

该功能需要在0.15及以后的版本里使用

1. 安装配置 Mysql

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
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

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

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

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](https://github.com/alibaba/canal/wiki/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,.*\\..*
  #################################################

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

验证是否启动成功

tail -200f logs/demo/demo.log

image-20211110145044815.png

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

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。
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)

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"
     )

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:
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" = ""
     );

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.png

3.1.4 查看表里的数据

 select * from doris_mysql_binlog_demo;

image-20211110160331479.png

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.png

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
 )