FlinkCDC的分析和应用代码
前言：原本想讲如何基于Flink实现定制化计算引擎的开发，并以FlinkCDC为例介绍；发现这两个在表达上不知以谁为主，所以先分析FlinkCDC的应用场景和技术实现原理，下一篇再去分析Flink能在哪些方面，做定制化计算引擎的开发操作。本文将从FlinkCDC应用场景开始，然后讲述其基于Flink的实现原理和代码应用，为下一篇介绍基于Flink开发定制化引擎做铺垫。
一、FlinkCDC应用场景
经常有同事或朋友问，Flink和FlinkCDC有什么区别？
Flink是一个流数据处理计算框架，FlinkCDC是数据采集工具：
Flink应用场景对比的是Storm、Spark；
FlinkCDC应用场景对比的是Sqoop、Canal、Maxwell和KafkaConnectSource、Debezium等；
FlinkCDC是Flink社区伙伴对数据采集需求，开发的一个SDK工具，让Flink在数据捕捉场景，使用起来更方便一些。
1.1 CDC的应用场景分析
CDC的英文名是Change Data Capture (变化数据获取)；解决的应用场景，是对存储中间件中数据的采集，比如Mysql、Orcle、PGSql、MongoDB等中间件；
采集的方式分为基于查询和基于BinLog两种；
以mysql的数据采集为例：可以通过jdbc批次查询，也可以通过Binlog解析增量数据采集；
两者的一些特性对比如下：
基于查询的CDC直接获取数据，基于binlog的采集需要开启binlog服务。
1.2 FlinkCDC的应用分析
FlinkCDC和Canal实现的应用场景需求是差不多的，都是通过binlog采集增量数据；
但是可用性上的不同是：
对于cannal类似的采集服务需要三步:
- 1.开启mysql的binlog
- 2.将数据写到kafka
- 3.用flink订阅kafka中的数据进行业务需求处理
对于FlinkCDC：只需要在binlog开启后，直接在一个Flink任务内做业务处理（可以写到kafka处理也行）；
所有如cannal的采集功能服务，都需要单独维护一套服务，增加了运维负担，FlinkCDC可以当作任务部署到集群，大幅减轻了数据采集的应用难度；
用一个任务就完成这个应用功能：
二、FlinkCDC技术分析与本地操作
2.1 FlinkCDC的技术架构分析
与Canal这些提供服务能力的服务不同，FlinkCdc只是一个任务，可以简单的开发和部署。
Flink是借用了Debezium的功能，Debezium是一个可轻量级嵌入代码逻辑的服务，将Debezium的采集功能，用Flink的sourceFunction包装，然后打包成SDK提供给Flink开发使用；
借用Flink自己的算子和sink能力，可以将采集到的数据以Flink的特性加工数据，并将数据写入Flink内置的connect组件，sink到服务里，如Kafka、Pulser、ES、RabbitMQ、MongoDB等。
2.2 本地操作
2.2.1准备mysql数据库表和数据
use flink_test;
#检测binlog是否开启
show variables like '%log_bin%'
#构建测试表
CREATE TABLE `event_info` (
`id` int NOT NULL AUTO_INCREMENT,
`name` varchar(255) NOT NULL,
`category` varchar(512) DEFAULT NULL,
`pv` int DEFAULT 0,
`uv` int DEFAULT 0,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
#写入数据
insert into `event_info`(`id`,`name`,`category`,`pv`,`uv`) values
(1,'aaa','nfh',20,8),
(2,'bbb','dfgf',30,2),
(3,'ccc','fsd',40,4),
(4,'ddd','afs',50,7),
(5,'eee','asfa',60,3)
(6,'aaa','nfh',20,8),
(7,'bbb','dfgf',30,2),
(8,'ccc','fsd',40,4),
(9,'ddd','afs',50,7),
(10,'eee','asfa',60,3);2.2.2 pom文件
注意Flink和FlinkCDC的版本映射，很多显示的可以关联的版本之间是冲突的，这是一个很繁琐的工作，我调试各个版本之间的映射，花了一天左右的时间[求赞求收藏]；
下面这是Flink1.14.5版本和FlinkCDC2.2.1版本已经调好的依赖：
4.0.0
org.example
changedateDoris
1.0-SNAPSHOT
UTF-8
2.12
1.8
1.14.5
1.2.62
2.8.3
compile
1.7.30
org.apache.flink
flink-table-planner_${scala.version}
${flink.version}
org.apache.flink
flink-streaming-scala_${scala.version}
${flink.version}
org.apache.flink
flink-clients_${scala.version}
${flink.version}
org.apache.flink
flink-connector-jdbc_${scala.version}
${flink.version}
org.apache.flink
flink-connector-kafka_${scala.version}
${flink.version}
com.alibaba
fastjson
${fastjson.version}
org.slf4j
slf4j-api
${slf4j.version}
org.slf4j
slf4j-log4j12
${slf4j.version}
mysql
mysql-connector-java
8.0.12
com.ververica
flink-sql-connector-mysql-cdc
2.2.1
flink-shaded-guava
org.apache.flink
org.apache.flink
flink-runtime-web_${scala.version}
${flink.version}
2.2.3 java代码
package yto.com.net.demo;
import com.alibaba.fastjson.JSON;
import com.alibaba.fastjson.JSONObject;
import com.ververica.cdc.connectors.mysql.source.MySqlSource;
import com.ververica.cdc.debezium.JsonDebeziumDeserializationSchema;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.configuration.RestOptions;
import org.apache.flink.streaming.api.datastream.DataStreamSource;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.ProcessFunction;
import org.apache.flink.util.Collector;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
public class mysqlBinlogRead {
private static final Logger log = LoggerFactory.getLogger(mysqlBinlogRead.class);
public static void main(String[] args) throws Exception {
MySqlSource mySqlSource = MySqlSource.builder()
.hostname("ip")
.port(3306)
.databaseList("flink_test")
.tableList("flink_test.event_info")
.username("mysqlUser")
.password("password")
.deserializer(new JsonDebeziumDeserializationSchema()) // converts SourceRecord to JSON String
// .startupOptions(StartupOptions.earliest())
.build();
Configuration configuration = new Configuration();
configuration.setInteger(RestOptions.PORT, 8083);
StreamExecutionEnvironment env = StreamExecutionEnvironment.createLocalEnvironmentWithWebUI(configuration);
// StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
// enable checkpoint
env.enableCheckpointing(10000);
DataStreamSource cdcSource = env.fromSource(mySqlSource, WatermarkStrategy.noWatermarks(), "MySQL CDC Source");
SingleOutputStreamOperator process = cdcSource.process(new ProcessFunction() {
@Override
public void processElement(String row, ProcessFunction.Context context, Collector collector) throws Exception {
JSONObject rowJson = JSON.parseObject(row);
String op = rowJson.getString("op");
JSONObject source = rowJson.getJSONObject("source");
String table = source.getString("table");
}
});
cdcSource.print("message=:");
env.execute("flinkCdc Read message");
}
}
2.2.4 运行结果
如图所示，已经写入库的结果通过connect获取，增量数据通过binlog获取；
注意：表中的历史数据过多，全量读取的时候将会内存溢出。
